引领量子科技三十年:斯坦福&NTT教授Yoshihisa Yamamoto

业界
Yoshihisa Yamamoto(山本喜久)教授是国际量子科技领域的近30年来的泰斗之一,也是斯坦福大学应用物理与电气工程的名誉教授。

斯坦福大学应用物理与电气工程名誉教授、NTT Reasech PHI Labs主任、量子科技领域三十年来领导者Yoshihisa Yamamoto教授

(图片来源:NTT Research)

Yoshihisa Yamamoto(山本喜久)教授是国际量子科技领域的近30年来的泰斗之一,也是斯坦福大学应用物理与电气工程的名誉教授。他领导的研究实验室专注于量子光学和量子信息处理30多年。Yamamoto教授也是日本国家量子计算计划领域的领军人物和最重要的科学家,还是相干伊辛机(CIM)这一重要的量子计算技术路线的提出者和领导者。

Yamamoto教授目前的研究兴趣在量子信息、量子光学和介观物理领域,涵盖压缩态、量子非破坏测量、腔量子电动力学、量子计算机和介观电子传输和隧穿等。

潜心学术  著作等身

Yamamoto教授1950年出生于日本东京,大学毕业于东京工业大学,后进入东京大学深造并于1978年获得博士学位。Yamamoto教授在获得博士学位后,加入了NTT(日本电信电话株式会社)的基础研究实验室,并在NTT基础研究实验室内部成立了一个研究量子信息通信技术的小组。随后在全球量子信息通信研究的前沿工作了 40 多年。在日本和美国领导了许多重大的国家项目。

1992到2014年Yamamoto教授任斯坦福大学教授(现为名誉教授),2003-2014年兼任日本国家信息学研究所教授(现为名誉教授)。在2013-2014年间,还兼任了日本理化学研究所(RIKEN)的董事。

2019年,NTT 将基础研究实验室分拆成一个独立的公司NTT Research,Yamamoto教授担任该公司创始董事,并出任PHI Labs(物理与信息学实验室)主任。

作为量子信息科技的前沿学者,Yamamoto教授的研究领域包括量子信息、量子光学和介观物理(例如压缩态、量子非破坏测量、腔量子电动力学、量子计算机和介观电子传输和隧穿)等。30多年以来在《Journal of Applied Physics》(应用物理学)、《Nature》(自然)、《Physical Review Letters》(物理评论快报)、《IEEE》、《Proceedings of the National Academy of Sciences》(美国国家科学院院刊)等多家国际顶级期刊上发表了多项创新性研究。截至目前,已发表研究论文500多篇,可谓著作等身。

(图片来源:网络)

领军科研 突破前沿

1993年,Yamamoto教授开始参与日本国家级量子科学研究项目。2009年,为了通过前沿科技研发提升日本的国际竞争力,日本内阁府启动了“世界领先的科技创新研发资助计划”(简称FIRST),Yamamoto教授被任命为该计划的核心成员。

2014年,在FIRST计划的基础上,日本内阁府进一步启动了“革新性研究开发推进计划(ImPACT)”,这个项目旨在推动量子神经网络(QNN)技术的应用研究,除了囊括日本顶尖大学、研究机构的精英学者以外,NTT、NEC、东芝、日立、富士通、三菱、日立等日本一线大公司的研究人员也都参与到这一项目中来,可以类比成这是日本采用“举国体制”开展的量子计算机研发项目。

作为ImPACT项目的首席科学家和项目经理(相当于总负责人),Yamamoto教授在ImPACT计划下展开“将量子人工脑接入接入量子网络成为先进信息社会基础设施”这一非常前沿的研究,充分展现了他在学术上的领导能力和协调能力,领导日本不同学科、不同领域专家在一个框架下开展量子大脑、量子安全网络、量子模拟研究。

 

CIM的研发历程(图片来源:网络)

在这一系列日本国家级项目和斯坦福的研究工作中,Yamamoto教授和他的研究团队经过反复比较,逐渐将实现量子计算的方式聚焦到了相干伊辛机(Coherent Ising Machine,CIM)这一技术路线上来。

CIM这种采用光量子的耗散式架构的量子计算机,与超导、离子阱等使用逻辑门计算架构的其他技术路线相比,采用量子失谐而不是量子纠缠作为计算资源,更加类似于人脑神经突触的工作模式,天然更适合于形成超大规模的量子神经网络,对环境噪声和错误有很强的抵抗力。而且CIM不需要超低温环境,不需要昂贵的稀释制冷机和液氦,因此计算成本上也大大优于其他技术路线。

由于这些优势,目前CIM已经成为日本的量子计算的主要研究方向,也成为最有实用前景的量子计算机发展方向。目前日本已经实现了10万自旋的CIM计算实验,相关的算法研究成果也不再是实验室或象牙塔中的理论构想,而是已经付诸实用,并在仓储物流、交通管理等方面落地并有了实际效益。

基于CIM与量子神经网路上的研究,Yamamoto教授以NTT Research为核心建立起了一个不断扩大的CIM联盟,将斯坦福大学、麻省理工大学、加州理工学院、康奈尔大学、哈佛大学、圣母大学、斯威本科技大学、东京工业大学、密歇根大学和东京大学等全球顶尖知名学府和NASA、1QBit等企业都囊括进来,以共同推动CIM在物理原理、脑神经科学、数学模型、实验验证、算法编程、工程化实现、落地应用等各个环节的研究。

对于这场跨学科研究的前景和重要性,Yamamoto教授在接受媒体采访时曾表示,“新一代信息处理技术,更加追求计算的简单、高效、使用。在当前的量子计算领域中,两个主流研究方向是(基于门的)量子计算和(基于耗散的)脑神经网络量子计算。研究人员们希望探索出在非冯诺依曼架构之外的更快、更低能耗的新型计算机。我们相信未来的计算技术将是由脑神经网络计算和量子计算结合而实现的。”

Yamamoto教授还进一步表示,“基于新型神经形态计算原理的CIM,是一种利用开放式的耗散量子系统的量子到经典跃迁进行计算过程的新型量子计算机,而不是使用单一演化来处理纯态,这正是大脑的工作方式。”

桃李不言 下自成蹊

在量子科研领域取得众多开创性进展的同时,Yamamoto教授还在数十年的教学工作中,以身作则,用他的谦虚与睿智为量子科学领域培育了大批杰出人才,可谓桃李满天下。这些著名的科学家正在美国、中国、日本、欧洲等全球各地的院校、机构和企业中内开展科研,共同推动了量子科学行业发展。

例如,麻省理工学院量子工程中心主任、美国物理学会会士William D. Oliver;麻省理工学院数字学习高级副院长、麻省理工学院超冷原子中心量子研究小组组长、美国电气工程师和物理学家Isaac L. Chuang;美国华裔物理学家、耶鲁大学应用物理学教授、物理学教授和电气工程教授Cao Hui等都是Yamamoto教授的博士生。据统计,在美国国家量子计划咨询委员会(National Quantum Initiative Advisory Committee,NQIAC)的23名委员中,就有3名Yamamoto教授的学生。

此外,Yamamoto教授也为量子企业界培养了不少精英。大家所熟知的全球首家上市的量子计算独角兽IonQ,其首席技术官兼联合创始人,全球离子阱技术路线的领军人物之一的Jungsang Kim(金正尚);还有国内新锐的量子计算企业玻色量子的创始人和CEO文凯博士,都是Yamamoto教授的博士生。

硕果累累 获奖无数

由于Yamamoto教授的杰出工作,他也屡屡获得了来自全球的赞誉和奖项。早在1985年,Yamamoto教授就因早期在相干光通信方面的工作而获得日本电子、信息和通信工程师协会(IEICE)的成就奖。

1992年,因其在半导体激光器中压缩态生成方面的开创性工作而获得仁科纪念奖和卡尔蔡司研究奖。2000年获得IEEE 的LEOS量子电子奖和松尾科学奖。2005年Yamamoto教授获得了日本政府颁发的紫绶勋章,这是日本国内在科学与文艺界的最高级奖项。2011年,Yamamoto教授因在量子点产生单光子方面的开创性工作而获得大川奖(The Okawa Prize)。

Yamamoto教授获得2022兰姆奖

(图片来源:NTT Research)

2022年1月13日,Yamamoto教授凭借在量子光学和量子信息处理方面的开创性贡献荣获2022兰姆——激光科学和量子光学奖。兰姆奖是量子科技界的顶级荣誉之一,由诺贝尔物理学奖获得者、量子光学和量子电动力学领域的奠基人威利斯·兰姆(Willis Lamb,Junior)于1998年设立。每年授予三名获奖者。在量子计算业界比较活跃的科学家如潘建伟院士(2018年)、IonQ的联合创始人Christopher Monroe(2020年)等都曾经获得过兰姆奖。

尽管著作等身,屡获殊荣,年逾七旬的Yamamoto教授依然保持着他的勤奋与谦虚,他目前还在带领着NTT Research PHI实验室团队和CIM研究联盟,继续在CIM和脑神经网络领域继续着跨学科的前沿研究工作。(文/王衍,编译/王衍、李每)

文章转载来源:量子前哨

 

责任编辑:企业商讯
相关推荐

2024-05-06 08:00:00

AI模型

2023-09-03 12:57:39

神经网络AI

2022-01-11 10:22:26

量子计算芯片超算

2013-01-31 09:45:14

斯坦福超级电脑百万内核

2009-05-19 09:06:41

Apple斯坦福iPhone

2012-03-21 21:38:27

苹果

2023-02-28 23:13:34

硅谷裁员成本

2019-12-16 14:33:01

AI人工智能斯坦福

2023-02-12 14:00:52

ChatGPTAI人类

2021-03-10 14:48:27

人工智能

2021-03-05 10:57:33

AI 数据人工智能

2024-09-26 10:23:46

2020-10-27 15:04:14

AI 数据人工智能

2009-01-07 14:32:09

2024-05-06 07:10:00

李飞飞智能空间

2022-05-01 15:42:30

NLP人工智能自然语言处理

2022-02-14 19:20:53

AI算法模型

2018-11-21 14:54:56

2023-01-13 13:29:33

量子研究

2018-06-21 13:34:52

iPhone手机疾病
点赞
收藏

51CTO技术栈公众号