日前，2024年鈮酸鋰產業創新生態大會Lithium Niobate Industry Innovation & Ecology Conference（LIIEC-2024）在蘇州納米城成功舉辦。會議聚焦鈮酸鋰產業及學術主題，來自世界各地產業和學術界的領先專家共聚一堂，分享鈮酸鋰領域最新的成果與挑戰，探討未來的發展方向。玻色量子CTO魏海博士應邀出席，并發表了以“實用化量子計算的發展”為主題的精彩演講。

量子計算是2024年鈮酸鋰產業創新生態大會的核心議題。鈮酸鋰是一種在量子計算領域具有潛在應用的晶體材料，鈮酸鋰晶體具有強烈的非線性光學效應，在光學頻率轉換、光學開關和光學邏輯門等應用中具有實用價值，可以實現光量子比特的操控和量子態的轉換。同時，鈮酸鋰也是一種適合于光子集成電路（PIC）的材料，能夠與光子器件集成，用于構建量子計算中的光量子線路。其在低損耗光學波導、量子存儲、量子糾纏等方面都具有廣泛的應用前景，是光量子計算中不可或缺的重要材料。

量子計算，實用先行

隨著摩爾定律的失效，量子計算有望成為后摩爾時代計算能力跨越式發展的重要方案。

量子計算以量子比特為基本單元，利用量子疊加、糾纏和干涉等物理特性進行高速并行的數學和邏輯運算及存儲。因此，量子計算機是一種底層原理與經典計算機完全不同的全新計算設備，能夠在特定計算困難問題上提供指數級加速，有望成為未來幾乎所有科技領域加速發展的“新引擎”。

2024年，量子技術作為未來產業、新質生產力發展的重要組成部分，北京未來產業布局中明確提出建設全球量子信息產業科技創新高地，培育量子產業生態。

魏海博士提到，以玻色量子自研的相干光量子計算為代表的專用型量子計算機——“天工量子大腦”已經率先實現實用化。光量子計算具有的強大的計算能力和精準的操作性能，使得相干光量子計算機在解決復雜問題、優化算法和AI神經網絡結構優化等方面展現出無與倫比的優勢。

2023年5月16日，玻色量子發布國內首臺100計算量子比特的相干光量子計算機真機——天工量子大腦100，這不僅標志著玻色量子邁出了實用化量子計算應用的關鍵一步，還代表著量子計算從理論量子優勢向實用量子優勢發展的重要里程碑。

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計算機真機——天工量子大腦550W及開物SDK等核心研究成果，充分展現出量子計算與AI的融合，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。

量子計算實用場景與案例分享

從技術挑戰上看，量子計算從來都不是來替代經典算力的，將量子算力與經典算力無縫融合，才是真正解決各行業算力難題的終極答案，也將實現更強算力的共振與提升。同時，現有經典計算的軟件開發套件并不適用于量子計算，有較高的遷移成本，打破這一技術壁壘是降低量子計算實用化門檻的重中之重。

再結合用戶需求，魏海博士認為，未來大行其道的計算模式是“無感計算”，即從業務本身出發，不需要關注底層的硬件是什么。基于天工量子大腦550W，結合開物SDK與量子云服務，量子計算可以在各行業領域實現基于真實應用場景、真實業務數據、量子真機驗證三位一體的應用探索或能破局。

同時，玻色量子作為國內實用化量子計算的代表性領先企業，還構建了一個“場景漏斗”。魏海博士認為，對于今天的量子計算生態，最關鍵的一步是找到合適的應用場景，這也是玻色量子不斷拓展生態的主要目標。通過開物SDK可以大大降低開發者門檻，無論是高校、企業、個人開發者或其他用戶，不需要去學習量子物理的原理，即可在純數學層面理解量子算力的使用方法和能力，開發適配他們所在領域的量子算法，并且在量子計算機真機上完成數據驗證。

通過為期一年的量子計算實用化的商業實踐，玻色量子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。目前，已有數十個不同的場景進入“場景漏斗”，玻色量子已聯合產出近10篇場景移植驗證成功的學術論文，每個案例均獲得2-3個數量級以上的加速。

2023年，為了更好的加速生態建設，玻色量子與北京圖象圖形學學會、移動云、南方科技大學成功舉辦首屆“五岳杯”量子計算挑戰賽。此次賽事共有近2000支隊伍，近5000人報名競賽！參賽者覆蓋近500所中國高校，超過900個專業，總計收集到量子計算應用論文2000余份。魏海博士強調，量子計算的加速能力可以賦能眾多領域，只有更多的行業開發者加入，才能讓量子計算發揮出真正的能力。通過開物SDK，即使只是大學本科生，通過一定的數學和代碼，也可以實現量子計算的使用。

同時，玻色量子已聯合生態合作伙伴在AI、算力調度、分子對接、虛擬電廠、量子圖聚類算法、量子深度學習訓練等“量子計算+”行業場景實現了一系列重要成果突破。

以“量子計算+AI”真實應用場景為例，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，這是國際上首個用于相干伊辛機（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自研的“天工量子大腦550W”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支柱之一。

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。

最后，魏海博士總結到：玻色量子一方面將繼續發揮相干光量子計算機真機優勢，聯合生態合作伙伴們不斷拓展更多行業的應用場景。另一方面也希望和光集成芯片的中上游生態伙伴，一起探索鈮酸鋰材料在光量子計算等行業中發揮更大的作用，讓光量子計算進一步走向實用化，賦能更多的行業。