2023年7月4日下午，量子科学与工程研究院在长富金茂大厦23楼2319会议室成功举办了第14期“量子视界”活动。本次活动邀请了芝加哥大学博士后刘峻宇为研究院师生带来主题为“Quantum Al: From near-term to fault-tolerance”的报告。本次沙龙由量子研究院助理研究员邓修豪主持。

    作为背景铺垫，刘博士首先介绍了量子计算现状以及NISQ时代下人们需要解决的开放问题：硬件层面上是如何更好地采取量子纠错或者量子错误抑制两种路线去降低噪声对计算结果的干扰，两种路线各有其优劣；软件（算法）层面上除开少数几个知名的算法，人们还需要探索量子计算其它的杀手级应用。刘博士猜测也许最佳应用是将量子计算与人工智能相结合。另外，他还简单介绍了量子计算中尚待解决的其它一些问题，例如还需要快速可靠的量子内存，量子网络的隐私和安全等等。

    随后刘博士介绍了量子机器学习，参数化的量子电路可以作为量子神经网络使用，并有望在NISQ时代展开应用。接下来他着重从解析推导的理论层面阐释梯度下降法的动力学特性。结论是线路深度足够大时，可以在训练过程中有效克服贫瘠高原问题。另外合适的噪音可以帮助跳离鞍点从而得到更好的训练效果。

    刘博士同时还介绍了自己关于HHL算法的拓展工作。HHL算法是一种量子算法，用于求解线性方程组，当矩阵稀疏且满足一定条件时该算法相比于经典是指数加速的。另外，对于dissipative系统，有人通过采用Carleman线性化的方式把非线性常微分方程组转化为线性的，进而调用HHL算法求解。刘博士将这套方法改写为针对常差分方程组并应用到梯度下降的求解，在学习过程的初期可以得到指数级别加速效果。最后，结合其它技术有望发展出一套新的高效率量子机器学习的方法。

    刘博士的报告将他对量子机器学习的前沿理解和HHL算法的精彩拓展分享给研究院的师生们。在报告过程中和结束后的问答环节，刘博士很通俗灵巧地解答了大家的疑问，最后报告取得了圆满的成功。