返回首页
量子算法 I | CQCC2024专题论坛
2024年8月3-4日，以“量子计算与计算机学科的交融共进”为主题的第三届（2024年）中国计算机学会量子计算大会（CQCC2024）将在长沙·北辰国际会议中心举行。现公布专题论坛“量子算法 I”具体内容。
大会概况
围绕量子计算系统构建的多个方面，大会邀请了来自量子理论、软件和多种硬件实现技术等方向的代表性学者作特邀报告，包括量子计算机实现的判定依据（DiVincenzo判据）提出者、美国国家科学院院士David DiVincenzo等国内外权威学者。近五十名学术大咖在十余个学术论坛分享领域创新成果，共同探讨量子计算领域的最新进展和未来发展趋势。大会同时设置圆桌论坛（Panel）、海报展示、企业展览、晚宴颁奖等活动，助力量子计算相关领域的学术交流、协同创新和产学研合作，推动我国量子计算和计算机学科的共同发展。
论坛主题
量子计算的发展为解决传统计算机难以处理的复杂问题带来了希望。量子算法领域致力于发掘量子信息处理的优势，旨在提供更快速、更高效的计算解决方案。探索具有量子优势的量子算法是实现量子计算潜力的关键。尽管量子计算技术充满前景，但要实现其潜力仍面临重大挑战。当前，我们正处于从小规模、易错量子计算机向大规模、容错量子计算机过渡的阶段。在这个过渡时期，如何最大化量子计算机的问题解决能力是一个亟待解决的问题。本论坛将重点讨论以下问题：
量子计算在优化问题与机器学习等领域的量子优势和相关算法的设计；
如何利用量子计算机模拟复杂量子系统；
量子优越性与量子关联、量子噪声等因素的关系；
量子机器学习模型的能力与局限性。
通过深入探讨这些重点问题，我们希望推动量子算法领域发展，加速量子计算技术的进步。此次论坛将为专家们提供一个交流合作的平台，共同应对量子算法研究中的挑战，为实现量子计算的广泛应用贡献力量。
论坛日程
论坛主席
郑盛根
粤港澳大湾区量子科学中心 研究员
郑盛根，CCF高级会员、CCF量子计算专委常委、中国通信学会（CIC）量子计算委员会委员、粤港澳大湾区（广东）量子科学中心 研究员。主要从事量子计算，EDA逻辑综合，量子AI，理论计算机科学等方面研究。2015年与Ambainis一起合作证明了精确量子查询算法几乎对所有的布尔函数都有优势，解决了量子查询领域里一个十几年来的公开问题。在I&C、JCSS、TCS、PRL、npj QI、ICCAD、DATE、AAAI、QIP等SCI期刊和会议发表论文六十余篇。担任第23届量子信息处理国际会议（QIP'2020）本地主席，该会议是全球量子计算理论最重要的会议。
报告嘉宾及内容
严骏驰
上海交通大学 教授
上海交通大学人工智能学院/计算机系教授、支部书记。科技部、基金委重大项目、优青项目负责人、CCF优博和优博导师。曾任IBM研究院（首席）研究员。研究兴趣为机器学习及交叉应用。发表顶级论文超过150篇。长期任ICML/NeurIPS/ICLR领域主席， TPAMI、PRJ编委、ACM PML创始高级编委，获PaperDigest最具影响力榜首顶会论文两次（AAAI21/IJCAI23），最佳论文提名一次（CVPR24），获省部级自然科学一等奖一次，引用近两万次（爱思唯尔高被引学者）。
报告主题：量子机器学习：从线路设计到系统应用
摘要：本报告将介绍实验室团队在量子机器学习领域的最新研究成果，涵盖量子计算在人工智能中的应用（Quantum for AI）、人工智能优化量子计算（AI for Quantum）及量子启发式算法等方向。我们将分享在量子电路设计和优化方面的进展，展示量子计算在加速机器学习模型训练中的潜力，探讨量子算法解决复杂问题特别是组合优化问题的应用前景，并展示量子机器学习在金融风险评估系统中的应用。相关工作在SIGKDD、ICLR、NeurIPS、ICML发表论文超过10篇，学生获得挑战杯特等奖、CCF司南杯量子编程挑战赛一等奖、华为昇思量子计算冠军等奖励。
赵琦
香港大学 助理教授
赵琦，香港大学计算机系助理教授。他主要从事量子模拟、量子纠缠、量子计算、量子信息基础理论等方面的研究，共发表期刊论文43篇，相关的一系列工作发表在国际顶级期刊Nature、PRL、PRX、npj QI、PNAS、IEEE Transactions on Information Theory; 成果也多次入选量子信息理论重要会议 QIP、AQIS、TQC、QCrypt 报告环节，并担任AQIS程序委员会委员（PC member）。主持或参与了国自然-香港研资局联合计划、香港杰出青年学者计划、香港影响力基金、国自然理论物理专款研究项目等。
报告主题： 量子纠缠与量子模拟算法
摘要：量子纠缠是多体系统的一种重要基本特征，对量子信息和基础物理学都有着重要影响。然而，量子纠缠在量子计算算法中的作用却并不清晰。同时，纠缠的增长是经典模拟方法面临的主要挑战。在这项工作中，我们研究了量子纠缠与量子模拟算法之间的关系，表明在有纠缠产生时，量子模拟算法的表现更佳[arXiv：2406.02379]。我们建立了一种基于纠缠熵的量子模算法误差分析方法，并开发了一种融合测量纠缠度的自适应模拟算法，用以估计算法误差，提升算法表现。该工作表明纠缠不仅是经典模拟的障碍，还具有加速量子算法的特性，更大的纠缠意味着更突出的量子优势。