简介
量子人工智能是量子计算与人工智能深度交叉的前沿领域，旨在通过双向赋能重构后摩尔时代的计算范式。一方面，当前量子计算迈向实用化面临量子比特数量与质量的挑战，人工智能被认为是帮助量子计算实现复杂系统控制、量子纠错等的关键手段；另一方面，量子计算被认为能够将经典人工智能提升至新的能力高度。本Tutorial从四个维度系统性介绍量子人工智能：量子计算基础、量子算法、人工智能赋能量子系统、量子计算能力与边界。同时，邀请量子领域权威专家担任嘉宾，共同研讨交流。
简介为官网原文，部分内容可能未写完。
人员
嘉宾
- 金海 · 华中科技大学
- 劳玲玲 · 国防科技大学
- 袁骁 · 北京大学
- 吴亚东 · 上海交通大学
- 陈然一鎏 · 粤港澳大湾区量子科学中心
- 孙晓明 · 中国科学院计算技术研究所
- 李绿周 · 中山大学
- 吴俊杰 · 国防科技大学
- 薛诗川 · 国防科技大学
报告安排
量子计算的原理与发展
劳玲玲 · 国防科技大学
简介
量子计算在理论上拥有经典计算无可比拟的超强算力，是最重要的后摩尔计算技术。近年来，量子计算领域飞速进步，从量子霸权阶段进入含噪中等规模量子时期，甚至向容错量子计算时代快速迈进。本报告将介绍量子计算基本原理、发展现状与趋势，特别是容错量子计算的原理与进展。
Towards Practical Universal Quantum Computing
袁骁 · 北京大学
简介
Fault-tolerant resource estimation must be driven by algorithms rather than hardware assumptions alone. In the fault-tolerant regime, different algorithms impose different requirements on logical operations, circuit depth, measurement schedules, magic-state consumption, code distances, runtime, and physical-qubit overhead. This work presents an algorithm-aware view of fault-tolerant resource estimation and organizes the current landscape into several key components: algorithmic workload characterization, logical-level compilation, error-correction overhead, architecture-dependent implementation, and end-to-end cost modeling. We review recent progress in these directions and emphasize that realistic resource estimates require a co-design perspective connecting algorithms, fault-tolerant protocols, and hardware architectures.
利用AI学习大规模量子系统
吴亚东 · 上海交通大学
简介
高效表征大规模量子系统，尤其是量子模拟器和百万量子比特级量子计算机所产生的那些系统，构成了量子科学中的一项核心挑战，因为希尔伯特空间随系统规模呈指数级增长。近年来，人工智能（AI）的进展，凭借其在高维模式识别和函数逼近方面的能力，已成为应对这一挑战的有力工具。越来越多的研究利用AI来表征和描述可扩展量子系统，涵盖从理论基础到实验实现的各个层面。根据先验知识和学习架构的引入方式，AI与量子系统表征的融合可分为三种协同范式：机器学习、深度学习和语言模型。本报告将展示这些AI范式如何分别助力量子系统表征中的两项核心任务：量子属性预测和量子态重构。这些任务支撑着从量子验证与基准测试到量子算法改进的多种应用。此外，本文还探讨了关键挑战和开放性问题，以及AI与量子计算交叉领域的未来前景。
量子计算的能力和边界
陈然一鎏 · 粤港澳大湾区量子科学中心
简介
本报告从可证明的量子优势出发，以非局域博弈为主线，探讨如何仅凭经典交互认证量子资源、验证量子计算。报告也将介绍自检测（self-testing）的基本思想及其在随机性生成与量子网络中的应用，并结合近十年的关键进展，展示量子理论与密码学、计算复杂性之间的联系，讨论量子计算的能力、验证所需的条件及其理论边界。