日前，由北京理工大學管理學院主辦、中國運籌學會數據科學與運籌智能分會科研與學術交流中心管理工程系承辦的明理講堂線上直播活動成功舉辦。玻色量子副總裁巨江偉發表了以“實用化量子計算”為主題的精彩報告。

量子計算作為現代科技的最前沿領域，代表著人類下一代算力技術，正飛速發展并展現出巨大的應用潛力。它利用量子比特來處理信息，相較于經典計算機，在解決某些特定問題上具有絕對的速度與準確度優勢。

相干光量子計算機是一種利用光子作為計算單元的量子技術，它通過操縱光子的相位來實現算力加速。相干光量子計算機在計算規模、穩定性、可編程性等方面具有獨特優勢，這使得它能夠在某些特定場景下能夠率先被使用。本次學術報告分享了基于光量子計算機實現的多種應用案例，展示量子技術如何為傳統產業帶來創新和變革。

巨江偉介紹到，2024年4月18日，玻色量子重磅發布了550計算量子比特的相干光量子計算機真機，及開物SDK等核心產品，并展示了量子計算與人工智能的創新結合成果，是實用化量子計算的起點。這不僅代表了新質生產力中的量子計算與經典計算的深度融合，還彰顯了玻色量子具有的創新實力和行業領先地位，也標志著我國實用化量子科技事業邁入了新的發展階段。

550計算量子比特的相干光量子計算機，基于自研的“空間光路+光纖光路”的異構光路體系架構，采用相干光脈沖相位編碼來制備量子比特。在導入計算問題的參數矩陣的基礎上，實現了算力提升70% GMACs、采樣精度提高2.7倍、SoC架構、響應速度提升200%、自動校準偏壓、自動電信號對準、自動調光和自動控制等性能于一體，可以同時控制、讀取和執行快速反饋來微秒級操控550個計算量子比特。

在算力優勢上，相干光量子計算機可以解決最高超過550個變量的數學問題，耦合鏈接規模達到150975個，是100量子比特的相干光量子計算機的28倍。隨著問題規模的增加，實際計算復雜度也呈現指數級增加，其在國內首次實現550節點全連接可編程的Max-Cut問題計算求解，能在數個毫秒級時間內在龐大的解空間中進行并行搜索，求出優化解，實現了比經典計算在實際應用問題上的數萬倍加速！達到最優解99%的求解概率為99%！

在行業探索與應用方面，巨江偉提到，玻色量子通過為期一年的量子計算實用化的商業實踐，發現了量子計算在組合優化和人工智能兩大場景上發揮了巨大的計算優勢。同時，玻色量子已聯合生態合作伙伴在算力調度、分子對接、虛擬電廠、量子圖聚類、量子深度學習訓練等 行業場景實現了一系列重要成果突破。

以AI場景為例，清華大學車輛與運載學院李升波教授課題組提出了多層神經網絡的伊辛訓練算法，這是國際上首個使用相干伊辛機（CIM）的深度學習訓練算法，代表了神經網絡量子訓練領域的重要突破。這一算法已在玻色量子的相干光量子計算機上完成了真機驗證 ，實驗表明它能在毫秒之內解決大規模二進制優化問題，為AI時代的模型訓練提供了另一種可能路徑。這也是在量子AI時代突破實用化量子計算發展的關鍵突破之一。基于玻色量子在光量子計算領域卓越的算力優勢，玻色量子將聯合清華大學繼續在“量子計算+AI”領域達成聯合研發、成果轉化、人才培養等方面深入的合作交流，落實“產學研用”的交叉融合與應用探索，爭取獲得更大的開創性突破。

以算力調度真實應用場景為例，圖像渲染的算力調度任務是云計算中的一個實際場景，客戶端提交一個特定的渲染需求，云計算服務提供商必須找到調度計算資源的最佳方案，即在滿足約束的同時，用盡可能少的服務器數量完成渲染。移動云通過玻色量子的相干光量子計算機真機對算力需求的組合優化問題進行求解，算力調度的復雜性和高成本問題都可以得到很好的解決，并能實現顯著的量子加速，和經典的模擬退火算法以及禁忌搜索算法相比，平均節省97%的求解時間。玻色量子聯合移動云在我國知名物理1區Top期刊SCPMA英文版上發表了學術論文。

以分子對接真實應用場景為例， 分子對接是基于配體受體識別的鎖鑰模型，通過計算配體受體之間的空間互補以及能量匹配來尋找其復合物模式。是藥物發現的重要技術手段，其巨大的搜索空間和計算要求充滿了挑戰，而相干光量子計算機的求解速度比傳統計算機快1000倍，因此，該研究提出的算法模型可顯著提升未來藥物虛擬篩選效率和準確率。玻色量子聯合上海交通大學的研究成果已發表在中科院分區1區、計算化學領域Top刊物JCTC內刊封面。

以虛擬電廠真實應用場景為例， 虛擬電廠調度是將分布式電源（發電）、可控負荷（用電）、儲能等資源聚合成一個虛擬的集中式電廠，基于發電量、用電量、電價等數據信息制定更加經濟、合理的電力分配方案，從而實現削峰填谷的電網穩定優化。清大科越基于相干光量子計算機真機成功實現對虛擬電廠聚合資源優化求解問題的計算驗證，在毫秒級時間內找到了全局最優解，相比于經典優化算法的計算速度提升100倍以上。玻色量子聯合清大科越、上海交通大學在國家一級學報——《中國電機工程學報》上首發以《基于光量子計算機的虛擬電廠分布式資源解聚合優化方法》為題的學術論文研究成果。

以量子圖聚類算法真實應用場景為例， 通過將經典的AI聚類算法進行模型重構，研發出能夠運行在量子計算機上的量子圖聚類算法。測試發現，混合量子社區發現算法，相較于經典的混合Louvain及混合Leiden有更好的數據區分能力，并且通過量子獨有的多模態融合技術，可以進一步提升算法的準確性。

以金融為例，平安銀行已將玻色量子計算真機服務應用于真實業務優化，充分利用玻色量子計算機的性能優勢，結合業務實際需求，將特征篩選轉化為組合優化問題，采用量子計算求解更好的特征組合從而提升機器學習算法性能。2024年，采用真實數據集研究與主流特征篩選比較，算法采用量子真機優化求解，驗證可知，量子計算機真機能找到優于模擬器的組合。

最后，巨江偉表示玻色量子持續深耕光量子計算領域的實用化場景應用研究與探索，加強“產學研用”生態合作，聯合眾多優秀合作伙伴構建實用化量子生態產業，讓各行業隨時隨地都能用上量子計算的強大算力。

日前，以“量子計算與計算機學科的交融共進”為主題的第三屆（2024年）中國計算機學會量子計算大會（CQCC2024）在長沙·北辰國際會議中心舉辦。由玻色量子承辦的“量子計算應用論壇”在會議中心二樓國賓1廳舉辦。

圍繞量子計算系統構建的多個方面，大會邀請了來自量子理論、軟件和多種硬件實現技術等方向的代表性學者作特邀報告，包括量子計算機實現的判定依據（DiVincenzo判據）提出者、美國國家科學院院士David DiVincenzo等國內外權威學者。近五十名學術大咖在十余個學術論壇分享領域創新成果，共同探討量子計算領域的最新進展和未來發展趨勢。大會同時設置圓桌論壇(Panel)、海報展示、企業展覽、晚宴頒獎等活動，助力量子計算相關領域的學術交流、協同創新和產學研合作，推動我國量子計算和計算機學科的共同發展。