量子计算作为现代科技的最前沿领域，代表着人类下一代算力技术，正飞速发展并展现出巨大的应用潜力。它利用量子比特来处理信息，相较于经典计算机，在解决某些特定问题上具有绝对的速度与准确度优势。

相干光量子计算机是一种利用光子作为计算单元的量子技术，它通过操纵光子的相位来实现算力加速。相干光量子计算机在计算规模、稳定性、可编程性等方面具有独特优势，这使得它能够在某些特定场景下能够率先被使用。本次学术报告分享了基于光量子计算机实现的多种应用案例，展示量子技术如何为传统产业带来创新和变革。

巨江伟介绍到，2024年4月18日，玻色量子重磅发布了550计算量子比特的相干光量子计算机真机，及开物SDK等核心产品，并展示了量子计算与人工智能的创新结合成果，是实用化量子计算的起点。🔗这不仅代表了新质生产力中的量子计算与经典计算的深度融合，还彰显了玻色量子具有的创新实力和行业领先地位，也标志着我国实用化量子科技事业迈入了新的发展阶段。

玻色量子副总裁巨江伟线上报告

550计算量子比特的相干光量子计算机，基于自研的“空间光路+光纤光路”的异构光路体系架构，采用相干光脉冲相位编码来制备量子比特。在导入计算问题的参数矩阵的基础上，实现了算力提升70% GMACs、采样精度提高2.7倍、SoC架构、响应速度提升200%、自动校准偏压、自动电信号对准、自动调光和自动控制等性能于一体，可以同时控制、读取和执行快速反馈来微秒级操控550个计算量子比特。

在算力优势上，相干光量子计算机可以解决最高超过550个变量的数学问题，耦合链接规模达到150975个，是100量子比特的相干光量子计算机的28倍。随着问题规模的增加，实际计算复杂度也呈现指数级增加，其在国内首次实现550节点全连接可编程的Max-Cut问题计算求解，能在数个毫秒级时间内在庞大的解空间中进行并行搜索，求出优化解，实现了比经典计算在实际应用问题上的数万倍加速！达到最优解99%的求解概率为99%！

在行业探索与应用方面，巨江伟提到，玻色量子通过为期一年的量子计算实用化的商业实践，发现了量子计算在组合优化和人工智能两大场景上发挥了巨大的计算优势。同时，玻色量子已联合生态合作伙伴在算力调度、分子对接、虚拟电厂、量子图聚类、量子深度学习训练等 行业场景实现了一系列重要成果突破。

以AI场景为例，清华大学车辆与运载学院李升波教授课题组提出了多层神经网络的伊辛训练算法，这是国际上首个使用相干伊辛机（CIM）的深度学习训练算法，代表了神经网络量子训练领域的重要突破。这一算法已在玻色量子的相干光量子计算机上完成了真机验证 ，实验表明它能在毫秒之内解决大规模二进制优化问题，为AI时代的模型训练提供了另一种可能路径。这也是在量子AI时代突破实用化量子计算发展的关键突破之一。基于玻色量子在光量子计算领域卓越的算力优势，玻色量子将联合清华大学继续在“量子计算+AI”领域达成联合研发、成果转化、人才培养等方面深入的合作交流，落实“产学研用”的交叉融合与应用探索，争取获得更大的开创性突破。🔗

以算力调度真实应用场景为例，图像渲染的算力调度任务是云计算中的一个实际场景，客户端提交一个特定的渲染需求，云计算服务提供商必须找到调度计算资源的最佳方案，即在满足约束的同时，用尽可能少的服务器数量完成渲染。移动云通过玻色量子的相干光量子计算机真机对算力需求的组合优化问题进行求解，算力调度的复杂性和高成本问题都可以得到很好的解决，并能实现显著的量子加速，和经典的模拟退火算法以及禁忌搜索算法相比，平均节省97%的求解时间。玻色量子联合移动云在我国知名物理1区Top期刊SCPMA英文版上发表了学术论文。🔗

以分子对接真实应用场景为例， 分子对接是基于配体受体识别的锁钥模型，通过计算配体受体之间的空间互补以及能量匹配来寻找其复合物模式。是药物发现的重要技术手段，其巨大的搜索空间和计算要求充满了挑战，而相干光量子计算机的求解速度比传统计算机快1000倍，因此，该研究提出的算法模型可显著提升未来药物虚拟筛选效率和准确率。玻色量子联合上海交通大学的研究成果已发表在中科院分区1区、计算化学领域Top刊物JCTC内刊封面。🔗

以虚拟电厂真实应用场景为例， 虚拟电厂调度是将分布式电源（发电）、可控负荷（用电）、储能等资源聚合成一个虚拟的集中式电厂，基于发电量、用电量、电价等数据信息制定更加经济、合理的电力分配方案，从而实现削峰填谷的电网稳定优化。清大科越基于相干光量子计算机真机成功实现对虚拟电厂聚合资源优化求解问题的计算验证，在毫秒级时间内找到了全局最优解，相比于经典优化算法的计算速度提升100倍以上。玻色量子联合清大科越、上海交通大学在国家一级学报——《中国电机工程学报》上首发以《基于光量子计算机的虚拟电厂分布式资源解聚合优化方法》为题的学术论文研究成果。🔗

以量子图聚类算法真实应用场景为例， 通过将经典的AI聚类算法进行模型重构，研发出能够运行在量子计算机上的量子图聚类算法。测试发现，混合量子社区发现算法，相较于经典的混合Louvain及混合Leiden有更好的数据区分能力，并且通过量子独有的多模态融合技术，可以进一步提升算法的准确性。

以金融为例，平安银行已将玻色量子计算真机服务应用于真实业务优化，充分利用玻色量子计算机的性能优势，结合业务实际需求，将特征筛选转化为组合优化问题，采用量子计算求解更好的特征组合从而提升机器学习算法性能。🔗2024年，采用真实数据集研究与主流特征筛选比较，算法采用量子真机优化求解，验证可知，量子计算机真机能找到优于模拟器的组合。

最后，巨江伟表示玻色量子持续深耕光量子计算领域的实用化场景应用研究与探索，加强“产学研用”生态合作，联合众多优秀合作伙伴构建实用化量子生态产业，让各行业随时随地都能用上量子计算的强大算力。