突破3000万次计算！玻色量子相干光量子计算机引领实用化量子计算新高度
2025年6月14至15日，第十一届“量子信息与量子计算机中的前沿问题”学术研讨会暨中国通信学会量子通信专业委员会学术年会在南京盛大召开。本次会议由中国通信学会量子通信专业委员会与北京量子信息科学研究院指导，北京师范大学人工智能学院、南京邮电大学电子与光学工程学院、柔性电子（未来技术）学院共同主办，北京玻色量子科技有限公司（以下简称“玻色量子”）、北京电子城高科技集团股份有限公司（以下简称“电子城高科”）等共同承办。
南京大学祝世宁院士、西北工业大学黄维院士、香港理工大学刘爱群院士、江苏省工信厅信息基础设施处处长姜永发、南京市科技局一级调研员汪生虎，与南京市玄武区委常委、常务副区长陈可科，及南京市工信局电子信息产业处四级调研员党杰，电子城高科党委书记、董事长齐战勇，电子城高科副总经理姜南，北京量子信息科学研究院副院长、清华大学教授龙桂鲁，玻色量子创始人&CEO文凯博士、玻色量子创始人&COO马寅等出席开幕式。
此次大会汇聚了国内一众顶尖院士、高水平学术专家、优秀学者、量子计算领军企业家代表等，旨在聚焦近年来量子计算中的重要科学进展以及量子计算产业化发展的重要工程突破，增进学术界和政府、产业界的交流，共同推进量子信息和量子计算领域的发展。
南京大学祝世宁院士致辞
西北工业大学黄维院士致辞
香港理工大学刘爱群院士演讲现场
开幕式现场
展台现场
6月15日上午，玄武区量子计算产学研对接会圆满落幕。会议现场，玻色量子副总裁巨江伟发表了以“相干光量子计算机”为主题的精彩演讲。全面且深入介绍了量子计算的最新发展现状，以及玻色量子的最新技术突破成果与应用探索案例。充分展现出玻色量子作为国内量子计算领军企业与量子计算产业链长企业，依托自研的相干光量子计算机，以 “实用化+产业化” 双轮驱动，通过硬件迭代、场景深耕与生态共建，充分发挥出量子算力在复杂优化问题中的指数级加速潜力。
玄武区量子计算产学研对接会现场
玻色量子副总裁巨江伟座谈会现场
相干光量子计算机是一种专用的求解伊辛模型的量子计算机，由光量子态制备、光量子存储器和测控一体机三个核心模块组成。基于伊辛模型原理，利用光纤中的激光脉冲进行量子比特的制备，利用量子系统往基态能量进行衍化的过程来寻找最低哈密顿量（计算问题的最优解），具有极高的并行计算能力和快速求解能力。相比于超导、离子阱等其他技术路线，相干光量子计算机可以在室温下稳定运行且花费的成本更低。
巨江伟现场分享道，不懂量子也能编程，通过QUBO模型可以高效利用相干光量子计算机。伊辛模型的数学形式与组合优化中的二次无约束二值优化（QUBO）问题具有本质等价性。
在伊辛模型中，系统的哈密顿量可表示为自旋变量间的二次多项式，而QUBO问题则通过二值变量构建二次目标函数——两者可通过变量替换（如将±1自旋变量映射为0/1二值变量）实现形式等价。这一数学同构性使得现实中的组合优化问题（如VRP、TSP等）均可通过QUBO建模，转化为伊辛模型的基态搜索问题，因此，用户无需了解相干光量子计算机的物理原理，即可高效实现问题求解。同时，用户还可通过量子云平台，即可远程调用量子计算真机算力，极大地降低使用成本与技术难度。
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，基于自研的相干光量子计算机，已联合各行业优秀的生态合作伙伴在AI、生物制药、金融、通信、电力能源、材料化工等行业场景实现了一系列重要成果突破。
以“量子计算+AI”领域为例，在传统计算范式下，基于冯・诺伊曼架构的计算设备在进行AI模型训练时往往面临高时间复杂度和高能耗的双重困境，严重束缚了AI模型的迭代速率与应用边界拓展。而玻色量子自研的相干光量子计算基于其强大的计算能力和低能耗的特性，可从算子和算法层面加速AI模型的训练和推理效率，有望解决当前AI发展的算力和能耗瓶颈。
清华大学车辆与运载学院李升波教授课题组首次提出了一种应用于量化神经网络的伊辛训练算法，以最小化的损失函数：均方误差为目标，将QNN的训练过程表述为二次无约束二值优化问题应用于相干光量子计算机求解。代表了神经网络量子训练领域的重要突破。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。
同时，巨江伟还特别提到了“量子原生AI”——量子玻尔兹曼机训练方法。这一创新方法巧妙利用了伊辛模型与玻尔兹曼机在数学上的等价性，解决了经典玻尔兹曼机因高复杂度而无法高效训练的难点。玻色量子提出的基于相干光量子计算机的量子训练方法，以量子采样替代传统的Gibbs Sampling方法，大幅提升了玻尔兹曼机的训练效率，展现了“量子+AI”的深度融合。
以“量子计算+生物制药”领域为例，玻色量子已将相干光量子计算技术深度应用到生命科学基础研究和药物发现领域的多个关键场景中，包括基因组组装、RNA与蛋白质结构预测、蛋白功能预测和组学数据处理分析等。同时，在药物发现及筛选优化方面也取得了令人瞩目的成果，尤其是在结构化虚拟筛选（SBVS）和配体虚拟筛选（LBVS）场景，成功实现小分子/多肽对接、变构位点的精准预测。
巨江伟分享道，利用量子算法对复杂蛋白的不同氨基酸团进行并行搜索，从而找到全局最优的变构效应位点，基于相干光量子计算方法较传统预测方法在预测精度上整体提升了约10%，尤其是在一些复杂蛋白上表现优异；基于相干光量子计算的多肽/分子对接方法在如CASF2016等标准数据集上表现出与商业工具Glide SP相当的采样能力，但其采样时间缩短了至少两个数量级。
目前，玻色量子已接连与多领域上市公司、优秀科研院所等达成战略合作，随着量子计算与各行各业前沿领域的深度融合，玻色量子将以光量子计算为引擎，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“政产学研用”生态合作，共建实用化量子生态产业，引领我国实用化量子科技实力占领全球制高点。
《量子信息与量子计算机中的前沿问题》学术研讨会始于2005年，由清华大学龙桂鲁教授发起，截至目前已举办10届。会议的承办单位包括：河北师范大学、陕西师范大学、山东大学、大连理工大学、上饶师范学院、桂林电子科技大学、浙江科技学院和华南理工大学。自2023年第九届会议起，本学术会议与中国通信学会量子通信专业委员会学术年会合并举办。
