塔季扬娜·戈卢别娃：“量子计算机只是一种工具，关键要看人会不会用。”

量子计算与传统计算的原则性差异是什么？

塔季扬娜·戈卢别娃：我们都习惯了，计算就是0和1。所谓的二进制逻辑，是对信息进行编码以及对信息要素的后续操作，也就是操作0和1。而量子系统则完全不同，它们同时可以接收从0到1的任意数值，也就是说无穷多的数值。因此，量子计算机能够实现的计算量就扩大了无穷倍，这取决于我们判明情况的能力。对于这一数据集的工作是平行进行的。量子计算机同时知晓所有的状态和可能性，而普通电脑则不同，只能完成一个运算再完成另一个。量子计算机是与物理客体打交道的，后者的量子本质决定了它们同时处于所有的量子状态。

谢尔盖·瑟索耶夫：量子编程和传统编程像吗？既像，又不像。一方面，量子计算机的结构要求使用全新的数学模型。这可以帮助我们有效地解决一系列的专门任务，比如计算傅立叶变换，但某些对于传统计算机而言轻而易举的任务，比如加减乘除，输入初始数据、得出结果这些任务反倒显得困难，甚至是难以完成的。

经常有这样的情况，即所需要的结果在量子状态很容易得到，但是想要把这个结果输出，将该结果与其他一切可能却不需要的结果分离开来，转变为传统信息却复杂得不可思议。从另一方面来讲，量子算法的发展所遵循的路径与传统计算理论所经历的毫无二致。之前开发的那些量子算法被组成了单独的模块，这就好比一块一块的砖，可以用来构建更加复杂的算法，使其运用更为方便快捷。今天的程序设计员不一定非要知道，传统计算机是如何完成加法运算，或者负数是如何保存的。程序设计语言的高度抽象使得他们可以轻易绕开这一信息。在构建量子算法时，人们同样致力于提高抽象程度。很有可能，我们很快就会不假思索地使用Grover算法来提高测试所需结果的可能性。

如今世界上正在开展一场超级计算机的研发竞赛，看谁能够实现最快的运算速度。眼下谁处于领先状态？

塔季扬娜·戈卢别娃：眼下世界上有三巨头：IBM、谷歌、霍尼韦尔。这些公司的量子计算机完成量子计算所使用的路径是不同的（有超导量子比特，也有离子阱），除此之外还有光子，但所有量子计算基本都遵循同一原则。

从算法上来讲，这是同一个运算原则——电路模型。但除此之外还有其他的方式。量子计算科学已经存在20多年了。而圣彼得堡国立大学，作为一所教学科研机构，在这方面也取得了一些成绩。

量子计算机是万能的吗？

塔季扬娜·戈卢别娃：量子计算机不会取代台式电脑，因为它是完全应用于另一个领域的。量子计算机需要解决的是数值计算无法解决的全球性问题。比如，为什么我们的天气预报总是不准？因为其中涉及到的参数太多太多了。这些参数没办法用普通计算机来处理，否则的话肯定会死机的。如果用今天的计算机分析某一个地点的天气，要花去几年的时间，而我们需要在两个小时之内知道答案。因此，作为折中方案，只好减少参数数量，以便缩减计算时间。相应的，结果自然就不够精确。而量子计算则可以输入非常多的数据，它可以处理多参数任务。对于某些运算，普通计算机也许需要数百万年，而量子计算机则只需要一秒钟。然而，量子计算机并非适用于所有任务。

量子计算机通常应用于哪些领域？

塔季扬娜·戈卢别娃：量子计算机的一个应用领域是数据加密和解密。网络会对数据进行加密。如何加密呢？借助于开放密钥，密钥的解密需要数百年时间。没有人会去解密它们，因此这些信息是保密的。如果未来所有人都能够建成量子计算机，那么任何的开放密钥就都不可能了。因为对于量子计算机而言，秘密的信息将不再秘密。届时人类将不得不研发新的算法、新的加密办法来保护信息安全。这是在科学领域，目前还在继续发展。另外一个应用领域是制药业。普通计算机无法计算出药品中的化合物、副作用、特点和特性。量子计算机还可以用来描述宇宙中发现的进程和天体。我们试图将量子计算机变成一种强大的工具，来帮助我们实现科学上的突破，带给我们全新的知识。

已经有人做出突破了吗？此前谷歌曾经宣称，他们已经掌握了量子优势。

塔季扬娜·戈卢别娃：量子计算实现的路径有三种。这三者之间难分高下，每一种都各有优劣。研究者们发现，某种路径可以得到很多的量子比特，即量子计算机元素。但是，再继续增加量子比特，加大系统规模就是不可能的了。对于不大的运算，谷歌目前已经做得很好。因为谷歌目前开放了自己的量子计算机。如今所有在量子计算机领域有所建树的公司都开放了自己的资源。这非常好，因为如今的大学生们不仅可以听取关于量子计算机的抽象报告，还能够亲自尝试着编写一个量子计算机程序，然后对比一下传统计算机和电子计算机的运算差别。这非常棒！

所有的程序设计员都必须研究量子计算吗？

谢尔盖·瑟索耶夫：正如塔季扬娜·尤里耶夫娜已经指出的，量子计算不会完全替代传统计算。目前量子计算可能的应用领域主要是一些大型优化任务，为实现某一系统的最优状态而寻找罕见的参数搭配等。已经得到了一些结果，让我们可以指望加速线性代数算法。除此之外，某些量子密码协议已经投入了使用。相较而言，传统程序技能的使用领域要广泛得多。传统程序的设计员没必要非得研究量子计算，目前是这样，将来大概率也是如此。尽管如此，对量子计算有一个大体了解还是有好处的。关于量子计算的教育资源和量子算法的构建工具正变得越来越好用。比如说，我们新推出的系列线上课程。它既可以帮助学员有一个浅层的了解，又能帮助他们深入挖掘。那些对于量子计算真正感兴趣的人同样可以在我们这些课程里获得所需要的知识。

请介绍一下系列线上课程的团队成员。

塔季扬娜·戈卢别娃：我们的团队是站在量子计算的源头的。当时还没有出现“量子计算”这一术语。不过，这次的线上课程主要是团队里的一些年轻成员设计的。比如谢尔盖·科罗廖夫，他是《单向量子计算》线上课程的主讲人，去年才答辩通过了关于单向量子计算方面的论文，后者恰恰是传统方式的替代性方法。目前他正在继续这方面的研究，而且已经取得了很不错的成绩，在权威物理期刊上发表了多篇论文。还有叶甫盖尼·瓦舒克维奇，他可以说是我们线上课程的声音和代言。他目前正在研究超级量子比特。我们知道有量子比特，就是0和1之间的一切可能值。如今我们已经有了三维量子比特。如果将空间的维度继续增加，那就变成了超级量子比特。叶甫盖尼研究的就是这种替代性的思路。这些多维系统有什么好处呢？简单而言，就是53个量子比特能做到的，超级量子比特只要1个就够了。这在落实起来具有优势，因为只需要控制一个客体就够了。还有基里尔·季霍诺夫，他是《量子计算的物理基础》这门课程的主讲人，今年刚晋升副教授，他是一位非常优秀的年轻物理学者，正在主持一个俄罗斯科学基金会的研究项目。创建在线课程也是一种职业成长，我们所介绍的东西都是尚未最终成型的东西，这非常有趣，因为它可以逼着我们去思考，由此获得新知识。

“量子计算：从基础到前沿科技”系列在线课程是面向哪些受众的？您二位推荐哪些学员来学习它？

塔季扬娜·戈卢别娃：我们的系列在线课程对我而言意义重大，是我的骄傲。这些课程全部是英文授课，这在目前已经是标配了。每一位研究者都必须掌握英文，因为大部分的信息和论文都是英文的。科研工作者们已经不再用俄语，而是用英语撰写论文了。我们的系列课程首先是面向那些希望深入了解量子计算的人的。有些大学生已经听了一些课程，有些人也许还没听过，但想深入了解一下，这些学生可以去听我们的在线课程。还有一类情形，就是很多大学生在考入我们的量子光学实验室之前就学习了我们的在线课程。今天的大学生们都非常聪明，很清楚自己想要什么。所以，我们的系列在线课程也是提前了解本专业的一种好办法。我们的系列课程里有两门基础课程。有两门中级课程，针对那些已经对量子计算有所了解的学员。还有一门课程是目前任何书本和教材上都学不到的，因为这些信息全部来自最新的科研综述和论文。最重要的是通过课程向学员们传递这样一种信息，即并非只有一条走惯了的老路，而是有很多可能的路径。

参与系列课程的专家来自不同领域。数学家和物理学家对量子计算的看法有区别吗？

塔季扬娜·戈卢别娃：我们的系列课程是由作者团队共同完成的，其中既有物理学者，也有数学学者，由谢尔盖·谢尔盖耶维奇领衔。在此之前，我们相互之间并不认识，正是这一系列课程将我们联系到了一起。这也正是本系列课程最为独特之处：对于同一课题，来自不同领域的学者提供了不同的思路和看法。物理学者们是从现实客体、物理准则、误差等角度来看的，而数学学者们则是从算法、运算的角度来看的。这的确是一种相互补益。

在线上课程的开发过程中有没有遇到什么难题？

塔季扬娜·戈卢别娃：准备线上教学内容总是非常困难的。这跟在教室里上课还不太一样。线上授课必须对信息进行压缩，而且要使用精准的授课语言，不能打磕巴，不能有口误。在制定教学计划时，会有一整个团队和你一起。包括设计师，他们对于教学内容的视觉呈现有自己的想法，你需要和他们合作，而不是对抗。还有教学法专家，他们负责解决在备课过程中出现的一切问题。我们先后总共制作了数百张PPT。这是一项规模庞大的工作。要对全部的授课材料精挑细选。信息太多了，我们的目的在于既要传递足够的信息，又要避免信息过量。

您认为，这一系列课程的现实意义将持续多久？

塔季扬娜·戈卢别娃：我们没法做出这样的估计，因为我们目前仅仅站在量子计算的起点，还无法清楚地看到长远的前景。只有当这一领域取得了足够多的重大进展时才好做出判断。但基本原则将是永远具有现实意义的，比如什么是单个的量子客体，该如何去描述它，存在哪些路径和模式等等。物理学将逐渐适应新的语言、新的运算模式。一开始可能会觉得，什么都不明白。但随着时间的推移，这些事情会逐渐变得显而易见，人们会习惯于使用这种工具。

在您看来，科学的未来掌握在人类手中还是计算机手中？

塔季扬娜·戈卢别娃：我认为并不存在这种对立关系。量子计算机只是人类手中的一种工具，就看人类会不会使用它来解决基础性问题或者全球性任务。计算机不会主动开始计算，而需要从人那里接受指令。您用汤匙来喝汤，但汤并不会因此变成其他东西。所以我认为，未来在于我们对事物本质的了解以及对新的问题和答案的求索。