Jerry Chow 谈量子计算、加密、AI 与纠错

Matthew Berman 采访 IBM 院士、IBM Quantum 量子系统总监 Jerry Chow，讨论量子计算、加密、硬件、AI 和纠错之路。Chow 解释量子系统可能如何补充经典计算机，以及该领域仍面临哪些研究挑战。

被问到最简单的定义时，Chow 说普通计算机用比特编码信息，并按照熟悉的二进制规则处理。量子计算机使用量子比特，其信息遵循量子力学的数学规则。这改变了信息的表示和处理方式。

不同的数学结构让某些问题有机会得到更高效的解答，在特定情况下甚至可能带来指数级优势。Chow 强调这是针对特定问题类别：量子计算机不会自动加快所有任务。

Berman 问到与经典超级计算机之间的巨大性能差距。Chow 表示，目标是找到结构适合量子算法的问题。一个著名的理论例子是用于大整数分解的 Shor 算法，这个问题与某些广泛使用的公钥密码有关。

另一个潜在应用是模拟分子和材料。电子相互作用本身遵循量子力学，在经典机器上模拟复杂系统可能变得极其昂贵。Chow 解释，可控量子比特可能表示这些相互作用的某些方面，进而为材料和药物发现带来可能性。

Berman 询问量子计算是否意味着加密或加密货币的终结。Chow 说转变不一定突然发生：抗量子密码方法已经存在，包括基于格的方法。他提到 NIST 支持的协议，并表示主要实际挑战在于让行业和数据迁移到新标准。

Chow 说，银行和电信公司开始考虑这种迁移。替换现有密码基础设施需要成本与协调。他的意思是，组织可以为未来的能力做准备，而不是认为所有加密方式已经被破解。

Berman 问，是否可能有个人开发者突然造出能破解密码的量子计算机。Chow 将正在开发的系统描述为资本密集型基础设施，包含数据中心规模的硬件、网络和经典控制设备。IBM 公布路线图，并以多年为跨度追踪进展。

Berman 问起标志性的吊灯状机器及其冷却要求。Chow 解释，IBM 使用超导量子比特，材料包括铝、铌和氮化钛。精心设计的超导电路可以表现出量子行为，并组合到处理器上。

对于这种超导方案，芯片需要冷却到约 10 至 15 毫开尔文。Chow 将其与约 77 开尔文的液氮和太空低温作比较。温度虽然极低，但使用氦同位素的稀释制冷机能够达到这一水平。

许多照片中熟悉的金色结构是稀释制冷机内部，处理器位于最冷的一端。运行时，它由隔热屏蔽罩包围。逐级降温的结构不仅冷却芯片，也冷却线路和其他组件。

其他组件负责调节控制信号、放大量子处理器发出的信号。经典电子设备随后将测量结果数字化。整套机器不只有冷却芯片，还包括操作它所需的控制设备和传统计算基础设施。

Berman 问为什么量子计算机输出经典结果。Chow 解释，人通过经典输入和测量来编程、观察系统；内部计算则遵循量子规则。经典与量子计算机可以来回交接工作，包括预处理和结果分析。

谈到软件，Chow 回忆 IBM 在 2016 年将一台五量子比特机器放到云上。团队需要让用户能够编程，于是提供量子电路的图形表示，而不只是物理学家在实验室使用的控制装置。

量子电路由作用于量子比特的门操作和返回经典结果的测量组成。Chow 将这种底层表示比作汇编语言。与经典计算一样，有用的应用需要在单个操作之上建立更多抽象层。

IBM 在 2017 年推出量子信息软件开发工具包 Qiskit。Chow 说，其 API 帮助用户映射问题、优化电路并在硬件上执行。该项目还支持了学习量子编程的社区。

Chow 表示，开发者不必了解量子比特的每个物理细节。IBM 正为化学和优化等应用领域构建更高层的函数，让用户在更有意义的层级工作，同时由软件将问题映射到电路。

Berman 问量子计算机会否取代普通计算机。Chow 说不会：某些问题更适合量子电路，某些适合 GPU 集群上的张量运算，另一些则适合传统 CPU。IBM 将这些表示的结合称为“比特、神经元与量子比特”。

所有有用量子问题的范围仍不清楚。研究者已从数学上证明某些结构化问题存在加速，但前提包括足够的硬件和电路资源。Chow 认为，还有更大的算法空间有待探索，包括难以用经典方法模拟的情况。

谈到 AI，Chow 区分两个方向：用 AI 辅助量子计算，以及用量子计算辅助 AI。前者包括帮助开发者编写软件的 Qiskit 代码助手，以及利用 AI 优化电路到硬件的映射。

Chow 介绍 IBM 的 AI 转译服务，它利用强化学习技术优化电路映射。他说，AI 可能帮助拆解问题和改善量子工作流，但仍需进一步研究哪些应用最有价值。

量子机器学习则更复杂。Chow 提到利用量子电路进行分类和学习的研究，同时指出实际优势究竟是什么仍在探索中。挑战在于找到适合量子方法的数据集和问题结构。

展望未来，Chow 描述了将 CPU、GPU 和量子处理单元放在一起的量子中心超级计算。他预计研究者将探索每类硬件适合哪些任务，其中可能包括 AI 工作负载。构建集成系统本身也是发现有效方法的一部分。

Berman 问到 Google 的 Willow 设备。Chow 说，这项工作利用表面码研究量子纠错，并评估其作为逻辑存储器的表现。为了说明其重要性，他首先解释当今量子比特如何因与环境相互作用而丢失信息。

超导量子比特是物理结构，会受到制造、封装和控制线路的影响。一项计算需要量子比特之间的门操作和相互作用；如果错误在过程中破坏了存储的信息，结果就不可靠。每种量子比特平台都需要应对错误的策略。

Chow 区分了近期的错误抑制、缓解与量子纠错。错误缓解可以描述噪声，并通过多次运行电路估计更干净的结果。纠错则将逻辑信息编码到多个物理量子比特中，并在计算期间监测错误。

经典重复码可以复制一个比特并通过多数投票决定结果，但量子信息不能以同样方式简单复制。因此，量子码需要更复杂的安排，在不直接破坏编码状态的情况下检测错误信息。

在表面码中，晶格包含承载信息的数据量子比特，以及通过测量揭示错误征兆的辅助量子比特。Chow 将解读这些测量结果比作大型扫雷游戏：线索帮助确定需要在哪里纠正。

表面码受到广泛研究，但 Chow 说，每个逻辑量子比特可能需要大量物理量子比特。IBM 也研究了低密度奇偶校验码。他将较低的开销作为实现更可扩展纠错的研究方向，而不是已经完成的大规模机器。

对于想进一步学习的人，Chow 推荐 IBM Quantum 的学习材料，其中包括入门电路和纠错概念。他还推荐 John Watrous 的讲解视频。这些资源提供了从首次实验走向更深入理论的路径。

Berman 问到 NVIDIA CEO 黄仁勋公开谈论的量子计算时间表。Chow 避免揣测其言论的确切含义，转而介绍 IBM 自己的多年路线图。他强调量子系统旨在增强 CPU 和 GPU，而不是取代它们。

在采访中，Chow 提到 IBM 的目标：2029 年推出名为 Starling 的容错系统，2033 年推出更大的 Blue Jay。这些是对话中提出的路线图目标，不是已经交付的能力，也不是对未来性能的保证。

Berman 问 Chow 如何进入这一领域。Chow 在重视科学和数学的家庭中长大；他的父亲是一位核物理学家。大学期间，他寻找纳米尺度系统的实验机会，联系了哈佛大学的一位教授，并开始在实验室移动碳纳米管。

早期研究纳米尺度电子输运的经历，让 Chow 深入量子物理，并最终在博士研究中接触超导量子比特。他建议听众关注其职业动态和 IBM Quantum 网站，以了解更多信息。