MIT量子专家Seth Lloyd：量子计算更擅长机器学习，发现传统计算无法发现的数据模式

xman

让我们来思考下量子计算的未来，我不知道将来的每一台智能手机里是否都有量子计算机，或者我们是否会拥有量子 app 或者 quapps，从而借助量子计算机使我们的通讯更加安全，并且帮我们找到一些有趣的东西。这是一个很难完成的任务。很可能在计算机和智能手机中将拥有量子微处理器，完成特定的任务。

而这也是我们这些设备内部的相关技术发展的方向。如果有来自量子力学的优势，那我们就要采用这些优势，就像光合作用中的能量流动带有量子特性一样，如果量子计算的「怪招」能帮助我们，那就尽管使用一下这种「怪招」好了。


作者：SETH LLOYD，教授，量子力学工程师，MIT

量子计算的重要性——一切自然界行为的通用语言

目前，研究的兴趣又重新回到将量子力学和量子信息应用于量子引力学理论（译者注：量子引力，是对引力场进行量子化描述的理论，属于万有理论之一。研究方向主要尝试结合广义相对论与量子力学，为当前的物理学尚未解决的问题。当前主流尝试理论有：超弦理论、循环量子引力理论。引力波的发现，为量子引力理论提供了新的佐证。）上，以及探索宇宙本质的基础理论。事实证明，量子信息会给在苦苦寻求这些问题答案的人们带来很多帮助，例如，你掉进黑洞时会发生什么？如果你掉进一个黑洞，会有任何关于你的信息逃离此黑洞吗？这些就是斯蒂芬霍金等专家研究了几十年的问题。事实证明，量子信息学对我们找到这些问题的答案大有益处。

25 年前，我开始研究量子计算的相关问题，也就是原子、分子、光子和基本粒子如何处理信息。那时全世界研究这个问题的人也不过五六个，而现在有成千上万人。在任何一个快速扩张的领域都会出现各种分支。对于如何理解世界的基础问题的研究依然有很多分支，在其如何处理信息方面。

此外，还有很多了解自然运行方式的实际问题。例如，过去十几年关于光合作用的研究已经非常清晰——光粒子来自于太阳，然后被叶绿素分子吸收，能量在一片树叶中形成并转移到更多树叶中——这是以一种非常量子力学的方式来进行的。

我们研究量子计算所使用的一些模型也恰好可以用来解释光合作用的原理。事实证明，光合植物、细菌和藻类所使用的量子力学都极其复杂。它们会利用到量子相干性和量子纠缠这样的影响，实现高效的能量传输。

我对此的观点是，如果一点量子「诡计」就可以帮你更快的繁殖，那你一定要使用量子「诡计」。结果显示，植物、细菌和藻类已经使用量子诡计超过了 10 亿年来让它们生存的更好。

事实上，在量子信息和量子计算领域正在发生的是，量子信息是一切自然界行为的通用语言这一点越来越清晰。几年前，Physics Today（这是美国物理学会物理学家的杂志）里有张插页，这不是一张非常性感的插页，但它拥有物理学的所有部分，包括高能物理学、固定物理学、弦理论、力学物理和纳米物理等。而放在正中央的恰恰是量子信息。

原因在于，这个插页展示了物理的那些部分会和其他部分产生联系，这个领域的谁和其他领域什么人能对上话。他们把量子信息放在中间是因为每个人都在和量子信息进行对话。因此，研究光合作用的物理化学家突然开始和我这样的研究者开始对话，并且开始一起做植物和细菌的实验。

我们正在进行人工实验。在我们的案例中，它们是模仿光合作用中高效能量传输机制的人造和细菌造的系统。事实上，借助于量子信息理论，我们已经构建了比以往更加高效、甚至是有史以来最为高效的自然发生系统。

量子计算的进展和迅猛发展——更擅长机器学习

与此同时，除了所有这些理论发展，我们在开发处理信息的设备方面也取得了巨大进步，比如说在量子计算机方面。D-Wave 开发特定目的的量子计算机，而不是能够破解 NSA 代码，让其从心底感到恐惧的通用量子计算机。当然，如果 NSA 有心脏的话。

这些系统正在迅猛发展，用户购买它们并尝试在解决困难问题方面是否比传统计算机更快。这个问题尚无定论，我们不知道它们是否比传统计算机快。同时，还有些人在开发超导系统、由原子或离子组成的系统，以及光学系统，他们在建构量子计算机方面做的更好，期待着在未来 5-10 年出现能够解决传统计算机永远无法解决的问题的量子计算机。想到关于量子计算机的新想法是令人激动的时刻。

量子模拟计算机是一个旧思路，源自于 Richard Feynman，你可以使用量子计算机模拟其他量子系统。20 年前，我写了第一个关于如何编程量子计算机的算法，从而探索量子系统如何运行。在接下来几年，我们打算弄一些设备，能让我们建立量子力学模拟，也就是在内部黑洞发生了什么。我们可以关注下这些模型能做到什么。

几年前，我的一些朋友和我使用小型量子计算机模拟时间旅行中发生的事情，因为时间旅行的理论内在是量子力学的。当你把一个光子传送回十亿分之一秒之前，并杀死其前身。恩，我们的实验就测试了这样做会发生什么。

很幸运没有防止虐待光子协会的存在，因为我们的实验杀死了大量的光子。结果证明，一个光子回到过去杀死自己的前身总是会失败，因为时间旅行的量子理论表明你不能回到过去并做一些自相矛盾的事，比如杀死自己。

量子计算如今最有趣的应用是映射传统计算。如今传统计算中最大的进展是编程机器学习，采用计算机处理大量数据，搞清楚里面的模式。NSA 使用这些监控我们，谷歌也使用这种计算监控我们，亚马逊也是如此。

在机器学习中，生活在大数据时代我们毫无秘密。人类每天生成阿佛加德罗量级的数据。谷歌、亚马逊、微软这样的公司正在处理这样的数据，发现我们生活中的方方面面，从而向我们出售产品。计算机越来越擅长处理数据，发现其中的模式。

量子力学系统有着这样的特征，能够生成传统系统难以生成的模式。结果表明量子计算机能检测并识别传统计算机难以检测的模式。比如，如果你有过去 50 年中道琼斯的逐笔交易数据，这就是一个大数据集。

如果你说，「如果我能经受一定量的损失，或者我想要有一定的回报，我处理这些数据发现对我而言最好的投资组合。」好，用一个相当小的量子计算机（在接下来 5 年或者更长时间将会有这样的计算机），你就可以发现比在传统计算机上得到的更准确的答案。

量子计算机通过在更微观的层次上存储和处理信息而运行。例如，如果你有一个电子，你可以让它像 0 一样旋转，你也可以让它像 1 一样自旋，你也可以让它同时 0 和 1 的存在，这是量子计算的主要特征。一个量子比特，qubit，能同时是 0 或 1；这也是为什么量子计算比传统计算强力。

过去的 20 年或更久的时间内，我的同事和我一直在使用电子、光的例子建立量子计算机。所以，一个电子在电场中像 0 一样的摆动，也可以像 1 一样摆动，也可以同时 0 和 1 一样的摆动。我们已经建立了这样的量子计算机和量子通信系统。

我是一个理论家，所以实验主义者不像我在实验室中那样使用螺丝刀，我会破坏东西。但我与实验主义者紧密合作了超过 20 年，建立这样的设备，他们用小型的，有几个量子位的设备开始，但结果证明要有一把量子位才足够演示量子计算的功效。量子计算机如今变得越来越大，我们有了十几位的，不就将会有 50 个量子位的，然后是 500 个量子位。因为如今我们有建立大规模量子计算机的明显路径。

传统计算机遵循著名的摩尔定律，但它不是自然界遵循的定律。它只是对科技进展的一种观察，每两年计算机组件小一倍，组件的数量就翻倍。量子计算机不遵循摩尔定律。原因是建立量子位，并把它们组合在一起是一个复杂的过程。你是在微观的级别上操作的，很难做到这一点。你不需要要精准的进行控制。

有一个与常见摩尔定律平行的摩尔定律。事实上，它才符合量子理论。随着时间前行，我们在微观层次控制事物的能力越来越好。控制事物的同样能力让我们能做越来越强力的量子计算机。我们的量子计算机与传统计算机相比如今仍是无用的。我记得我以前有一个 16k 存储的计算机，几年后就是 64 K 了，如今是 100 G 的存储或1个TB的存储。

量子计算机仍处于只有少量量子位的阶段——可使用的 10 量子位，很快有 50 量子位，然后 100 量子位。尽管与传统计算机相比不具优势，但因为对特定问题量子计算机比传统计算机更强大，这意味着在接下来 5 到 10 年，一旦我们做到 几百量子位（很快就会发生），我们将能够解决传统计算机无法解决的难题。

解决什么样的难题？比如说一个 500 量子位的计算机将能够分解大型数字的因子、破解密码、打破对 NSA 监控的恐惧。但它也能做一些类似监控的事，比如量子机器学习，发现大量数据中的模式。

去年 12 月，我在 NIPS 大会上就量子机器学习组织了一个量子会议。我们预期数十人参加这个会议，但最后却有 150 人参与，以至于我无法进入会场。传统机器学习领域的人总是在观望新的方法。

他们惊人的发现机器学习难题像是一些事的拓扑学一样，想搞清楚一堆数据中空洞的数量。你知道，拓扑学研究事物是否有孔洞或者缺口或者空洞或者链接组件，这是分析数据的人想要发现的世界的特征。但做这些事的传统算法虽然有效，但只限于小数量的孔洞，因为它们不能处理这样的数据。

相比之下，如果有一台小型的量子计算机，甚至是仅有几百个量子比特，那你就能发现复杂的模式和拓扑系统，就像你用传统计算机所永远不会发现的洞、缺口和缝隙。我们已经进一步一个全新的阶段。量子计算的第一个二十年是一些从理论中衍生出的非常有趣的想法，和物理学的其他分支建立联系，接下来将出现各种你很喜欢用的算法，只要你愿意拥有一台已经足够强大到去执行这些算法的量子计算机。

我们处在量子计算机正在变强大的边缘，它们能够进行这些分析，对其他量子系统进行模拟（传统系统无法做到），发现传统计算机无法发现的数据中的模式。我们即将进入一个令人激动的时刻，来迎接量子计算的到来。

谁将马上拥有量子计算机？答案是每个人。MIT 有 5-6 个实验室都配备了量子计算机，研究者正尝试着对它们进行扩展使其变得更大。全球有几百只团队正在开发量子计算机。

这些实验室中的量子计算机非常有趣，它们看起来有些不同，取决于各自的用途。超导量子计算机的比特是超导电流的，以顺时针的方向在回路中转一圈——这是零；超导电流以逆时针在回路中转一圈——这是一；一个超电流一次往两个方向转，这很难想想，但确实会发生——这同时是零和一。

量子计算机内部的设备其实是芯片。通过相对传统的方法将超导电路蚀刻在芯片上。然后，芯片会连接到外部世界进来的电线上，因为超导体必须被放置在氦稀释的冰箱里，绝对零度以上的千分之十五度。它放置在那里就像是一个啤酒桶，在冷却时会滴滴答答作响。然后你使用普通计算机与它进行对话。你用自己的键盘输入，这将信号发送到芯片上，然后芯片处理这些信号，并且通过自己不可思议的量子力学机制得到答案。这些事情目前还有些庞大，仅仅是因为需要被安置在一台稀释冰箱里。你不能把它放到膝盖上，因为它会压扁你。但它们现在已经如果紧凑到你可以把它放在你的办公室里，只要你想。

有一台特定功能的量子计算机，量子退火炉（quantum annealer），由 D-Wave 制造。这是一台商用设备，已经有不少人购买了。洛克希德马丁已经购买了 DWave 的计算机，谷歌和 NASA，美国军方也是。他们购买的原因是这些设备很有趣。没人能够准确理解内部原理。它们非常神秘的以量子力学的方式进行计算，因为神秘就是量子力学的特点。用户正在购买这些设备应用于自己的领域，来尝试下是否能够解决哪些传统计算机无法解决的问题。

该 D-Wave 设备基于我和我的研究生 Bill Kaminsky 在 2002 年写的几篇论文。这是一种商业化的设备，如今已经有一些人买了。Lockheed Martin 买了一台 D-Wave 计算机，谷歌和 NASA 买了一些，军队也正在购买这种计算机。他们之所以购买时因为这些计算机很有趣。没人真正理解计算机内发生了什么，它们以自己的量子力学方式相当神奇的处理事情，因为保持神秘是量子力学的一个本质。人们买这些设备是想看下能否在上面解决传统设备无法解决的问题。

我们没能申请专利，D-Wave 继续前行并建立了这种设备。他们免费的使用了这些东西，为什么不能呢？又没有专利。当他们建立的时候，计算机确实不像预期的那样工作，在整个计算中保持低能态。达到更高的能量水平令人振奋，但它仍要解决该难题。为什么这样？没人知道。我与 D-Wave 的人一起工作过，想搞清楚为什么在不该成功的时候成功了。也就是从此，我为所有东西申请了专利，即使我不知道它们时候有效。

量子计算的另一个有趣点依赖于量子光学和光。很多年以来，这些设备都很大，因为它们包含一堆的大型激光固定在光学台上，被百万张镜子覆盖。研究生在校准这些设备时要非常谨慎，以便于所有的光束以正确的方式存在。

在这个领域中有一个惊人的进展，因为基于电话通讯技术，如今人们能够将所有的东西安置在一个芯片上。你将一个足球场大小的光学台缩小到一个芯片上，所有的东西都在上面。然后用硅树脂细线蚀刻该芯片，光子沿着这些线跃升，彼此相融，彼此交互，然后从另一端出来。

这些都是很伟大的设备，玩起来也很有趣。关于这些设备的一件事越来越凸显，过去的五六年，即使某种程度上这些设备很简单（也就是光通过一个芯片），但光子在镜面反弹并彼此互融，这些行为非常的神奇。如果你发送 20 个光子从小端口进入芯片，你问光子从其他 20 个端口出来的概率是多少，传统上这很难计算。

没有人知道如何做到。然而，芯片能自动的做到。它能生成没人知道如何在传统计算机上生成的模式。它们有一些我们即使使用最大的传统超级计算机也无法生成的怪异的量子特征。

这种设备的一种可能用途是学习。机器学习的一个共同特点是，如果你有一个可以生成一组特定模式的设备，它也能识别一组相同的模式。现在我们正在进行一项实验，来尝试一下能否让这一切发生。当我们拥有了用其中一个芯片生成的模式，那能否训练另一个芯片去识别那些模式？如果我们能做到这一点，那么我们就已经能训练一个量子设备去识别那些不可能被传统计算机生成或识别的模式。

这些模式太诡异了。因为它们不能由任何传统设备生成，顾名思义，它们就像是你以前从未见过的东西。除了制造这些我们不知其形的 funky 模式外，量子计算机也可以做那些普通的机器学习任务，比如识别数据中的大规模模式——我们现在一直使用的日常功能，比如人脸识别、语音识别和字符识别等。

如果你正在投资股票市场，一个非常重要的问题是，是否存在一些隐藏的按照某种模式的「动力」来驱动所有股票？如果你知道那个「动力」的话就可以赚很多钱。一台量子计算机可以比传统计算机更加有效地找到这种模式。一台量子计算机可以处理大量普通任务，即使是只有几百量子比特的小型量子计算机，也能做一些传统计算机做不了的事情。

然后，就像量子计算机能够发现这些传统计算机无法发现的模式一样，还有很多更加疯狂的事情。就识别功能而言，我不知道这些模式对什么有利，但是它们在涉及加密应用的问题上非常有用。比如用无人可以破解的方式去编码信息。如果你把个人信息与这些没有人可破解的模式放在一起，然后——上帝作证——没有人能够解密你的信息。

量子计算和数字计算机的历史进程对比

将量子计算的当前状态和过去二十年的进展与数字计算机进行对比是非常有价值的。建造一台数字计算机的想法是 20 世纪 30 年代中期由克劳德·艾尔伍德·香农（他那篇颇有影响的哈佛硕士论文的一部分）和和德国的克兰德·楚泽提出。

事实上，当时第一台设备是在第二次世界大战期间开始建造的。直到上世纪 50 年代中期，人们才有了这些巨大且非常昂贵的设备。他们中很少有人会花很多钱去开发它。极少量的比特就要花费大量工作，而且它们常常崩溃。

建立一台量子计算机的想法是我在 1993 年提出的。在那之后不久，人们开始建造简单的量子计算机。这是很难的，就跟我们开始建造传统计算机的头 20 年一样难。现在我们正处于这个阶段——拥有一个房间大小的量子计算机，以及照顾它们的穿白大衣的实验室技术人员。它们难以操作，会发生故障，而且只有几十个量子比特；但是毫无疑问，我们正在取得进展。

有趣的是，有关计算机有这样一句「如果你建造了它们，它们就会来。」我的许多 MIT 资深同事都曾参与早期的计算机研究，比如马文·明斯基（Marvin Minsky）、鲍勃·盖勒格（Bob Gallager）。当他们告诉我过往的美好岁月时（因为他们喜欢自己的工作），他们遇到的其中一件事情是，计算机科学在 20 世纪 50 年代的起源是非常令人兴奋的。但当拥有了一台可以在上面运行算法的设备，即使它体格庞大而且在今天看来是令人难以置信的脆弱不中用，就立刻出现了巨大变化。

在之后的短短几年内，人们一旦开发出第一台可以运行程序的计算机，这些计算机科学家先驱们——在当时来说甚至都没有被叫做计算机科学——就开发出了许多今天我们所知道的最强大的方法，比如说蒙特卡洛和单纯形法，这些算法如今被我们广泛应用。

量子计算的未来——这是一个激动人心的时刻

这是一个非常激动人心的时刻，它令人兴奋，因为这些从事理论工作的聪明人突然有了一个可以玩的玩具。他们很快想出了与这个相当昂贵的玩具相关的大量有趣游戏。

量子计算领域现在正处于这样一个阶段。我们有这些玩具——这些复杂、不是那么强大的量子计算机，但我们可以用它来玩游戏。我们可以尝试人们遇到的问题，可以看看会发生什么。人们正在提出一些非常有趣的游戏。因此，对于像我这样的人来说，量子计算非常令人兴奋，因为这个领域里充满了拥有奇思妙想的年轻人。

我所认识的一些世上最杰出的青年科学家都被吸引到了这个领域，因为它很有趣：你可以玩有趣的游戏；问题很大；你可以发问有关宇宙本质的问题。比如你可以问：我能否识别出一个潦草的 5 或 7？然后你可以与人合作并说：「嘿，我有主意了，我们可以试试吗？」你走在麻省理工学院的走廊上，而有人说：「是的，我们可以尝试一下。让我们看看会发生什么。」

仅仅从智力游戏的角度来看，现在的量子计算领域是一个非常令人愉快的地方。对我来说它很伟大，因为我可以与这些比我聪明得多的怪咖们共事，而这也是一个很大的乐趣。

让我们来思考下量子计算的未来，我不知道将来的每一台智能手机里是否都有量子计算机，或者我们是否会拥有量子 app 或者 quapps，从而借助量子计算机使我们的通讯更加安全，并帮我们找到一些有趣的东西。这是一个很难完成的任务。很可能我们的计算机和智能手机中将拥有量子微处理器，完成特定的任务。

其中的原因很简单：无论如何这都是我们设备内部的实际技术的前进方向。如果量子力学能够带来什么好处的话，我们就会利用它们，正好同能量在光合作用中流动所采用的一种量子力学的方式相同。如果量子「把戏」中有什么好处的话，那么就是它本身。

技术不是中立的。事实上技术的主要用途之一，只是让富裕而强大的公司利用技术来利用普通人，这是一种自然的经济运作方式。其他一群人失去了他们的工作。有关技术的一件非常自然的事情是，它令一些工作做起来更高效、更容易的同时，也意味着做这些工作的人最终会有更多的工作，因为你的雇主会让你做更多的事情。然后就会产生一群失业者。技术可以使事情变得更有效，但它不一定会使我们的生活变得更容易或更美好。事实上它往往使我们工作更加困难，这是我所反对的。

我发现最简单的是告诉人们进展的真相，而这对他们也有好处。有一些财富五百强公司正在大力投资量子计算。IBM 、微软、谷歌、英特尔等，日本的 NEC 已经向量子计算投了一大笔钱，相当多的公司都决定去投资这一领域。

当他们问我，「我们是否很快就能有一台真的能生产出来并出售的量子计算机？」我说，「好吧，也许并不。」尽管我们现在离这个目标更近了。事实上随着一些新的技术进展，特别是超导量子计算和光学量子计算，我们很有可能将拥有人们能生产出来并出售的量子计算机。

谷歌、IBM、微软或英特尔这样的公司有一个很好的理由去投资量子计算。这是一项拥有极大前景的技术，即使是在当下，它也不是那个包含在日常的智能手机中的东西。这个理由与计算的一般特性有关。

当人们第一次建立起这些体育馆大小的巨型计算机并将其置于体育馆中时，他们对于这些计算机的用处没有丝毫线索。他们在想，「哦，我们会用它来分析类似炮弹轨迹、材料属性这样的东西。」但我们在过去的几十年里都经历过的一件事是，计算机已经做到了那些你从来不会认为它们能做的事情。此外信息处理技术以一种无人预料的方式下爆发了。

现在仅仅谈论计算机是没有意义的，因为一切都是计算。你的智能手机是一个非常强大的计算机。你的汽车发动机包含 20 至 50 个微处理器，它们一直在进行计算，而这是实现更高燃料效率和污染控制的秘籍，诸如此类。它也被证明是污染控制欺诈的手段。

大量设备中有着计算，也存在着信息处理。你碰触的所有东西几乎都可以以一种复杂的方式处理信息，这如今变得很常见。如果你的公司是做信息处理的，那知道接下来的进展就非常重要了。

量子计算的军备竞赛

IBM 长期投资于量子计算。刚开始时，也就是 20 多年前，他们就开始强力投资量子计算。这是因为他们有两个该领域的建立者 Rolf Landauer 和 Charlie Bennett 帮助他们开发量子计算。那时发生惊人的事情是件很明显的事情。即使他们没有投资 10 亿美元，也每年投资千百万美元做量子计算研究。我不知道具体投资是多少。结果是，他们有世界上最好的、最聪明的人为他们工作，研究这个话题，这些人知道发生了什么，用自己建立的量子计算机搞事。

对其他公司而言也是如此。这些公司是年轻工作者极棒的工作地方，也是产出新思路的主要场所。

DARPA 也与量子信息处理有及其紧密的关系。但由于 DARPA 的本质，它们的项目经理总是想要来个全垒打。而且，从一开始就很明显，量子计算是一个有全垒打潜力的技术。

我是首个政府拨款的量子计算项目的首席投资者，这是 DARPA 1994 年的一个项目。Jeff Kimble 带领这个团队。DARPA 当时意识到量子计算是他们需要关注的事情。事实上，在过去 20 年中，DARPA 已经投资了量子计算的不同方面的多个项目，其中的很多项目都是成功的。

量子计算中的很多基础进展都以各种形式受到过 DARPA 的资助。虽然不知道 DARPA 的老大怎么想，但我认为这是一件好事。而且一个特定项目最终开发出的东西经常与他们一开始想要做的不同。但结果证明，这些项目出来的一些衍生成果非常强大。

DARPA 是第一个认识到量子力学在光合作用（photosynthesis）中扮演重要角色的基金资助机构。他们创造了第一个资助研究光合作用和能量转换中量子相干性和量子纠缠这样的特殊影响的项目。这是一个很成功的项目，得到了美好的成果。我正在研究项目的一些衍生品是在能量转换上要比自然中更加高效的人造和细菌造的系统。

DARPA 染指了很多研究，在量子研究上也上下其手。它开发了量子计算的很多基础思路。IARPA 衍生于 DARPA，它也是量子信息处理前沿的主要投资者。

因为它成长的太快，因为它在众多领域都有所影响，如今在量子计算和量子信息处理方面有很多的子领域。有许多技术员正在建立量子计算机，其中有很多卓越的人才。在超导量子计算机领域的人才有：被谷歌聘请的 John Martinis；我在 MIT 的同事 Will Oliver；在 Delft 的团队。然后，也有很多人在极力关注新型量子算法这样的疯狂想法。

我在 MIT 的同事 Soctt Aaronson（Shtetl-Optimized 上的知名博主）有着非凡的想法。他和他的同事正在绘制你可以在量子计算机上解决的一系列问题，这是一项很棒的工作。要建一个量子计算机，其中最成功、最强力的设备是离子阱。你可以采用一堆离子、原子，剥去其中的电子，使用陷阱诱捕它们，然后用激光摧毁它们。我在马里兰大学的同事 Chris Monroe 是该领域的先驱。因斯布鲁克大学的 Rainer Blatt 也在这上面做出了惊人的成就。MIT 的 Ike Chuang 在建立这种设备上也做出了大量的进展。

关于量子信息我最喜欢的部分是我们所说的狂野的东西，也就是「Hey，让我们了解下宇宙如何产生的，从量子信息的角度想下它是如何组合在一起的。」考虑下量子引力，依据量子信息没人能理解量子引力这种东西，这也是我已经做了 15 或 20 年的东西，而且如今也有不少人在研究它。这相当有趣。

大神级人物包括 Caltech 的 John Preskill 和 MacArthur 奖获得者 Alexei Kitaev。他们两个都是很棒的人，在这个领域都取得了巨大成果。如同我所说的，量子信息领域的一大特色就是这些高素质的年轻研究员。刚被斯坦福聘请的 Patrick Hayden 在研究量子力学和量子引力的问题。Brian Swingle 在还是 MIT 的研究生时就想出了量子引力和量子信息之间其中的一个主要连接，仅靠自己他就做到了这一点。

中国是量子信息竞赛中的后来者，大约是 4 年前开始的，他们在清华建立了一个研究量子计算的机构。这个机构很优秀，他们也在做很伟大的事。中国做量子信息的也有一些很优秀的实验者，比如潘建伟。新加坡国立大学在量子信息处理上也有很多惊人的项目，他们也是该领域的领军队伍之一。

日本量子信息领域也有很多优秀的研究员。比如我的同事 Yasunobu Nakamura 和东京科技研究所的团队。NEC 在这里也有一个很厉害的团队，有很多优秀的人。研究量子计算的最大团队集中在加拿大滑铁卢的量子计算研究所。在这里，黑莓的创始人 Mike Lazaridis 捐赠了百万美元作为用来创造优秀的研究团队的种子基金。加拿大的这个研究所的领头者是 Raymond Laflamme。这是现在世界上最大的量子计算研究的集中地。

在欧洲，有很多非常棒的量子团队。维也纳大学就有一群非常出色的人，Anton Zeilinger 和 Philip Walther 在那里待了很长一段时间；在牛津的 Vlatko Vedral 和剑桥的 Richard Jozsa 的领导下，这两个学校也有很多很棒的项目；还有牛津的 David Deutsch，他正是这一领域的创建者。你很难见到他，因为他总是在夜晚出没。

这几年，我与 David Deutsch 交谈过多次，其中有一段特别有趣的对话。当我在 MIT 准备一个会议议程的时候，David 在视频链接里出现了：我坐在大会议室的第一排，正对着 40 英尺的大屏幕，而 David 那 40 英尺高的脑袋就在屏幕上对着我讲话。会议室里没有任何其他人，我们也仅仅是讨论一些物理问题，但那感觉简直就像在与《绿野仙踪》里的巫师对话。

David 是一个非常聪明的人，也是一个思想家。他第一个意识到量子计算机可以做到一些传统计算机无法做到的事情，而这是在 80 年代中期发生的事情。他花了很多时间寻找量子计算机能够在某件事上表现得更好的例子。他有这方面的直觉，并且随后提出了量子计算机的正式概念，但是在五年多的时间里，他没有找到能够证明量子计算机能表现得更好的例子。

当他最终有所斩获的时候，他向众人展示了，在一个传统计算机需要两到三步才能解决的问题上，量子计算机只需要一步。这确实是一个进步，但那个问题本身不是大家关心的问题。尽管如此，他并没有放弃，而是一直在寻找更好的证据。最终，凭借着自己的才华与意志，他终于让整个学术界意识到了量子计算机的重要性。

随后，其他人开始研究这一领域，并且产生了许多更加有用的想法。量子理论完全改变了寻找函数周期的问题，随后 Peter Shor 借此提出了著名的因子分解与密码破解算法。接着，这一领域就开始了科研竞赛。在过去的二十年，自量子计算的复兴以来，自 Shor 在 1994 年提出算法以来，量子计算已经从几个人的规模，壮大成了拥有几千人、多方向的领域。

而在这整个时间段里，David 不改初心，仍旧在他认为最重要的事情上不断钻研。在刚过去的十年间，他在他自己称为「量子构造理论」领域进行研究。根据我的不完全理解，他试图从基于量子计算理论中，衍生出现实世界最本质的东西。祝愿他最后能够成功。