来看看量子计算机九章有多厉害？量子计算机概念股有哪些？

　　近日，中国科学技术大学潘建伟、陆朝阳等学者组成的研究团队与中国科学院上海微系统所与信息技术研究所、国家并行计算机工程技术研究中心合作，构建了76个光子的量子计算原型机“九章”。计算玻色采样问题，“九章”处理5000万个样本只需200秒，而目前世界最快的超级计算机需要6亿年。

　　这是我国首次实现“量子计算优越性”，这一突破也使我国成为全球第二个实现“量子优越性”的国家。12月4日，《科学》杂志发表了该成果。

　　难点众多

　　在设备的自主研发、技术革新上下功夫

　　“九章”，既是中国古代的数学专著《九章算术》，也是牢固确立了我国在国际量子计算研究中第一方阵地位的量子计算原型机，二者皆有里程碑意义。

　　“量子计算优越性”，指的是作为新生事物的量子计算机，一旦在某个问题上的计算能力超过了最强的传统计算机，就证明了量子计算机的优越性，跨过了未来在多方面超越传统计算机的门槛。

　　“这将实验各方面的技术推进到远超以前的水平。”澳大利亚昆士兰大学教授蒂姆·拉夫说：“该设备的规模是非凡的：100模式干涉仪、25个压缩器提供输入的量子态、使用100个单光子探测器进行探测，并且实现了同时保持高效率，稳定性和量子不可分辨性——这都是展示量子计算优越性所必需的。”

　　从20光子输入60模式干涉线路的玻色取样，到76个光子100个模式的高斯玻色取样，必须在设备上下功夫。“一开始，高效率100通道超导纳米线单光子探测器性能很低，只有4%。我们通过与中科院上海微系统与信息技术研究所合作，自主研发、技术革新，现在其性能已经提升到了98%。”陆朝阳说，不断增强量子光源、量子干涉、单光子探测器等领域的自主创新，是下一步研究的重点。

　　“利用量子器件来解决日益复杂的问题并体现量子优势，是量子科学前沿中的最重要问题之一。”美国科学院院士、沃尔夫奖得主、狄拉克奖章得主彼得·佐勒认为，潘建伟团队的研究，在量子系统的大小与扩展性、实际应用的前景方面把研究水平提升到了一个新的高度。

　　意义非凡

　　在不增加能耗的基础上，提升计算能力

　　“大数据时代，全球数据量呈指数增长，每两年翻一番。庞大的数据若不提取，则没有意义。”潘建伟说。目前，计算机传统的发展模式受限，超级计算机能耗巨大。在潘建伟看来，“九章”问世，其意义在于在不增加能耗的基础上，提升计算能力。

　　眼下，研制量子计算机已成为世界科技前沿的最大挑战之一，是全球角逐的焦点。去年，谷歌公司推出53个超导量子比特的计算机“悬铃木”，对一个数学算法的计算效率远超当时世界最快的超级计算机，率先实现了“量子优越性”。而“九章”则实现了“高斯玻色取样”任务的快速求解。

　　处理5000万个样本的高斯玻色取样问题，“九章”只需200秒，而目前世界上最快的超算则需要6亿年;处理100亿个样本，“九章”需10个小时，超级计算机则需要1200亿年。正如陆朝阳所说的那样：“‘九章’在一分钟时间里完成了经典超级计算机一亿年才能完成的任务。”

　　对量子计算机的研究，国际同行公认有3个指标性的发展阶段：第一阶段是发展具备50至100个量子比特的高精度专用量子计算机，实现计算科学中量子计算优越性的里程碑;第二阶段是研制可相干操纵数百个量子比特的量子模拟机，以解决若干超级计算机无法胜任的具有重大实用价值的问题;第三阶段是大幅度提高可集成的量子比特数目至百万量级，实现容错量子逻辑门，研制可编程的通用量子计算原型机。

　　据陆朝阳介绍，与“悬铃木”相比，“九章”具有运算速度更快、环境适应性更强、克服技术漏洞这三大优势。“悬铃木”只有在小样本的情况下快于超算，“九章”则在小样本和大样本上都超过了超算，“好比赛跑，谷歌的机器短跑能跑赢超算，长跑跑不赢;我们的机器短跑、长跑都能跑赢。”

　　前景广阔

　　在机器学习、量子化学等领域具有潜在应用

　　在合肥，量子计算原型机“九章”几乎占据了半个实验室，包含上千个部件。目前，“九章”和“悬铃木”一样只能用来解决某个特定问题。潘建伟认为，这是由于目前可用来搭建量子计算机的材料有限，全球都在朝着为数不多的几个方向努力，“未来量子计算机的突破，更有可能依赖于新材料在量子计算硬件上的创新。”

　　如今，基于“九章”的高斯玻色取样算法在图论、机器学习、量子化学等领域具有潜在应用，将是后续发展的重要方向。潘建伟团队表示，尽管“九章”算力惊人，但只是在量子计算第一阶段树起的一座里程碑。“希望能通过15年到20年的努力，研制出通用的量子计算机，来解决密码分析、气象预报、药物设计等应用非常广泛的问题。”潘建伟表示。

　　《科学》杂志审稿人评价，这是“一个最先进的实验”“一个重大成就”。“量子优越性”实验并非一蹴而就的工作，而是更快的经典算法和不断提升的量子计算硬件之间的竞争。但最终，量子并行性会产生经典计算机无法企及的算力。潘建伟团队希望，这个工作能够激发更多的经典算法模拟方面的工作。