采访交流现场

在蓬勃发展的人工智能领域，随着生成式人工智能等赛道爆发性增长，现有的神经网络训练主要依赖GPU集群开展，面临计算开销大、周期慢、成本高等缺陷，也大大限制了通用人工智能技术的进一步发展。“我们联合清华大学李升波教授团队提出了一种量化前馈网络的相干光量子计算机训练方法，可以在毫秒内解决大规模的二进制优化问题，为神经网络的快速训练提供了另一种可能性。”文凯博士告诉北京日报记者。这也是国际上首个可以在相干光量子计算机上训练多层神经网络的算法，实现了量子神经网络训练领域的重要突破。

北京日报头版报道

以电力行业为例，文凯博士介绍，新能源电网上有成千上万个用电、发电节点，并且时间、空间分布不均匀，要想将发电、用电量精准统筹好，实现供需平衡，需要进行大量的组合调度工作，其涉及的计算量巨大，用传统经典计算难以满足需求。而使用相干光量子计算机，完成同一问题的计算，速度是经典计算机数百倍以上，随着技术进一步发展，其计算效率还将大幅提升。

北京国际科技创新中心报道

基于玻色量子自研的550专用量子比特相干光量子计算机，文凯博士向北京国际科技创新中心记者介绍，“它的核心器件实现了完全国产化，且能在数个毫秒级时间内，在2的550次方种不同答案中并行搜索求出最优解，求解速度比经典算法平均速度超过数万倍，性能达到国际领先水平，已面向通信、金融、交通、医药、移动云、电力等多领域开展了行业合作。”

新京报报道

文凯博士向新京报记者透露，未来一年内，玻色量子将发布下一代更大规模的产品，将给各行各业带来更多应用场景，“以药物筛选为例，量子比特数规模限制了可筛选的化合物的规模，而上千量子比特的真机能够实现从验证小模型到实际实用场景的跨越发展，除了药物筛选外，后续还能应用于结构预测、分子动力学等计算场景。”

量子科技作为新型前沿技术，在提升计算处理能力、加强信息安全保护能力、提高传感测量精度等方面，具有重大科学意义和战略价值。以新立“质”，行稳“质”远，量子领域的研究将为加快建设北京国际科技创新中心，着力培育新质生产力提供源源不断的动力。玻色量子也将不断拼搏，为我国建设量子科技强国不懈努力！