2025年9月23日至25日，2025年世界量子峰會(huì)（WQS）在新加坡喜來登酒店成功舉辦。2025年世界量子峰會(huì)由全球數(shù)字可訪問服務(wù)廠商TPGI主辦，是全球首個(gè)專注于實(shí)用化量子技術(shù)的行業(yè)盛會(huì)，旨在匯聚全球頂尖科學(xué)家、初創(chuàng)企業(yè)、大型公司、政府及投資者等，共同推動(dòng)量子技術(shù)在現(xiàn)實(shí)世界的應(yīng)用，并促成具有重大影響力的合作。
AI發(fā)展迅速，量子計(jì)算正成為解決超越經(jīng)典計(jì)算極限的復(fù)雜挑戰(zhàn)的關(guān)鍵。2025年世界量子峰會(huì)主要探討“量子計(jì)算+AI”融合技術(shù)正在如何改變網(wǎng)絡(luò)安全、金融、制藥、物流和能源等行業(yè)的發(fā)展格局。峰會(huì)以專家小組討論、網(wǎng)絡(luò)會(huì)議以及現(xiàn)場(chǎng)演示等多種形式，分享來自全球頂尖量子專家的戰(zhàn)略見解和實(shí)操知識(shí)，探討量子計(jì)算從實(shí)驗(yàn)室技術(shù)突破到產(chǎn)業(yè)應(yīng)用的路徑與策略。
北京玻色量子科技有限公司（以下簡(jiǎn)稱“玻色量子”）作為中國(guó)量子計(jì)算領(lǐng)軍企業(yè)，也是唯一一家受邀的中國(guó)量子企業(yè)，攜1000量子比特相干光量子計(jì)算機(jī)模型參展，成為展會(huì)現(xiàn)場(chǎng)備受關(guān)注的焦點(diǎn)之一。并與ST Engineering、TM Research & Development等領(lǐng)軍企業(yè)共同展示量子技術(shù)在優(yōu)化計(jì)算、安全計(jì)算和人工智能加速等領(lǐng)域的增強(qiáng)型解決方案，充分展出中國(guó)量子科技的硬實(shí)力。
峰會(huì)的一大亮點(diǎn)是匯聚了來自全球的巨頭企業(yè)及頂尖名校、知名科研院所的19位頂尖演講嘉賓。玻色量子算法總監(jiān)高奇作為玻色量子企業(yè)代表與來自南洋理工大學(xué)、D-Wave、戴爾、微軟、英偉達(dá)、是德科技、RAQS Quantum、IWC、NGC Ventures、Insignia Ventures、ST Engineering、德勤、Oxford Quantum Circuits、富士通、SAP、谷歌、AWS的頂尖專家同臺(tái)演講。
高奇現(xiàn)場(chǎng)發(fā)表了以《See the Unseen, Quantum Computing Unlocks a New Paradigm for AI》為主題的精彩演講，并作為唯一的演示企業(yè)代表現(xiàn)場(chǎng)進(jìn)行量子實(shí)時(shí)計(jì)算演示。演講詳細(xì)深入的講解了玻色量子基于自研的相干光量子計(jì)算機(jī)真機(jī)，在量子賦能AI底層方法、量子AI賦能生命科學(xué)和藥物發(fā)現(xiàn)等研究領(lǐng)域的最新研究成果突破。演示環(huán)節(jié)分為《Quantum Optimization in Action: Logistics, Delivery, and AI Planning》以及《Quantum Simulation in Life Sciences: Drug Discovery and Molecular》兩個(gè)部分，還原玻色量子已經(jīng)探索的金融和生物制藥真實(shí)應(yīng)用場(chǎng)景，進(jìn)行了現(xiàn)場(chǎng)求解計(jì)算和結(jié)果分享，展示了高度成熟可用的實(shí)用化量子計(jì)算工具鏈。演講和真機(jī)演示引起現(xiàn)場(chǎng)嘉賓與業(yè)內(nèi)外專家、學(xué)者的高度關(guān)注與熱烈反響！
2025年世界量子峰會(huì)（WQS）
1000量子比特相干光量子計(jì)算機(jī)模型
玻色量子算法總監(jiān)高奇演講現(xiàn)場(chǎng)
高奇現(xiàn)場(chǎng)介紹，從客戶應(yīng)用角度，量子計(jì)算機(jī)可分為基于邏輯門的通用量子計(jì)算機(jī)和非門型的專用量子計(jì)算機(jī)。其中，基于邏輯門型量子計(jì)算機(jī)是通往大規(guī)模可容錯(cuò)通用量子計(jì)算的發(fā)展方向，但是在量子位的穩(wěn)定性、錯(cuò)誤率、可擴(kuò)展性、量子比特規(guī)模以及量子算法和軟件的成熟度等方面仍存在一系列瓶頸，實(shí)現(xiàn)大規(guī)?？扇蒎e(cuò)通用量子計(jì)算仍需10-20年以上的時(shí)間。而利用量子特性專用于求解特定問題的非門型專用量子計(jì)算機(jī)優(yōu)勢(shì)突顯。
玻色量子是一家專注于光量子計(jì)算的硬科技公司，也是中國(guó)量子計(jì)算領(lǐng)軍企業(yè)。玻色量子自研的相干光量子計(jì)算機(jī)是一種專用的求解伊辛模型的量子計(jì)算機(jī)，由光量子態(tài)制備、光量子存儲(chǔ)器和測(cè)控一體機(jī)三個(gè)核心模塊組成?；贗sing模型原理，利用光纖中的激光脈沖進(jìn)行量子比特的制備，利用量子系統(tǒng)往基態(tài)能量進(jìn)行衍化的過程來尋找最低哈密頓量（計(jì)算問題的最優(yōu)解），具有極高的并行計(jì)算能力和快速求解能力。
在量子算力優(yōu)勢(shì)上，相干光量子計(jì)算機(jī)作為專用量子計(jì)算架構(gòu)，能夠并行遍歷勢(shì)能面并快速收斂到全局最優(yōu)解，避免了經(jīng)典算法在NP-Hard問題中因遍歷指數(shù)級(jí)解空間而產(chǎn)生的計(jì)算瓶頸。實(shí)驗(yàn)表明，在處理大規(guī)模組合優(yōu)化問題時(shí)，相干光量子計(jì)算機(jī)在求解速度與能耗效率上相比傳統(tǒng)馮·諾依曼架構(gòu)可呈現(xiàn)數(shù)量級(jí)優(yōu)勢(shì)，為突破經(jīng)典計(jì)算極限提供了新范式。因此，相干光量子計(jì)算機(jī)具備以下四大優(yōu)勢(shì)：量子比特規(guī)模大、室溫下即可運(yùn)行、比特全連接、能耗低，可滿足大數(shù)據(jù)和人工智能、金融等算力消耗極大的領(lǐng)域的實(shí)用化市場(chǎng)需求。
玻色量子自研的1000量子比特相干光量子計(jì)算機(jī)，是目前中國(guó)首個(gè)突破千比特規(guī)模、唯一可長(zhǎng)時(shí)間穩(wěn)定運(yùn)行的專用光量子計(jì)算機(jī)，具有單次計(jì)算解空間高達(dá)2^1000、全連接且多場(chǎng)景適配、毫秒級(jí)高質(zhì)量求解能力、較經(jīng)典計(jì)算提高數(shù)萬(wàn)倍加速等優(yōu)勢(shì)，技術(shù)處于世界領(lǐng)先水平。在人工智能、通信、金融、醫(yī)藥、能源等行業(yè)實(shí)現(xiàn)了一系列成果突破，具有巨大的實(shí)用前景。
近期，玻色量子重磅發(fā)布——自研的可支持1000計(jì)算量子比特云服務(wù)，標(biāo)志著專用量子計(jì)算正式邁向千比特規(guī)?；瘜?shí)用新階段。高奇強(qiáng)調(diào)，玻色量子的1000計(jì)算量子比特云服務(wù)還可提供CPQC-X服務(wù)，支持深度戰(zhàn)略合作用戶提交大于1000量子比特的計(jì)算任務(wù)，支持更大量子比特規(guī)模的實(shí)際問題的探索與應(yīng)用。該服務(wù)為用戶提供了更加靈活的量子云算力支持，開啟了定制化量子計(jì)算服務(wù)的新模式。
高奇演講現(xiàn)場(chǎng)
2024年諾貝爾物理學(xué)獎(jiǎng)獲得者杰弗里·辛頓（Geoffrey Hinton）曾提出了一種重要的能量神經(jīng)網(wǎng)絡(luò)——玻爾茲曼機(jī)（Boltzmann Machine,BM），玻爾茲曼機(jī)是一種基于統(tǒng)計(jì)物理的能量模型：將數(shù)據(jù)變量映射為自旋粒子，驅(qū)動(dòng)系統(tǒng)向最小能量態(tài)演化。因此，玻爾茲曼機(jī)具備強(qiáng)大的抗噪聲能力、生成式的表征學(xué)習(xí)能力，能夠?qū)W習(xí)數(shù)據(jù)概率復(fù)雜分布并生成新樣本（如圖像重構(gòu)、文本生成），是深度學(xué)習(xí)流派的基石之一。
玻爾茲曼機(jī)/受限玻爾茲曼機(jī)（BM/RBM）作為深度神經(jīng)網(wǎng)絡(luò)的鼻祖，在刻畫數(shù)據(jù)特性、聯(lián)想記憶查詢等方面具有不可替代的理論優(yōu)勢(shì)。然而，全連接無(wú)向圖的計(jì)算訓(xùn)練過程，傳統(tǒng)CPU和GPU 計(jì)算架構(gòu)無(wú)法展開，嚴(yán)重限制了這項(xiàng)技術(shù)發(fā)展。
高奇介紹到，相干光量子計(jì)算機(jī)底層物理計(jì)算邏輯完美匹配玻爾茲曼機(jī)的全連接屬性，易用性更高，還能實(shí)現(xiàn)快速精準(zhǔn)的玻爾茲曼采樣，可以在毫秒級(jí)時(shí)間內(nèi)單次返回?cái)?shù)千個(gè)量子采樣結(jié)果。實(shí)驗(yàn)驗(yàn)證表明，相干光量子計(jì)算機(jī)增強(qiáng)的玻爾茲曼機(jī)（QBM）在訓(xùn)練速度上可實(shí)現(xiàn)指數(shù)級(jí)加速（理論上，n個(gè)量子比特可同時(shí)處理2^n種狀態(tài)）。
基于量子玻爾茲曼機(jī)，玻色量子開源了國(guó)內(nèi)首個(gè)PyTorch量子神經(jīng)網(wǎng)絡(luò)開發(fā)套件Kaiwu-PyTorch-Plugin（KPP），KPP是一個(gè)基于PyTorch和Kaiwu SDK的量子計(jì)算編程套件，可基于玻色量子“相干光量子計(jì)算機(jī)”來訓(xùn)練和評(píng)估受限玻爾茲曼機(jī)和玻爾茲曼機(jī)，該插件提供了簡(jiǎn)單易用的接口，使研究人員和開發(fā)者能夠快速實(shí)現(xiàn)包含能量演化特性的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練與驗(yàn)證，并應(yīng)用于各種下游機(jī)器學(xué)習(xí)任務(wù)。
量子計(jì)算在金融反欺詐識(shí)別中的應(yīng)用
在反欺詐識(shí)別場(chǎng)景中，金融領(lǐng)域面臨諸多挑戰(zhàn)。隨著數(shù)字化金融的發(fā)展，欺詐手段愈發(fā)復(fù)雜隱蔽，交易模式隱藏在海量交易背后，使得交易追蹤和分析難度極大。
高奇介紹，以銀行反欺詐場(chǎng)景為例，通過構(gòu)建量子社區(qū)發(fā)現(xiàn)算法對(duì)交易網(wǎng)絡(luò)進(jìn)行有效識(shí)別，為進(jìn)一步判斷社區(qū)中的賬戶是否存在欺詐風(fēng)險(xiǎn)提供了技術(shù)支撐。模塊度可用來衡量社區(qū)劃分的好壞，模塊度可以簡(jiǎn)單地理解為“社區(qū)內(nèi)的連接比隨機(jī)連接更加有組織的程度”。如果劃分的社區(qū)內(nèi)部有較多的邊，社區(qū)之間有較少的邊，則這個(gè)度量數(shù)值較高?？梢詫⑸鐓^(qū)發(fā)現(xiàn)問題轉(zhuǎn)換為最大化網(wǎng)絡(luò)模塊度問題。
因此，對(duì)銀行反欺詐場(chǎng)景相關(guān)的社區(qū)發(fā)現(xiàn)問題進(jìn)行建模，將其轉(zhuǎn)化為二次無(wú)約束二值優(yōu)化（QUBO）問題，可以使用相干光量子計(jì)算機(jī)進(jìn)行高效求解。通過進(jìn)一步測(cè)試驗(yàn)證，結(jié)果表明：在包含1,200個(gè)交易賬戶的數(shù)據(jù)集上，當(dāng)相似度閾值為40%時(shí)，量子社區(qū)檢測(cè)算法的KS指標(biāo)達(dá)到0.56，優(yōu)于傳統(tǒng)Louvain算法，展現(xiàn)出更穩(wěn)定的業(yè)務(wù)表現(xiàn)。
高奇總結(jié)到，量子計(jì)算的變革性優(yōu)勢(shì)在于首先在于并行的社區(qū)搜索：量子疊加態(tài)可同步探索所有可能的社區(qū)劃分方案；其次是全局優(yōu)化能力：量子算法能規(guī)避經(jīng)典社區(qū)檢測(cè)易陷入的局部最優(yōu)陷阱；最后的結(jié)果是指數(shù)級(jí)加速：通過QUBO建模可求解大規(guī)模網(wǎng)絡(luò)問題。
量子計(jì)算在生物制藥中的應(yīng)用
場(chǎng)景一：分子對(duì)接是一種基于配體-受體"鎖鑰模型"識(shí)別機(jī)制的計(jì)算技術(shù)，通過評(píng)估空間互補(bǔ)性與能量匹配度，確定配體-受體復(fù)合物的結(jié)合構(gòu)象。作為藥物發(fā)現(xiàn)的核心技術(shù)，分子對(duì)接面臨搜索空間巨大、計(jì)算需求高的挑戰(zhàn)，這對(duì)傳統(tǒng)計(jì)算系統(tǒng)構(gòu)成重大瓶頸。
玻色量子將配體原子與靶受體網(wǎng)格點(diǎn)的匹配關(guān)系編碼為兼容相干光量子計(jì)算的模型。通過對(duì)所有可能的匹配組合進(jìn)行并行搜索，系統(tǒng)可識(shí)別自由能最低的構(gòu)型，從而確定分子與靶標(biāo)的空間結(jié)合姿態(tài)。在標(biāo)準(zhǔn)CASF2016數(shù)據(jù)集上的測(cè)試表明：基于相干光量子計(jì)算的方法達(dá)到了與商業(yè)工具Glide SP相當(dāng)?shù)牟蓸幽芰?，同時(shí)將采樣時(shí)間縮短至少兩個(gè)數(shù)量級(jí)。
場(chǎng)景二：基因組組裝是將測(cè)序產(chǎn)生的短DNA片段進(jìn)行拼接、以重構(gòu)完整基因組的過程。測(cè)序錯(cuò)誤、基因組中大量存在的重復(fù)序列、雜合性及多倍體現(xiàn)象等因素，給組裝工作帶來了巨大挑戰(zhàn)。
高奇介紹到，玻色量子將測(cè)序片段定位問題轉(zhuǎn)化為有向圖旅行商問題，通過構(gòu)建QUBO模型求解有向圖中的最短路徑，從而確定不同測(cè)序片段的位置關(guān)系，最終完成全基因組組裝。
測(cè)試結(jié)果與模擬退火、禁忌搜索等傳統(tǒng)算法相比，基于相干光量子計(jì)算的方法展現(xiàn)出顯著的時(shí)間優(yōu)勢(shì)。更重要的是，隨著問題規(guī)模增大，該量子解決方案的性能幾乎不會(huì)下降。
場(chǎng)景三：AlphaFold等AI模型高度依賴大量結(jié)構(gòu)數(shù)據(jù)進(jìn)行訓(xùn)練。然而在生物制藥領(lǐng)域，生物數(shù)據(jù)通常包含大量噪聲且質(zhì)量參差不齊，導(dǎo)致對(duì)某些類別蛋白質(zhì)（尤其是膜蛋白）的預(yù)測(cè)精度較低。
而天然蛋白質(zhì)中的氨基酸分布遵循玻爾茲曼分布。通過結(jié)合物種進(jìn)化信息和光量子計(jì)算機(jī)的玻爾茲曼采樣能力，量子增強(qiáng)的玻爾茲曼機(jī)能夠快速學(xué)習(xí)蛋白質(zhì)序列的長(zhǎng)期進(jìn)化規(guī)律，從而準(zhǔn)確捕獲氨基酸相互作用關(guān)系。
玻色量子研究發(fā)現(xiàn)，聚類分析是單細(xì)胞組學(xué)研究的關(guān)鍵問題，通過量子玻爾茲曼機(jī)增強(qiáng)的變分自動(dòng)編碼器（QBM-VAE）能夠捕獲隱藏在龐大單細(xì)胞組學(xué)數(shù)據(jù)背后的隱藏特征，進(jìn)行更精細(xì)的聚類，并刻畫展示出前所未有的細(xì)胞發(fā)展軌跡。
玻色量子倡導(dǎo)的實(shí)用量子計(jì)算的發(fā)展，加速傳統(tǒng)組合難題計(jì)算的同時(shí)，開辟了新的方法學(xué)范式，并在生物信息分析領(lǐng)域率先看見過去看不見的新發(fā)現(xiàn)，走出了See the Unseen的第一步。
玻色量子此次攜1000量子比特相干光量子計(jì)算機(jī)驚艷亮相世界量子峰會(huì)，與全球量子領(lǐng)域的頂尖專家、學(xué)者同臺(tái)論道，分享中國(guó)實(shí)用化專用量子計(jì)算的最新成果突破，再度彰顯了玻色量子引領(lǐng)實(shí)用化量子計(jì)算的技術(shù)實(shí)力。此次峰會(huì)見證了全球?qū)嵱没孔佑?jì)算技術(shù)的砥礪前行，以及實(shí)用化量子產(chǎn)業(yè)生態(tài)的欣欣向榮，玻色量子愿為實(shí)用化量子出海先行者，期待與全球伙伴聚力前行，共振共贏，為中國(guó)乃至世界量子計(jì)算的發(fā)展，走出一條堅(jiān)實(shí)的實(shí)用化道路！
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
