量子計算智能導論教學探索

　　摘要：隨著智能信息處理技術的飛速發展，越來越多的學生對量子計算智能導論這門課產生了濃厚的興趣。我們結合教學實踐，將該門課程的教學內容劃分為理論型和實踐型，注重理論與實際應用相結合，以具體實例引導教學，從而加深學生對理論的理解，進而培養學生的實踐能力和科研興趣。本文介紹了這種教學方法。
　　關鍵詞：智能信息處理技術；量子計算智能導論；教學實踐
　　
　　人類正被數據淹沒，卻饑渴于知識。面臨浩瀚無際而被污染的數據，人們呼喚從數據汪洋中來一個去粗取精、去偽存真的技術。而數據挖掘就是從大量數據中識別出有效的、新穎的、潛在有用的，以及最終可理解的知識和模式的高級操作過程，所以數據挖掘也可以說是一個模式識別的過程，因此模式識別領域的許多技術經過一定的改進便可以在數據挖掘中起重要的作用。計算智能(Computational Intelligence-CI)方法是傳統人工智能(Artificial Intelligence，AI)的擴展，它是模式識別技術發展的新階段[1]。
　　科學家預言：“21世紀，人類將從經典信息時代跨越到量子信息時代”。創立了一個世紀的量子力學隨著20世紀90年代與信息科學交叉融合誕生的量子信息學，已成為量子信息時代來臨的重要標志[2]。量子計算智能導論作為信息科學、計算機科學、智能信息處理、人工智能等相關專業的研究生專業課程，已經在越來越多的高等學校開設。
　　由于量子計算智能是一門跨越包括物理學、數學、計算機科學、電子機械、通訊、生理學、進化理論和心理學等學科在內的深奧科學，因此量子計算智能導論的教學內容和側重點的安排目前仍處在探索階段，尤其作為研究生課程如何使得學生在掌握深奧理論的基礎上結合實際應用，將理論轉化為技術與工具，從而提高動手能力，這是每個研究生專業課任課老師的核心探索所在，因此就要求老師在授業解惑的同時關注前沿，以該學科的前沿領域為教學指引，進而更好的培養研究生主動探索知識的能力。
　　1教材選擇
　　一本好的教材為教學起到了畫龍點睛的作用，因此教材的選擇即是老師對教學內容，教學目標和教學方法的選擇。我們選擇教材，期望該教材由淺入深、深入淺出、可讀性好，具有系統性、交叉性、前沿性等特點。由于量子計算智能導論為全校研究生的專業課程，而量子計算智能是一門多學科交叉的綜合型學科，因此我們要考慮到來自學校不同專業背景，以及在物理，數學，工程優化和進化理論基礎有限的兩難困境，所以首先選擇了一本關于量子計算的英文原版書作為教材之一，Michael Nielsen等人所著的《Quantum Computation and Quantum Information》[3]，2003年高等教育出版社出版，該書全面介紹了量子計算與量子信息學領域的主要思想與技術。到目前為止，該領域的高速進展與學科交叉的特性使得初學者感到困惑而不易對其主要技術與結論有綜合性的認識，而該書特色在于對量子機制和計算機科學給予了指導性介紹，使得那些沒有物理學或計算機科學背景的學生對此也易于接受，為學生提供了詳實的關于量子計算的物理原理和基本概念；另外考慮到這門課程面向研究生，無論將來他們是直接就業還是繼續深造，都要注重實踐動手能力的培養，要能夠將自己所學的書本知識轉化為技術和工具，去解決實際的工程和科研問題，因此我們還選擇了另外一門書，由李士勇教授所著的《量子計算與量子優化算法》[4]，哈爾濱工業大學出版社于2009年出版，該書著重講解了量子優化算法，為實際工程應用提供了新的思路，并啟發大家在量子計算機沒有走出實驗室的今天，如何利用現有的數字式計算機構造具有量子特性的快速算法。當然考慮到全校研究生的專業知識背景不同，我們也推薦了中南大學蔡自興教授等編著，2004年由清華大學出版社出版的《人工智能及其應用：研究生用書(第三版)》[5]，該書是蔡自興為主講教授的國家精品課程人工智能的配套教材，該本書中系統全面的講解了高級知識推理、分布式人工智能與艾真體、計算智能、進化計算、群智能優化、自然計算、免疫計算以及知識發現和數據挖掘等近年的熱點智能方法，從而輔助學生了解人工智能，以及人工智能如何發展到計算智能，使得學生全面認識學科的發展和傳承性，為今后學習量子計算智能打下堅實的理論基礎。
　　2教學內容
　　本課程從量子計算的基本概念和原理出發，重點講解量子計算基礎和基本的量子算法；并從量子優化算法拓展開來。該門課程我們安排了46學時，具體安排如下：第1章，量子力學基礎(2學時)；第2章，量子計算基礎(4學時)；第3章，基本量子算法(4學時)；第4章，Grover量子搜索算法的改進(4學時)；第5章，量子遺傳算法(8學時)；第6章，量子群智能優化算法(8學時)；第7章，量子神經網絡模型與算法(8學時)；第8章，量子遺傳算法在模糊神經控制中的應用(8學時)。
　　3教學方法
　　3.1理論與實踐相結合的教學方法
　　量子計算智能導論是一門多學科交叉的綜合型學科。選課的同學來自全校，各個的專業背景不同，但是大家的共同需求是一樣的，就是從課程中掌握一種用于解決實際問題的工程技術，但是工程技術的掌握也需要理論的支撐，因此我們在教學實踐中總結出了一套方法，具體做法是將教學內容劃分為：理論型和實踐型。
　　理論型教學指的是發展完善的量子計算基本原理和方法。其內容包括：量子位、量子線路、量子Fourier 變換、量子搜索算法和量子計算機的物理實現等。而其中量子位、量子線路以及量子算法都是以量子相對論為基礎的，這也是量子計算的本質原理，而較之我們熟悉的數字式計算機和計算方式有著本質的區別。我們在教學中由淺入深，通過PPT授課，采取理論與實例相結合的講授方式。下面給出了一個我們在教學中的實例：將量子計算問題形象化。具體內容如下。
　　讓我們想象一下下面這個問題。我們要找一條穿過復雜迷宮的路。每次我們沿著一條路走，很快就會碰到新的岔路。即使知道出去的路，還是容易迷路。換句話說，有一個著名的走迷宮算法就是右手法則——順著右手邊的墻走，直到出去(包括繞過絕路)。這條路也許并不很短，但是至少您不會反復走相同的過道。以計算機術語表述，這條規則也可以稱作遞歸樹下行。現在讓我們想象另外一種解決方案。站在迷宮入口，釋放足夠數量的著色氣體，以同時充滿迷宮的每條過道。讓一位合作者站在出口處。當她看到一縷著色氣體出來時，就向那些氣體粒子詢問它們走過的路徑。她詢問的第一個粒子走過的路徑最有可能是穿過迷宮的所有可能路徑中最短的一條。當然，氣體顆粒絕不會給我們講述它們的旅行。但是 量子算法以一種同我們的方案非常類似的方式運作。即，量子算法先把整個問題空間填滿，然后只需費心去問問正確的解決方案(把所有的絕路排除在答案空間以外)。這樣以來，一個枯燥晦澀的量子算法就被很形象的解釋，因此增強了學生的記憶也加深了理解，從而提高了學生的學習興趣。
　　實踐型教學指的是正在發展中的量子計算智能方法的熱點問題。其內容包括：量子遺傳算法，混沌量子免疫算法，量子蟻群算法，量子粒子群算法，量子神經網絡模型與算法，和這些算法在實際工程優化中的應用。這部分內容屬于本學科的前沿，但也是熱點問題，因此這部分我們在教學中忽略理論推導，重點強調實際操作，在PPT課件中增加仿真實例的講解；并在課下布置相應的上機操作習題，配合上機實踐課程，鍛煉學生的動手能力，同時也引導學生去關注這些前沿，從而培養他們的科研素養。
　　
　　為了體現該門課的教學特點，我們在考核方式上，采取考試與報告相結合的方式，其中理論部分我們采取閉卷考試，占總考評分數的40%；實踐部分采取上機技術報告考核，內容為上機實踐課程布置的大作業，給出詳實的算法流程圖和仿真結果與分析，占總考評分數的40%；出勤率占總考評分數的20%。
　　3.2科研素養的培養與實踐能力的提高
　　科研素養的最核心部分，就是一個人對待科研情感態度和價值觀，科研素養的培養不僅使學生獲得知識和技能，更重要的是使其獲得科學思想、科學精神和科學方法的熏陶和培養。正如溫總理說的那樣：“教是為了不教，學是為了會學”，當學生將課本內容遺忘后，遺留下來的東西即是他們所具備的科研素養。因此，在教學中，我們的宗旨也是提高學生的科研素養，量子計算智能導論是一門理論和實踐緊密結合的學科，該學科的發展日新月異，在信息處理領域的關注度也越來越高。在教學實踐中，我們采用了上機實踐和技術報告相結合的教學方式。掌握各種量子計算智能方法的原理和流程是這門課程教學的首要任務，因此學生結合各自研究方向實現量子智能算法在實際科研任務中的優化問題求解。在上機實踐中，學生不僅要掌握該智能算法的流程而且重點關注學生對
　　自己科研任務的建模，學會系統分析問題，建立合理的數學模型，并給出理論分析。上機實踐驗收中，我們不但考察其結果展示，更增加了上機實踐的技術報告，用來分析模型建立的合理性，從而培養學生對待科研問題的分析素養和建模素養。在技術報告中，我們要求學生給出幾種可供參考的建模模型，并分析各自的優勢，和選擇這一解決方案的依據。由于量子計算智能導論是面向研究生開設的課程，在教學中，我們更佳關注其分析問題的能力，和解決問題的合理性的思考能力，從而培養學生的科研素養。
　　4結語
　　把教學當做一門藝術，是我們作為高校老師畢生追求的目標，如何做到重點講透，難點講通，要點講清，這也是我們多年教學中一直關注的關鍵點。我們在教學中反對“灌輸式”，強調“啟發式”，以實際應用先導教學是非常可取的，也收到了良好的效果。量子計算智能導論是一門綜合型交叉學科，且面向研究生開設，因此在教學實踐中，我們十分重視學生科研素養的培養。通過上機實踐和技術報告的形式引導學生積極動手，積極思考。希望這些教學中的點滴供同行們交流探討。
　　
　　參考文獻：
　　[1]