實(shí)錄 ｜ kyla
郵箱 ｜ kyla@pingwest.com

過去十年，Google一直在量子計(jì)算領(lǐng)域押下重注。自2019 年Sycamore 芯片首次實(shí)現(xiàn)“量子霸權(quán)”以來，Google Quantum AI團(tuán)隊(duì)不斷刷新行業(yè)認(rèn)知，從隨機(jī)電路采樣到誤差糾正門檻，再到最新的Willow芯片與 “Quantum Echoes” 算法。

這些成果意味著，量子計(jì)算正從實(shí)驗(yàn)室“炫技”階段走向真實(shí)世界的應(yīng)用：從分子建模到材料研發(fā)，甚至可能重塑能源、藥物、AI 訓(xùn)練等關(guān)鍵領(lǐng)域。Google Quantum AI 的使命始終如一：讓量子計(jì)算真正解決人類無法靠傳統(tǒng)計(jì)算機(jī)完成的問題。

在最新一期《Nature》封面論文發(fā)表之后，Google高級副總裁 James Manyika與Google Quantum AI創(chuàng)始人 Hartmut Neven 展開了一場極具知識密度的對話：

他們討論了量子計(jì)算的使命、最新算法 Quantum Echoes（量子回聲） 背后的科學(xué)邏輯、與伯克利大學(xué)的實(shí)驗(yàn)合作，以及 AI 與量子計(jì)算之間日益緊密的共生關(guān)系。

如果說人工智能正在改寫“思考”的邊界，那么量子計(jì)算，正在改寫“計(jì)算”本身。

本次對話發(fā)生于 Google Quantum AI 團(tuán)隊(duì)最新成果刊登在《Nature》封面 之后。兩位嘉賓圍繞量子計(jì)算的使命、算法創(chuàng)新、與人工智能的關(guān)系、以及量子技術(shù)的社會(huì)意義展開深入探討。

以下為完整實(shí)錄。

量子計(jì)算到底要解決什么？

James Manyika：Quantum AI 團(tuán)隊(duì)最近取得了非常出色的成果。除了我們的同事 Michelle Devaray 與前同事 John Martinez 獲得的重要獎(jiǎng)項(xiàng)外，我們昨天也發(fā)布了一項(xiàng)重磅成果，希望大家都有所關(guān)注。

在進(jìn)入主題之前，我想先回顧一下過去六個(gè)月的進(jìn)展。去年十二月，我們宣布了Willow芯片的成果。外界最關(guān)注的是隨機(jī)電路采樣（Random Circuit Sampling）的基準(zhǔn)測試結(jié)果：這款芯片在不到五分鐘內(nèi)完成的運(yùn)算，相當(dāng)于全球最快的超級計(jì)算機(jī)需要一百秭年（102?年）才能完成。但更重要的，其實(shí)是低于閾值的錯(cuò)誤校正，這是量子計(jì)算領(lǐng)域長久以來的關(guān)鍵目標(biāo)。

那么在進(jìn)入細(xì)節(jié)之前，Hartmut，你能先談?wù)?Quantum AI 的使命嗎？

Hartmut Neven：我們的使命自創(chuàng)立以來從未改變，非常簡單：打造能夠解決傳統(tǒng)計(jì)算機(jī)無法處理問題的量子計(jì)算機(jī)。

James Manyika：那目前為止的進(jìn)展如何？

Hartmut Neven：我們在 2020 年發(fā)布了計(jì)劃，詳細(xì)說明了如何實(shí)現(xiàn)這一使命。它包括兩條主線：

硬件方向：通過不斷迭代，構(gòu)建更高性能、更穩(wěn)定的量子芯片；

軟件方向：開發(fā)更多具備現(xiàn)實(shí)意義的量子算法。

從“量子霸權(quán)”到“量子回聲”，這次突破在哪？

James Manyika：那么說到昨天的成果，它登上了《Nature》的封面。你能解釋一下那篇論文的核心算法——Quantum Echoes（量子回聲） 嗎？為什么它如此重要？

論文鏈接：https://www.nature.com/articles/s41586-025-09526-6

Hartmut Neven：當(dāng)然。為了聯(lián)系之前的研究，在 2019 年，我們展示了量子計(jì)算的“超算優(yōu)勢”：某些計(jì)算能在量子處理器上幾分鐘內(nèi)完成，而經(jīng)典計(jì)算機(jī)需要幾十億年。

起初，一些人質(zhì)疑我們的結(jié)果，認(rèn)為我們沒用上最優(yōu)的經(jīng)典算法。但去年 12 月的實(shí)驗(yàn)徹底打消了這一疑慮。唯一殘留的批評是：我們的實(shí)驗(yàn)僅是一個(gè)人為設(shè)定的基準(zhǔn)測試，缺乏現(xiàn)實(shí)應(yīng)用。

而這一次，我們通過Quantum Echoes算法，首次實(shí)現(xiàn)了在真實(shí)場景中可驗(yàn)證的量子算法，成功回應(yīng)了這一質(zhì)疑。

James Manyika：你提到了“可驗(yàn)證”這個(gè)詞，它意味著什么？

Hartmut Neven：可驗(yàn)證（Verifiable）指的是：

該算法的結(jié)果可以被另一臺(tái)性能相當(dāng)?shù)牧孔佑?jì)算機(jī)驗(yàn)證，也可以通過真實(shí)實(shí)驗(yàn)驗(yàn)證預(yù)測是否正確。換句話說，它能生成關(guān)于自然界量子系統(tǒng)的預(yù)測，并通過實(shí)驗(yàn)結(jié)果直接驗(yàn)證。這是量子算法領(lǐng)域的一個(gè)歷史性突破。

James Manyika：這個(gè)算法還涉及兩個(gè)重要概念：信號噪聲比 與 Hamiltonian Learning（哈密頓學(xué)習(xí)）。能否通俗解釋一下？

Hartmut Neven：我常用一個(gè)小故事來說明。我有一個(gè) 15 歲的兒子，喜歡物理和哲學(xué)。我們經(jīng)常在夜晚泡按摩池時(shí)討論這些問題。

當(dāng)主泳池的水面平靜時(shí)，我可以敲擊水面，產(chǎn)生同心圓波紋。通過觀察波的振幅、波長和傳播距離，我們可以推測出水的性質(zhì)：如果是水、油或蜂蜜，波形都會(huì)不同。

這就像量子算法：我們通過“觀察波”來推測系統(tǒng)的性質(zhì)。但波會(huì)衰減，傳播太遠(yuǎn)就測不到信號。Quantum Echoes的精妙之處在于，它能反射這些波，形成“回聲”，讓波重新聚焦，從而既保持信號強(qiáng)度，又捕獲豐富信息。

James Manyika：這也就是“量子回聲（Quantum Echoes）”名稱的由來吧？

Hartmut Neven：沒錯(cuò)。通過這種“回聲”機(jī)制，我們能在不丟失信息的前提下分析系統(tǒng)結(jié)構(gòu)。這正是 Hamiltonian Learning 的基礎(chǔ)，哈密頓量（Hamiltonian）描述了系統(tǒng)的能量與演化規(guī)律，如果你知道它，就能預(yù)測系統(tǒng)的行為。我們的算法就是用來學(xué)習(xí)分子結(jié)構(gòu)的哈密頓量。

不止理論，真的在實(shí)驗(yàn)室驗(yàn)證了

James Manyika：你們還與加州大學(xué)伯克利分校合作進(jìn)行實(shí)驗(yàn)，對吧？

Hartmut Neven：是的。我們在第二篇論文中介紹了與加州大學(xué)伯克利分校的合作。我們將Quantum Echoes算法應(yīng)用于學(xué)習(xí)分子結(jié)構(gòu)。

其中一個(gè)分子是 二苯基（Diphenyl），擁有 28 個(gè)原子與 15 個(gè)自旋。我們結(jié)合核磁共振（NMR）數(shù)據(jù)，使用該算法成功推算出其二面角（dihedral angle），這是此前化學(xué)界尚未確定的結(jié)構(gòu)參數(shù)。

James Manyika：這聽起來很令人振奮。那你們的算法相比傳統(tǒng)方法有多大提升？

Hartmut Neven：在一些概念驗(yàn)證問題上，我們的算法比頂級超級計(jì)算機(jī)快13,000倍。盡管當(dāng)前分子仍相對較小，但這已經(jīng)充分展示了算法的潛力。

James Manyika：展望未來，Quantum Echoes算法能帶來哪些潛在應(yīng)用？

Hartmut Neven：這只是一個(gè)開始。Quantum Echoes屬于我們稱之為 “費(fèi)曼殺手級應(yīng)用（Feynman’s Killer App）” 的算法家族。

費(fèi)曼早就指出：無論經(jīng)典計(jì)算機(jī)多強(qiáng)，都無法準(zhǔn)確模擬量子系統(tǒng)。

量子模擬的應(yīng)用非常廣泛，比如：

能源生產(chǎn)：用于模擬核聚變反應(yīng)過程；

能源傳輸：研發(fā)高溫超導(dǎo)體，實(shí)現(xiàn)無損輸電；

能源存儲(chǔ)：優(yōu)化電池分子結(jié)構(gòu)，開發(fā)適用于飛機(jī)的輕量安全電池。

這些都是量子計(jì)算能夠真正創(chuàng)造經(jīng)濟(jì)與社會(huì)價(jià)值的方向。

James Manyika：我記得現(xiàn)在已經(jīng)有 70 多種算法被認(rèn)為具備“量子優(yōu)勢”，對嗎？

Hartmut Neven：是的。網(wǎng)上有一個(gè)叫Quantum Algorithm Zoo的數(shù)據(jù)庫，收錄了所有具備量子優(yōu)勢的算法。目前大約有 70 種。Quantum Echoes 屬于其中的“量子模擬”家族。

AI × 量子：下一個(gè)超級工具組合？

James Manyika：那我們聊聊 Quantum 與 AI 的關(guān)系吧。Quantum AI這個(gè)名字本身就代表兩者的結(jié)合。量子計(jì)算如何助力 AI？反過來，AI 又如何幫助量子研究？

Hartmut Neven：我們之所以叫 Quantum AI，是因?yàn)槎呙懿豢煞?。我在研究量子之前，其?shí)一直在做計(jì)算機(jī)視覺和人工智能。

AI在經(jīng)典計(jì)算機(jī)上仍受限于算力，而具備量子資源的 AI 能處理更復(fù)雜的問題。

舉個(gè)例子：AI 需要大量訓(xùn)練數(shù)據(jù)。蛋白質(zhì)折疊數(shù)據(jù)庫（Protein Data Bank）花了 50 年才積累完備，而量子計(jì)算可以在極短時(shí)間內(nèi)生成高價(jià)值訓(xùn)練數(shù)據(jù)，大幅提升 AI 的學(xué)習(xí)效率。

反過來，AI 也在幫助我們改進(jìn)量子芯片設(shè)計(jì)與算法優(yōu)化。例如：

我們用 AlphaEvolve 優(yōu)化量子電路設(shè)計(jì)；

與 DeepMind 合作，用 Transformer 神經(jīng)網(wǎng)絡(luò) 改進(jìn)量子糾錯(cuò)過程。

James Manyika：展望未來，一到兩年內(nèi)，Quantum AI 的下一個(gè)里程碑是什么？

Hartmut Neven：我們的目標(biāo)是構(gòu)建一臺(tái)擁有百萬物理量子比特、可穩(wěn)定運(yùn)行一千邏輯量子比特的量子計(jì)算機(jī)。

目前，我們已完成前兩個(gè)階段，正接近第三階段：實(shí)現(xiàn)一個(gè)能夠運(yùn)行百萬步算法的高保真邏輯量子比特。這將是我們通向“有用的量子計(jì)算機(jī)”的關(guān)鍵節(jié)點(diǎn)。

James Manyika：非常期待。謝謝你，Hartmut，也感謝 Quantum AI 團(tuán)隊(duì)帶來的突破性工作。