日前，2024年铌酸锂产业创新生态大会Lithium Niobate Industry Innovation & Ecology Conference（LIIEC-2024）在苏州纳米城成功举办。会议聚焦铌酸锂产业及学术主题，来自世界各地产业和学术界的领先专家共聚一堂，分享铌酸锂领域最新的成果与挑战，探讨未来的发展方向。玻色量子CTO魏海博士应邀出席，并发表了以“实用化量子计算的发展”为主题的精彩演讲。
量子计算是2024年铌酸锂产业创新生态大会的核心议题。铌酸锂是一种在量子计算领域具有潜在应用的晶体材料，铌酸锂晶体具有强烈的非线性光学效应，在光学频率转换、光学开关和光学逻辑门等应用中具有实用价值，可以实现光量子比特的操控和量子态的转换。同时，铌酸锂也是一种适合于光子集成电路（PIC）的材料，能够与光子器件集成，用于构建量子计算中的光量子线路。其在低损耗光学波导、量子存储、量子纠缠等方面都具有广泛的应用前景，是光量子计算中不可或缺的重要材料。
量子计算，实用先行
随着摩尔定律的失效，量子计算有望成为后摩尔时代计算能力跨越式发展的重要方案。
量子计算以量子比特为基本单元，利用量子叠加、纠缠和干涉等物理特性进行高速并行的数学和逻辑运算及存储。因此，量子计算机是一种底层原理与经典计算机完全不同的全新计算设备，能够在特定计算困难问题上提供指数级加速，有望成为未来几乎所有科技领域加速发展的“新引擎”。
2024年，量子技术作为未来产业、新质生产力发展的重要组成部分，北京未来产业布局中明确提出建设全球量子信息产业科技创新高地，培育量子产业生态。
魏海博士提到，以玻色量子自研的相干光量子计算为代表的专用型量子计算机——“天工量子大脑”已经率先实现实用化。光量子计算具有的强大的计算能力和精准的操作性能，使得相干光量子计算机在解决复杂问题、优化算法和AI神经网络结构优化等方面展现出无与伦比的优势。
2023年5月16日，玻色量子发布国内首台100计算量子比特的相干光量子计算机真机——天工量子大脑100，这不仅标志着玻色量子迈出了实用化量子计算应用的关键一步，还代表着量子计算从理论量子优势向实用量子优势发展的重要里程碑。
2024年4月18日，玻色量子重磅发布了550计算量子比特的相干光量子计算计算机真机——天工量子大脑550W及开物SDK等核心研究成果，充分展现出量子计算与AI的融合，是实用化量子计算的起点。这不仅代表了新质生产力中的量子计算与经典计算的深度融合，还彰显了玻色量子具有的创新实力和行业领先地位，也标志着我国实用化量子科技事业迈入了新的发展阶段。
量子计算实用场景与案例分享
从技术挑战上看，量子计算从来都不是来替代经典算力的，将量子算力与经典算力无缝融合，才是真正解决各行业算力难题的终极答案，也将实现更强算力的共振与提升。同时，现有经典计算的软件开发套件并不适用于量子计算，有较高的迁移成本，打破这一技术壁垒是降低量子计算实用化门槛的重中之重。
再结合用户需求，魏海博士认为，未来大行其道的计算模式是“无感计算”，即从业务本身出发，不需要关注底层的硬件是什么。基于天工量子大脑550W，结合开物SDK与量子云服务，量子计算可以在各行业领域实现基于真实应用场景、真实业务数据、量子真机验证三位一体的应用探索或能破局。
同时，玻色量子作为国内实用化量子计算的代表性领先企业，还构建了一个“场景漏斗”。魏海博士认为，对于今天的量子计算生态，最关键的一步是找到合适的应用场景，这也是玻色量子不断拓展生态的主要目标。通过开物SDK可以大大降低开发者门槛，无论是高校、企业、个人开发者或其他用户，不需要去学习量子物理的原理，即可在纯数学层面理解量子算力的使用方法和能力，开发适配他们所在领域的量子算法，并且在量子计算机真机上完成数据验证。
通过为期一年的量子计算实用化的商业实践，玻色量子发现了量子计算在组合优化和人工智能两大场景上发挥了巨大的计算优势。目前，已有数十个不同的场景进入“场景漏斗”，玻色量子已联合产出近10篇场景移植验证成功的学术论文，每个案例均获得2-3个数量级以上的加速。
2023年，为了更好的加速生态建设，玻色量子与北京图象图形学学会、移动云、南方科技大学成功举办首届“五岳杯”量子计算挑战赛。此次赛事共有近2000支队伍，近5000人报名竞赛！参赛者覆盖近500所中国高校，超过900个专业，总计收集到量子计算应用论文2000余份。魏海博士强调，量子计算的加速能力可以赋能众多领域，只有更多的行业开发者加入，才能让量子计算发挥出真正的能力。通过开物SDK，即使只是大学本科生，通过一定的数学和代码，也可以实现量子计算的使用。
同时，玻色量子已联合生态合作伙伴在AI、算力调度、分子对接、虚拟电厂、量子图聚类算法、量子深度学习训练等“量子计算+”行业场景实现了一系列重要成果突破。
以“量子计算+AI”真实应用场景为例，清华大学车辆与运载学院李升波教授课题组提出了多层神经网络的伊辛训练算法，这是国际上首个用于相干伊辛机（CIM）的深度学习训练算法，代表了神经网络量子训练领域的重要突破。这一算法已在玻色量子自研的“天工量子大脑550W”上完成了真机验证，实验表明它能在毫秒之内解决大规模二进制优化问题，为AI时代的模型训练提供了另一种可能路径。这也是在量子AI时代突破实用化量子计算发展的关键支柱之一。
以量子图聚类算法真实应用场景为例，通过将经典的AI聚类算法进行模型重构，研发出能够运行在量子计算机上的量子图聚类算法。测试发现，混合量子社区发现算法，相较于经典的混合Louvain及混合Leiden有更好的数据区分能力，并且通过量子独有的多模态融合技术，可以进一步提升算法的准确性。
最后，魏海博士总结到：玻色量子一方面将继续发挥相干光量子计算机真机优势，联合生态合作伙伴们不断拓展更多行业的应用场景。另一方面也希望和光集成芯片的中上游生态伙伴，一起探索铌酸锂材料在光量子计算等行业中发挥更大的作用，让光量子计算进一步走向实用化，赋能更多的行业。
