量子计算机

　　近日，在第 22 届密码硬件与嵌入式系统会议（CHES 2020）上，清华大学魏少军、刘雷波教授团队作了题为 “ 《采用低复杂度快速数论变换和逆变换技术在 FPGA 上高效实现 NewHope-NIST 算法的硬件架构》 （Highly Efficient Architecture of NewHope-NIST on FPGA using Low-Complexity NTT/INTT）” 的论文报告。 　　 　　图 | 论文一作张能同学在作报告（来源：受访者） 　　CHES 成立至今已有 22 年，由国际密码学研究协会（IACR）主办，据刘雷波介绍，这篇论文是 中国大陆首次以第一作者身份在该会议上发表的后量子密码芯片方向文章。 　　报告人张能是论文第一作者，目前正在清华大学微电子所攻读博士学位，论文通讯作者是清华大学微电子与纳电子学系/微电子学研究所教授刘雷波，主要合作者还有杨博翰、陈晨、尹首一。 　　DeepTech 就该论文和刘雷波进行了深入交流。他表示， 该论文介绍了一种低计算复杂度数论变换与逆变换方法，并提出一种实现后量子密码算法的硬件架构。 　　当前，公钥密码已经广为使用，无论去线下银行、还是在网上银行办业务，都要证明个人身份以避免被人冒用，访问电商网站或使用手机支付时，其数据也需加密。 　　除民用用途之外，公钥密码算法在海陆空通信方面也有着特定用途

来源：本源量子 导读 1900年 Max Planck 提出“量子”概念，宣告了“量子”时代的诞生。科学家发现，微观粒子有着与宏观世界的物理客体完全不同的特性。宏观世界的物理客体，要么是粒子，要么是波动，它们遵从经典物理学的运动规律，而微观世界的所有粒子却同时具有粒子性和波动性，它们显然不遵从经典物理学的运动规律。20世纪20年代，一批年轻的天才物理学家建立了支配着微观粒子运动规律的新理论，这便是量子力学。近百年来，凡是量子力学预言的都被实验所证实，人们公认，量子力学是人类迄今最成功的理论。 第二次量子革命 我们将物理世界分成两类：凡是遵从经典物理学的物理客体所构成的物理世界，称为 经典世界 ；而遵从量子力学的物理客体所构成的物理世界，称为 量子世界 。这两个物理世界有着绝然不同的特性，经典世界中物理客体每个时刻的状态和物理量都是确定的，而量子世界的物理客体的状态和物理量都是不确定的。概率性是量子世界区别于经典世界的本质特征。量子力学的成功不仅体现在迄今量子世界中尚未观察到任何违背量子力学的现象，事实上， 正是量子力学催生了现代的信息技术，造就人类社会的繁荣昌盛。信息领域的核心技术是电脑和互联网。 量子力学的能带理论是晶体管运行的物理基础，晶体管是各种各样芯片的基本单元。光的量子辐射理论是激光诞生的基本原理，而正是该技术的发展才产生当下无处不在的互联网。然而

原子和分子是受量子力学控制的系统，用量子计算模拟化学反应，或许是最好的方法。 机器之心报道，编辑：张倩、杜伟。 去年 10 月，谷歌宣布实现 「量子优越性」 的论文登上了《自然》杂志封面，成为科技领域关注的焦点。时隔不到一年，谷歌量子计算又登上了《Science》封面。这一次，他们用量子计算机进行了一次化学模拟，这是迄今为止人类用量子计算机进行的最大规模化学模拟，揭示了通往量子化学系统逼真模拟的路径。 根据支配化学过程的量子力学定律对该过程进行精确的计算预测是一种进行化学领域前沿探索的工具。但遗憾的是，由于量子变量的数量和统计数据的指数式增长，除了最小的系统之外，所有量子化学方程的精确解仍然无法用现代经典计算机得到。 然而，通过使用量子计算机，利用其独特的量子力学特性来处理经典计算机难以处理的计算，可以实现对复杂化学过程的模拟。虽然如今的量子计算机已经足够强大，在某些任务中显露出明显的计算优势，但这样的设备能否用于加速目前的量子化学模拟技术仍是一个悬而未决的问题。 在最新一期的《Science》期刊中，Google AI 量子团队探索了这个复杂的问题，相关研究登上了 Science 封面。 论文链接： https:// science.sciencemag.org/ content/369/6507/1084 arXiv 链接： https:// arxiv.org/pdf

　　Google 继去年 宣布实现量子优越性 后，终于迎来了又一重大进展—— 首次实现使用量子计算机对化学反应进行模拟。 　　8 月 27 日，Google 量子研究团队宣布其在量子计算机上模拟了迄今最大规模的化学反应。相关成果登上了《科学》杂志的封面，题为《超导量子比特量子计算机的 Hartree-Fock 近似模拟》（Hartree-Fock on a Superconducting Qubit Quantum Computer）。 　　 　　为了完成这项最新成果，研究人员使用 Sycamore 处理器，模拟了一个由两个氮原子和两个氢原子组成的二氮烯分子的异构化反应。最终，量子模拟与研究人员在经典计算机上进行的模拟一致，验证了他们的工作。 　　值得一提的是，这项新研究所用的 Sycamore 处理器曾在 2019 年轰动世界，并在去年 10 月，助力 Google 量子团队的研究登上《自然》杂志 150 周年版的封面。 　　在关于 Sycamore 的论文中，它在 200 秒之内所完成目标计算量需要当时世界最快的超级计算机上持续计算 1 万年。由此，Google 宣布实现量子优越性，即证明量子计算在某些问题上的处理能力超过经典计算机。论文的 76 名作者表示， 距离量子计算机有价值的短期应用只有一步之遥 。 　　该论文发表后，Google CEO 皮查伊在接受《麻省理工科技评论

软件正在统治世界。而软件的核心则是算法。算法千千万万，又有哪些算法属于“皇冠上的珍珠”呢？Marcos Otero 给出了他的 看法 。 什么是算法？ 通俗而言，算法是一个定义明确的计算过程，可以一些值或一组值作为输入并产生一些值或一组值作为输出。因此算法就是将输入转为输出的一系列计算步骤。 —Thomas H. Cormen，Chales E. Leiserson，算法入门第三版 简而言之，算法就是可完成特定任务的一系列步骤，它应该具备三大特征： 1、有限 2、指令明确 3、有效 以下是 Marcos Otero 推荐的十大算法： 1、归并排序、快速排序及堆积排序 最好的排序算法跟需求密切相关，很难评判。但是从使用上说，这三种的使用频率更高。 归并排序 由冯•诺依曼于 1945 年发明。这是一种基于比较的排序算法，采用分而治之的办法解决问题，其阶是 O(n^2)。 快速排序 可采用原地分割方法，也可采用分而治之算法。这不是一种稳定的排序算法，但对于基于 RAM（内存）的数组排序来说非常有效。 堆排序 采用优先级队列来减少数据中的搜索时间。该算法也是原地算法，并非稳定排序。 这些排序算法相对于以前的冒泡排序算法等有了巨大改进，实际上我们今天的数据挖掘、人工智能、链接分析及包括 web 在内的大多数计算工具都要感谢它们。 2、傅里叶变换与快速傅里叶变换 我们的整个数字世界都使用这两个

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 量子——我相信正在阅读本文的你一定在相当长的一段时间里听说过这个词及其派生词：量子密码学，量子互联网，量子电动力学等等，尤其是自Google宣布推出Quantum Supremacy打造其54量子位处理器Sycamore，以及Google，IBM，D-Wave，Rigetti等几大巨头之间的量子战争开始以来更甚。 说到量子计算技术，虽然已经发展了数十年，但其主要是在2016年IBM通过IBM云将其5量子位的量子计算机开源之后，才引起年轻研究人员及新兴初创公司的注意。 起源概览 一个多世纪以来，量子物理学无数次地困扰着人类。好奇心驱使着人类探索和理解自然现象的冲动。随着理论物理学家进行思想实验并将该学科的研究进程从经典转变为现代后，用实验证明理论正确性的需求突显出来。 物理学家开始感到有必要进行极其复杂的计，设计大型实验设备（如大型强子对撞机（LHC））以实现非凡的精度，并在有限的时间内可持续地模拟“零误差”精度的自然和物理范例。多样的情况对更强大的计算能力提出了极高的要求。 此外，无法解释的自然之谜促使20世纪的一些精英科学家，如保罗·贝尼奥夫，理查德·费曼和尤里·马宁不断思考，并逐渐理解了基于量子力学的计算机所具有的强大影响力，由此物理学家和工程师齐心协力开始创建量子计算机。

　　 　　作者 | 青暮、陈彩娴 　　编辑 | 陈彩娴 　　今天，刘云浩教授万字回复学生2000个问题的帖子引起了极大关注。 　　 　　2020年8月的第一周，清华大学暑期学校在荷塘·雨课堂上“云开学”。刘云浩教授如期而至，为同学们作了题为《What is the role of AI Tomorrow?——人工智能打开了潘多拉的盒子吗？》的专业认知讲座。 　　刘教授就学生所提问的关于AI的技术发展现状与应用、AI与人类社会之间的博弈、AI哲学与人文伦理、AI的未来等问题进行了梳理与耐心回答。除了基础的AI技术知识，我们发现刘老师就人工智能与人类社会的相互影响方面作出了大篇幅回答，其话语可谓文理贯通，循循善诱。 　　谈及刘云浩教授的传奇人生，那些显赫的头衔与耀眼的荣誉或许离大部分人来说都太遥远：密歇根州立大学与清华大学教授、ACM主席奖首位华人获得者、“青千”、“杰青”、长江学者、ACM Fellow、IEEE Fellow...除去卓越的科研成就，刘云浩之所以为人称道，还在于他的跨学科教育经历、“接地气”的行事风格与亲切有趣的师风师貌。 　　 　　除了讲座期间刘老师当场回复的问题之外，还收到了包括弹幕在内的2000多个提问。 刘云浩教授经过选择、合并、归纳成了92个问题，写了近3万字回复。 　　类似的事情刘云浩教授之前也做过。连续几年参加完暑期学校的讲座之后，同学们提出的问题

冬导布置的总结……给水blog找到正当理由。 学习 21.5（+4）学分 数学分析BI 5 B 很有意思的一门课，构建完整严密的微积分体系。zw老师非常负责，坚持板书教学，注重思想而不是刷题，授课风格平易幽默。助教熊博士讲习题也条理清晰，每节习题课都有收获。日常作业量很少，但能体会到逻辑的美妙；后半学期自己独立解决的比例明显下降，第五章的理论直到期末才弄清楚。期中很容易而且有原题，在犯了几个低错之后名次仍然比较好。期末复习了一周多，反复在看概念和例题，实战能力不太行，期末做得不满意。下学期还是zww的数分，努力提高吧。 大学物理B（上） 4 A- 高中物理升级版，是我做题最多但是体系感最差的科目。因为一轮掉课选了zh老师，但其实老师讲得很清晰，手伤之后还坚持写板书；上课偶尔会点人回答问题，在普遍犯困的大物课很有效果。可惜助教老师大概没锻炼过教学技巧，对着黑板自言自语，习题课完全自习状态。开始因为数分没讲到积分，运动和力学计算很吃力。后来电学，概念比较乱，反复看了三四遍课本才捋清思路。平常小测没怎么复习过，只有期中考得还看得过去。期末原题很多，难度不大。 线性代数 3 B+ 一门矩阵相关的工具课，学习各种性质和计算方法。比数分的逻辑简单很多，khb老师的授课也非常稳扎稳打，基本上每节课都要花1/3时间复习；习题课只有三四次，不过每次启发都很大。期中毫无难度，普遍90+

　　 2019 年见证了许多历史性时刻，但这些历史性时刻仍需经受考验 。 例如谷歌宣布实现量子优越性（Quantum Supremacy）。 　　当时，谷歌在其刊登于 Nature 的论文中表示，已经开发出了一款名为 Sycamore 的 54 量子比特数的量子芯片，可以在短短的 200 秒内解决一个特定问题，而地球上顶尖的超级计算机将花费 1 万年才能完成相同的任务。 　　按照 2012 年加州理工学院量子理论物理学大牛 John Preskill 提出的 “量子优越性” 的定义，量子计算设备可以超越经典计算设备，解决后者无法解决的计算任务。这个概念曾在 2018 年 10 月被证明理论上行得通。谷歌的实验结果则显示，量子计算机在解决随机采样任务上超越了经典计算机，量子优越性由此达成。 　　 不过，阿里量子计算团队近日在 Arxiv 上刊登的文章 “Classical Simulation of Quantum Supremacy Circuits” 却显示， 谷歌用以证明量子优越性的计算任务，经典计算机所需的计算时间其实用不到 1 万年。 　　 图丨此次论文（来源：Arxiv） 　　 在这项新发布的文章中，阿里团队的思路也与 IBM 此前对于谷歌量子优越性宣称的诸多质疑类似。 　　在量子计算领域，IBM 是可以与谷歌分庭抗礼的另一股力量。 　　IBM

　　 迪士尼新研究实现百万像素图像和视频换脸，说不定未来大荧幕电影也会使用换脸技术了。 　　 　　deepfakes 技术可以用于图像和视频换脸，但它能否用于大制作电影和电视节目中呢？迪士尼最新放出的一则视频 demo 展示了这种可能性。 　　近日迪士尼在欧洲图形学会透视研讨会（EGSR）上发表研究，展示了首个 百万像素 逼真换脸技术。 　　 　　效果是不是还不错。这样的效果虽然并不足以用于漫威电影，但它是换脸技术迈出的新一步。 　　来自迪士尼的研究者表示，这项技术的创新点在于能够达到百万像素质量。百万像素或许不再是高质量图像的代名词，毕竟手机自带摄像头就能达到千万像素。但是截至目前，换脸技术一直注重平滑的面部转换，不注重提高像素。 　　你可能在手机上看到过效果好到爆炸的换脸视频，但是如果把它们放在更大的屏幕上呈现，就会出现很多瑕疵。研究者表示，他们用开源 deepfake 模型 DeepFakeLab 创建的视频分辨率最高也只有 256*256 像素。相比之下，迪士尼新模型能够让视频的分辨率提升到 1024*1024 像素。 　　那么，百万像素换脸是如何实现的呢？ 　　 首个百万像素换脸方法 　　究发表在欧洲图形学会透视研讨会（EGSR）上，提出了一种在图像和视频中实现全自动换脸的算法。据研究者称， 这是首个渲染百万像素逼真结果的方法，且输出结果具备时序一致性 。 　　具体来说