返回首页
业内专家深入探讨“量子人工智能：机遇与挑战” | TF64回顾
７月５日，CCF TF第64期活动“量子人工智能：机遇与挑战”于线上成功举行。本期会议邀请到中科院、清华大学、天津大学、百度等研究机构、高校和企业的行业专家们，共同探讨量子人工智能的发展现状及所面临的挑战。本年度算法与AI SIG还有三期活动，具体时间请见文末，欢迎关注参与。
量子计算和人工智能是推动新一轮产业变革的两大核心引擎。量子计算以其独特的计算方式输出强大的算力，人工智能则以其丰富的应用场景不断赋能各行各业。两大领域的交叉融合会碰撞出怎样的火花呢？本次活动由CCF TF算法与AI SIG主席何中军主持，围绕量子人工智能展开讨论，线上气氛热烈。
活动介绍及开场致辞
在开场致辞中，何中军提到量子人工智能已成为当前科技的前沿热点，国内外均将其作为重点发力的发展方向。量子计算和人工智能的深度融合，将会在数据处理、信息安全等重要领域中展现优势。本期活动将会和各位业内专家们共同了解与探讨量子人工智能的理论基础、软硬件平台、应用前景、行业生态网络等多个方面的发展现状与未来趋势。
《谷歌量子计算机的经典模拟》
中科院理论物理所研究员张潘介绍了其项目组在对量子计算机进行经典模拟方面的突破性进展。在本次分享中，张潘介绍了其工作中所使用的张量网络方法，通过张量网络缩并、大批振幅采样、大头算法等技巧，可显著降低计算大量相关位串振幅的复杂度，进而将悬铃木量子线路采样问题的经典计算时间从一万年缩短至数十秒。同时也指出，虽然经典算法的计算时间在这个问题上比谷歌量子计算机的时间更短，但是量子计算机在计算功率上仍然保有自己的优势。希望在不远的将来，量子计算机能够在特定任务上全面超越经典计算机，显示出量子优越性。
张潘报告分享内容
《量子人工智能前沿进展》
清华大学交叉信息研究院助理教授邓东灵介绍了量子人工智能方向的一些前沿进展工作。本次分享中，邓东灵特别讲解了其项目组在量子生成对抗网络、量子对抗机器学习等方向上的理论研究成果及其实验方案。邓东灵认为量子人工智能正处于一个最好的时刻，同时也处于一个最坏的时刻，该方向上的问题和不确定性都很多，但同时也充满了发展的机会。在报告的最后，他分享总结了量子人工智能领域发展的十大挑战，希望这些挑战都能被一一解决，让量子人工智能的发展更进一步。
邓东灵报告分享内容
《量子理论与自然语言处理》
天津大学教授张鹏介绍了量子力学与自然语言的基本联系，并特别指出量子力学中的量子叠加、波函数坍缩、量子干涉等现象和自然语言的一词多义、语义消歧、语义交互有着非常多的共通之处。基于这些共性，张鹏分享了其在基于量子多体的语言表示、基于量子多体的模型压缩、基于纠缠张量的模型压缩、基于量子纠缠的模型可解释性、基于量子干涉的认知机理、自然语言的量子算法等多个方面的研究工作。分享最后，张鹏表示张量网络、量子信息、量子理论在自然语言的推理和理解上有着广阔的发展前景，量子自然语言处理未来可期。
张鹏报告分享内容
《量桨——量子人工智能进展与实践》
百度研究院量子计算研究所资深研究员王鑫分享了量子人工智能研发平台——量桨。本次分享中，王鑫重点介绍基于量桨在Quantum for AI（借助量子信息处理优势研发新型AI技术）与AI for Quantum（利用AI技术突破量子技术研发瓶颈）两个方面的最新研究成果。特别地，王鑫介绍了量子纠缠转化，量子纠缠探测与量化，量子自然语言处理，量子监督学习，新型量子神经网络结构等一系列重要工作。王鑫表示，量子人工智能可以在算法、框架、硬件三个层面进行AI基础能力的创新突破，并预计在准确率提升的同时大幅降低时间和能源成本。当前，量桨平台已接入量子硬件，可调用量子计算潜在的强大算力，有望加速量子应用的研发以及量子产业化的探索。
王鑫报告分享内容
在Panel讨论环节中，四位分享嘉宾就量子人工智能的发展与挑战展开了热烈讨论。张潘认为当前量子人工智能的发展还需要继续探索并挖掘出一个有实际应用价值的案例。邓东灵则指出历史上很多优秀的经典算法都是在经典计算机出现后才诞生的，量子硬件的发展将会给我们带来更多的创意和想法。张鹏认为，我们需要让更多的人理解并利用量子力学，同时去证明量子计算能解决机器学习问题的必要性，这样才能吸引和激发更多的人参与进来。王鑫总结到，量子人工智能的发展确实需�