近日，中国科技大学李传锋团队传来捷报，他们创新性地将机器学习应用到量子力学基础问题的研究中，并在此基础上首次实现了多重非经典关联的同时分类。
人工智能将转变量子这项研究极大地提高了处理速度，最终可以为超级计算机铺平比现有技术快十亿甚至十万亿倍的道路。
研究人员认为，这项成果十分关键。
1 机器学习攻克瓶颈
最近，中国科学技术大学李传峰量子研究团队，在权威国际物理杂志《物理评论快报》（Physical Review Letters）发表研究结果。
该研究将机器学习技术应用于研究量子力学基础问题，首次实验实现了基于机器学习算法的多重非经典关联的同时分类。
计算亚原子量子领域中粒子之间的相关性质与关系是一个耗时任务，而李传峰团队的研究通过机器学习技术大大节省这一耗时任务的计算时间。
因为粒子关联的不同，它们所适用的任务也不一样。除了量子纠缠，粒子可以通过量子导引来相互关联。也就证明在某些情况下，粒子的性质可以通过测量来改变。
大多数量子设备——从用于超安全通信的密钥分配网络、超高速量子计算机，到用于隐形飞机探测的量子雷达系统，都因为需要大量的处理时间确定粒子关联，从而和实际应用保持着很远的距离。
在合肥的中国科大多光子纠缠实验室，研究员正进行量子计算和量子实验
「它的工作原理就像矿物分离」。中国科技大学的李传峰教授说：「AI 能告诉我们矿石中是否含有金、铁或铜，因此我们可以将它们用于不同的用途。而这在以前是不可能做到的。」
直到现在，量子研究人员还必须测量一整套物理性质，才能确定粒子之间的关联类型。这项工作困难且耗时，而当粒子数量增加时，工作量呈现指数增长趋势。
「也许最终我们会发现这不是一块金子。但我们能知道的也仅限于此。」李传锋说。
几十年来，中国科技大学的研究人员们坚持进行量子实验，并积累了大量的实验数据。
李传锋的团队建立了一个包含了 455 个量子态的非经典关联属性的数据集。这些数据都是根据粒子间不同的关联类型而被精心挑选出来的，比如量子纠缠、量子导引和贝尔非定域性等。
科学家们利用这个数据集，训练一台具有深度学习算法的计算机，对粒子物理性质的测量。现在 AI 可以达到的精确度超过 90%，而且所需的时间已经被削减到在几秒钟就可以完成以前需要一个小时的计算。
机器也不需要对全部的信息才能对每个粒子进行评估。研究人员只需要把两种物理性质的细节输入机器，机器就能自动填补空白，并做出正确的评估。
「这种方法将极大地增加量子信息处理的资源供应。」李传锋说。
重庆绿色与智能技术研究所副教授、论文合著者任昌亮表示，这一突破并不意味着人工智能比人脑更能掌握量子物理。
「我们给数据贴上标签，教育它，纠正它的错误。AI 就会遵循人类的指引，但并没有超越我们。」他说。
与传统方法相比，人工智能的另一个明显优势，是它可以更有效地处理多维问题，而量子物理中存在许多维度。任昌亮说：「这两个世界似乎很般配。」
科学家们认为，这并不是他们研究的终点。
该团队现在计划继续用更大的数据集训练机器，并且还在开发专门用于量子计算机的新人工智能技术，预计它将比当今最强大的超级计算机快 1 万亿倍。
一些研究人员说，人工智能和量子计算的结合可能最终导致机器的智能等于或大于人类。
2 中科大的量子计算实力
此次将 AI 与量子计算结合的研究成果，只是李传锋团队在量子计算领域频繁取得进展的一小部分。
今年 11 月，李传锋、黄运锋研究组与英国合作者，通过在线性光学系统中，验证了纠缠态的相干性对横向噪声的适应性，并进一步证明在横向噪声中，纠缠态探针的量子测量精度可超越标准量子极限，在量子相干和量子精密测量的研究中取得重要进展。该项研究成果 11 月 1 日发表在《物理评论快报》上。
10 月，李传锋、柳必恒等人与澳大利亚的理论物理学家合作，在量子力学基本问题的研究中，首次实验观测到测量设备无关的高维量子导引，并用其产生私密量子随机数。该研究成果 2019 年 10 月 23 日发表在国际权威物理学期刊《物理评论快报》上。
2018 年 8 月，李传锋、陈耕等人与南京大学合作者优化量子弱测量的测量方法，把单光子克尔效应测量精度再次提升接近一个量级。实验结果首次逼近了最优海森堡极限，再创量子精密测量领域最高测量精度。该研究成果 8 月 8 日发表在国际权威期刊《物理评论快报》上。
作为郭光灿院士领导下的团队，主要从事量子通信和量子计算的理论和实验研究。研究方向包括：量子纠缠态的产生与应用、固态量子系统、量子网络与量子物理。
中国科学技术大学教授，中国科学院量子信息重点实验室主任郭光灿
其导师郭院士是中科大物理学院光学学科的负责人，也是中国量子光学和量子信息的开创者和奠基人。早在上世纪九十年代，郭院士同他的研究生就提出了「量子避错编码原理」、「概率量子克隆原理」，在当时的国际上引起很大反响，后被 2012 年诺贝尔物理学奖获得者，法国科学家沙吉·哈罗彻实验所证实。
除了李传锋，郭院士还有另一位高徒，郭国平教授。郭国平教授在量子计算芯片领域深耕近十年。自 2010 年开始，作为首席科学家，连续主持开展 973 国家重点项目中的固态量子芯片项目和半导体量子芯片项目。目前，是国内半导体量子芯片研究领域的领头人。
郭教授多年主持的项目中，孕育出了一个成熟的，近百人的量子计算技术工业化团队，也就是 2017 年诞生的本源量子前身。
在郭教授的产业思想领导下，本源量子从开始就打造了一条，从半导体量子芯片、测控一体机、量子语言、操作系统、云服务到整机的完整产业生态链。
2018 年，本源量子发布了我国首款具有完全自主知识产权的量子测控一体机；2019 年研究团队自主研发了完整实现了 Shor 算法的量子软件开发包「pyQPanda」，突破了中国量子计算在算法领域的零成绩。
更是要在 2020 年将推出首台国产自主产权量子计算机，含有 6 比特位量子芯片，目标是追平 2016 年 IBM 发布的 5 量子位机器。
在量子计算领域，还有一个常被提起的人物，就是潘建伟院士的团队。
潘建伟（右）和陆朝阳（左）
潘院士和彭承志、陈宇翱、陆朝阳、陈增兵等人组成的研究团队，在量子力学基本问题上展开了漫长而系统的研究。
他们将多光子纠缠和干涉技术应用于量子通信、量子计算和量子精密测量等多个领域，引领和推动了多光子纠缠及干涉量度学的发展，也在量子通信和光学量子信息处理上取得了关键性的突破。
3 多所高校竞逐量子高峰
尽管，在量子计算领域内起步晚，与国际先进技术存在较大差距，但不论是超导量子计算方面，还是拓扑量子计算领域，我国的主要研究团队在近年来的表现都可圈可点。
除了中科大这支在世界范围内屡获「首次」，成绩亮眼的中国队伍外，来自南京大学、中科院物理所、浙江大学、清华大学、上海交通大学等科研院校的课题组或团队也在领域内做出了一些首创性的工作。
曾在潘院士团队钻研过的陈增兵，如今来到了南京大学物理学院。该院早在 2014 年 1 月，就曾在超导量子比特的研究中取得重要进展。率先在超导量子比特中实验实现了几何相的朗道-基纳（Landau-Zener）干涉。成果发表于国际物理学顶级刊物《物理评论快报》上。
2018 年，于扬教授和朱诗亮教授二人的课题组，通过不断努力，将理论和实验紧密结合，利用超导量子比特模拟了新型拓扑麦克斯韦金属能带结构，在超导量子模拟方面取得重要成果。
另一个常与中科大紧密联系的就是中科院物理所。
今年 8 月，研究员范桁，孟子杨等人，联合北京计算科学研究中心张煜然博士，中国科学技术大学朱晓波教授、潘建伟教授等人组成科研团队，在具有 24 个量子比特的超导处理器上实现了 Bose-Hubbard 梯子模型的动力学模拟，并成果观测到一些新的动力学现象。
此外，范桁课题组，还和浙江大学王浩华课题组，以及中科大朱晓波课题组开展过了多体局域化问题的量子模拟研究。范桁研究员和其团队确定了具体实验方案，并完成了理论分析。在浙江大学完成测量，文章同样发表在《物理评论快报》上。
上文提到的浙江大学王浩华课题组，更是与中科大潘院士团队一起合作贡献了出色的研究成果。
近来与潘建伟、朱晓波、陆朝阳课题组，福州大学郑仕标课题组以及中科院物理所郑东宁课题组等合作，联合研发了十比特超导量子芯片，通过高精度脉冲控制和全局纠缠方案，成功实现了目前世界上最大数目的超导量子比特的多体纠缠，并通过层析测量方法完整地刻画了十比特量子态。
此外还有以姚期智院士为首的清华大学团队，上海交通大学的金贤敏团队，以及北京计算科学中心、山西大学、南方科技大学等科研团体，他们的交流和联合，为中国的量子计算的科学发展提供了充足的动力。
4 量子计算和 AI，谁成就谁
虽然英特尔研究院院长 Rich Uhlig 这样形容量子计算：马拉松的一英里。但是量子计算技术的发展，不论是理论还是应用，都取得了长远的进步。
与人工智能的结合，也许会促使量子计算取得更加具有实质性的突破。而随着各大 BAT、AI 等科技企业的纷纷投入，也许有一天，我们可以预计，量子计算也反作用于我们的科技，会为人工智能的发展同样带来怎样的新变革，也未可知。
