“危險”的量子計算

何承波

“身體是一臺神造的機器。”

此言出自法國哲學家笛卡爾。在《談談方法》一文中，他提出了一個觀點，人的行為、思考，是對外界環境的回應。“人是一臺自動機器。”

經典計算機誕生后，人類創造機器，不再是模擬人類身體的機器本性，而是雄心勃勃地開掘智慧的奧秘，救贖自身與生俱來的局限性。二進制里，要么0，要么1，兩個簡單的符號，成了數字時代的“神諭”。

半個世紀過去，二進制對自然的模擬，儼然到了極限。人腦、宇宙等眾多需要復雜計算的領域，成了計算機無法抵達的迦南之境。與其說，這是集成電路技術和摩爾定律走到了盡頭，不如說是1和0的二元對立、經典力學的確定性觸到了天花板。

2019年9月，谷歌宣布實現“量子霸權”，似乎暗示著一場偉大征程的開啟：量子計算正引領人類，探索生命與宇宙的混沌未知。

漫長前夜

已故物理學家理查德·費曼肯定想不到，30多年后，“量子霸權”宣布實現時，這個詞嚇壞了很多人。

費曼研究量子力學，他提醒所有的計算機科學家：“自然不是經典，如果你要模擬自然，你得把它變成量子力學。”費曼有一個天然的警覺，0和1的二進制邏輯，并不能捕捉量子力學中固有的不確定性。

所謂量子，即電子、光子等微觀粒子的表現形式。經過物理學家們幾十年的爭吵，此時結論已經昭昭然：物質的微觀層面，經典力學已經是窮途末路了。相反，量子世界充滿了不確定性，并不能準確測量。

這片充滿混沌的量子世界，是現有計算機的盲區。

另一方面，當費曼試圖用經典計算機來模擬量子系統時，卻遭遇了“指數減慢”的問題。計算機內電路的集成度越高，熱耗越嚴重，巨量能耗成為禁錮計算能力的死結。

早在20世紀80年代初，費曼等少數物理學家就有個奇思妙想，利用量子疊加和量子糾纏兩個奇特的量子特性，構建“量子計算”。同時，費曼還意圖讓計算機科學家和物理學家聯手合作，共同研究量子計算機的物理實現與算法。

事情出現真正的進展，要等到1994年了。貝爾實驗室的彼得·秀爾研究出一套“秀爾算法”，證明量子電腦可以進行離散對數計算，才有計算機學者開始走進量子力學的世界。

所謂“秀爾算法”，就是大數的分解。例如，一個300位的整數，分解成若干個質數的乘積。最強大的經典計算機，可能要“算到爆炸”，如果這套算法能在量子計算機上運算，也許可以把時間大大縮短，甚至以秒而記。

算力差別為何如此巨大？這要回到物理學的根基上來看。牛頓力學告訴我們，物質之間的引力和運動，是可以精確測量的。但當真正深入微觀世界，物理學家們發現，粒子和周圍的環境互動，不僅處于“測不準”狀態，更是一種疊加狀態。

我們把粒子（光子或電子等）想象成一枚硬幣，扔出去，雙手壓住，對我們來說，它要么是正面，要么是反面，二者只取其一。但在微觀層面，它既是正面，也可以是反面，兩者共存。這種量子疊加態以概率形式而存在，只有在測量后，量子才會坍縮為經典的確定狀態。同時，兩者還處于糾纏狀態，用愛因斯坦的話說—會產生遙遠距離上的詭異互動。

計算機的計算取決于1或0的判定。經典計算機只能取其一，非1即0；而量子計算機兩個都要，既是1，又是0，即所謂雙態系統。如果把經典計算機看成是單一樂器，那量子計算機就是一個交響樂團。

想象一座迷宮，現有的計算機只能挨個嘗試，一條路線不通，換一條從頭再來。量子計算機卻能同時將所有路線走完，找到最優結果，熱量消耗也更低。

一幅宏大而美好的藍圖吸引了眾多國家、學術機構和商業公司，紛紛參與到競賽中來。

算力即權力的時代，這是致命的誘惑。

那么近，那么遠

進入2010年代，量子計算破土而出。美國、中國、日本均開始發力。商業機構方面，IBM、谷歌、英特爾和微軟等科技巨頭紛紛入局。

想象一座迷宮，現有的計算機只能挨個嘗試，一條路線不通，換一條從頭再來。量子計算機卻能同時將所有路線走完，找到最優結果，熱量消耗也更低。

2019年10月，谷歌宣傳在“量子優越性”（量子霸權）上實現重大突破，不過發生了一段尷尬的小插曲，合作方NASA官網率先公布了論文，又緊急撤下，疑似同行評審未完成。一個月后，該論文登上了《自然》雜志150周年版的封面。

論文的實驗用了一個名叫Sycamore（無花果）的量子處理器進行，處理器由鋁、銦、硅晶片和超導體等材料組成，共有53量子比特（初始量子比特為54個，但其中一個無法正常工作），包含在二維網格內，每個比特與其他四個相連，以保證足夠的連通性。

所謂實驗，看上去很簡單，對量子電路產生的隨機數字采樣若干次，得出給定字符串出現的概率，并確認為真隨機數。無論是日常通信，還是金融交易，乃至國家機密，都需要隨機數來保護，但現有計算機條件下，本質上無法獲得真隨機數—它們算不出下一時刻將出現哪個數列。

如果生成字符串的概率分布由量子電路決定，而量子處于疊加狀態，以概率形式存在，那么測量這些量子比特的時候，就好像是蒙上眼睛、伸手從盒子中摸出量子分布的隨機字符串，沒機會摸得中。因此，只有量子計算機的量子特性加持，才能生成真正意義上的隨機數—也達到了真正意義上的“保密”效果。

Sycamore確實在合理的錯誤閾值之內快速完成了該項計算任務，谷歌宣稱，經典計算機最強如Summit這樣的超算，也需要1萬年才能完成。

不過，現實還沒那么樂觀。谷歌自身措辭也較為謹慎，聲明這種量子優越性僅限特定領域。換句話說，它目前只在隨機數生成上具備壓倒性的優勢，象征意義大于實用意義。當然，所有偉大發明誕生之初無不如此。

對于所有的量子計算機來說，只有在幾種非常特殊的情況如計算異常復雜時，它們才能大放異彩。這意味著量子計算機只為了解決或驗證特殊問題而存在，距離“通用”還很遙遠。

量子芯片十分脆弱，任何溫度波動、電磁波、聲波和物理振動都屬于噪聲信號，會破壞量子比特并導致誤差。

經典計算機能容忍些許噪聲問題，保存兩三個備份，剔出錯誤比特。對于量子計算機，目前的糾錯機制還不完善，需要調動過多計算能力來糾正錯誤，負擔極其沉重。

此外，疊加態只能維持在未測量之前，測量后，它便坍縮了，成為確定的值：1或0。所以，在不知道量子比特的狀態下，如何才能確定它是否出錯，是另一個棘手的問題。

容錯算法、誤差抑制，甚至開發降低“噪聲”的特殊材料……構想與思路不斷涌現，面對糾錯問題，科學界樂觀大于疑慮。

實驗室里的科學家們說，量子計算機可解釋宇宙中最深的奧秘—暗物質、黑洞、人腦。人類無法解決的問題，在量子計算機到來的時代，將迎刃而解。

模擬大腦

回到費曼那里，計算機的本質是什么？模擬自然，而自然之中，人類又儼然站在進化的頂端。

宇宙、世界與生命的更多奧秘，隱藏在經典計算機無法觸及的地帶。像藥物分子的反應穩定性和化學反應活性，都無法依靠經典計算機來模擬，除非我們大大地簡化它。

費曼并未目睹量子計算機，但他的構想，正成為現實。對于一些小型量子計算機來說，量子模擬已經顯現價值。多倫多大學的Alan Aspuru-Guzik團隊研發了一套量子算法，有噪聲的情況下，量子計算機可快速找到分子的低能量狀態。IBMTJ Watson研究中心的量子信息科學家Jay Gambetta團隊，用6個量子比特的量子計算機，計算了氫化鋰和氫化鈹等分子的電子結構。它再次證明，量子計算機在微觀級別的物質模擬上，具備天然的優勢。

量子計算機的運算模式更接近大腦。近年來種種研究也揭示出，大腦具備量子形態。

量子計算機較有可能應用在天氣預測領域。大氣系統的不確定性，導致經典計算機難以建立準確的模型。即便最頂尖的分析工具，也只能對天氣作出猜測。而量子計算機是真正意義上的模擬計算機（費曼觀點），量子特性可以重現真實的氣象狀況，并發揮運算的優勢，更準確地預測氣候環境如何相互影響、壞天氣何時出現。

人類的大腦，就像是自然的最后一塊高地，量子計算即將對它進行沖擊。人工智能的最大障礙不是數據，也不是算法，而是計算能耗。阿爾法狗花5個小時下一盤圍棋，所耗能量相當于一個成年人300天的消耗。

野心最大的自然是谷歌，它早早成立了量子人工智能工作室。人工智能是量子計算機無法避開的話題，中國科學院院士潘建偉曾說，量子計算機最終將拓展到量子人工智能領域。

經典計算機模擬人腦，有點“不自量力”。畢竟人腦有近千億個神經元，構成一個至少100萬億個連接點（突觸）的網絡，堪稱宇宙最復雜的網絡。意識與思想的誕生，并非源于單獨部件，而是一個龐雜網絡中模塊、中樞節點和神經遞質的暗箱配合。

拋開經典計算機的算力極限，1和0的運算模式也是模擬大腦從未成功的原因。大腦意識從來不是在“是與否”（1和0）的絕對對立中產生，而是來自混沌、模糊的中間態。人腦的“不可測”，彰顯了人和機器人的本質區別。

而量子計算機的運算模式更接近大腦。近年來種種研究也揭示出，大腦具備量子形態。由量子計算給人工智能“賦能”，就像長者給舞獅點睛一樣，造物瞬間擁有了“靈魂”。

基于此，潘建偉斷言：“不到量子人工智能的時代，我是一點兒不擔心人工智能會取代人類。”

機器人的覺醒，由科幻作品和流行學說長期演繹。現在，量子計算打出了一道光，照見這樣一種可能性：終有一天，機器脫離造物主的指令（程序），沖開意識的閥門。