在機器學習（尤其是深度學習）於過去五年落地應用成功、量子計算也開始噴發地邁向主流後，（起源於2008年的）量子機器學習（Quantum Machine Learning）也開始吸引眾人的目光、火上加火的領域．畢竟其彷彿能用量子物理做到古典機器學習做不到的挑戰，產生動輒就是指數加速的演算法，這好到不可思議的光景這到底多少是泡沫（Hype）、多少是實質（Fact）、又或者在科學傳播中漏掉了許多重要的細節呢？
本篇網誌我要帶大家走過一篇關於量子機器學習的經典回顧文章：『read the fine print』 來探討這理論有嚴苛限制條件這問題（當然包含我個人的解讀分析）．此論文於2015年刊登在Nature，作者是量子計算理論大師 Scott Aaronson（對複雜度理論有諸多貢獻、同時提出Boson Sampling這個重要實驗），Scott Aaronson的行文非常通順、內容充滿智慧與幽默、也讓人省思，除了在本文中體現之外也可以參考其大作『Quantum Computing since Democritus』．
文章開始前先依照慣例：歡迎大家分享、轉發、留言、拍手讚賞（甚至捐款）XD
去年年底在量子霸權實驗正式發表塵埃落定後，我偶然在網路上找到了這份有意思的量子威脅時間軸報告，花了一兩天讀完之後更是下定決心要把這40多頁的優質報告濃縮摘要後介紹給大家，畢竟這年頭要看到量子計算的專業論文、或是不知道哪裡來的唬爛言論都不困難，不過要看到具有參考性的宏觀專業報告就難上加難，而這篇報告以業界至智庫深度訪談學界大頭的形式，讓大家都能在正確觀念的前提下看懂誠屬不易，我自己都在閱讀的過程中獲得不少洞見．然後這份報告分成簡易版和完整版，簡易版就是完整版的summary，我會帶深入完整版的眉角．
總而言之，希望大家在看完之後本文有所獲得，能在這輪量子hype過程中保持樂觀和冷靜，喜歡本文的話請分享留言和讚賞/捐款吧，你的行動就是對我的支持與肯定：）
TL;DR 封面圖片是本報告（本圖）總結，目前學界大頭共識是15年後就有50%以上機會產生足以破解現行RSA2048金鑰之量子電腦
Google與量子邂逅的極簡史
從資訊的角度來思考量子物理會發現很多有趣的現象（即使我們先撇開詮釋的部分）．首先我們知道量子力學世界裡，波動方程式要求資訊是守恆的、意思是所有連續平滑的物理系統演化都是可逆的Unitary operation（光是說到這就已經有霍金輻射引起的「黑洞資訊悖論」，幽微的問題非常多），如果有人能從宏觀掌握整個宇宙波函數，那未來和過去的可能性便盡收眼底．可惜這世界沒有這麼單純，麻煩的是我們實驗上總是沒有看到波函數疊加態（如電子被測量時不是自旋上就是自旋下），不論是哥本哈根詮釋的波函數「塌陷」還是多世界詮釋下的去相干，有個過程使得我們只能讀到波函數的本徵態．這意味著當我們要從波函數提取資訊時就會摧毀它（至少在局部的觀點上），當然透過類似「量子擦除實驗」的例子我們可以透過放棄提取資訊重新看到干涉條紋（疊加態的特徵）．
前陣子看到Honeywell 要用Yb171離子井做量子電腦時，我只是既驚訝又欣慰：驚訝的是有製造業、而非矽谷科技業來投入量子計算的競賽（後來發現他是軍工複合體，所以就沒有那麼驚訝），欣慰的是Honeywell 採用的是目前較少企業採用的離子井技術來做量子計算、而非超導體量子位元。說實話，我當時完全不認為他們能夠做到多好，因為除了一篇新聞稿外沒有更多的資訊，沒有論文發表、春天DAMOP海報也沒有過人數字或實驗細節，想說他們實驗應該還在起步，即使能做到匹敵學界一流、也難以和Yb離子祖師爺Christopher Monroe的新創公司IonQ競爭。 Continue reading…
相信大家都有關注腦機介面新創Neuralink之新聞，在此我向推薦著名長文網誌Wait But Why（非常非常長），其代表作中除了超人類主義外那篇AI經典外，我最喜歡的就是這篇Elon and Neuralink．
對於人類要能夠突破文字和口語的緩慢低效交流，腦機介面是必要的（如同WBW文章所說：矽晶片速度>>個人思考>閱讀>對話>寫字），引用Michio Kaku在 Future of MInd 所說
未來世界看當代的訊息沒有辦法附加情緒和感受、就彷彿我們看過去只能用文字
我們將從分享情緒走向腦際網路、然後從腦際網路走向意識上傳、最終從意識上傳走向更高的存在（Ray Kurzweil「當人類超越生物學」），而打破所有介面的腦機介面將是這一切極為重要的核心科技，在我來看和可編程物質的奈米機器人和強人工智慧並列．
最近看到詹雨安學弟在，希望能夠節省大家爬文篩選資料的時間，我也花了點時間組織對自己頗有影響力的文章和工具，畢竟「找到有用工具」是僅次「決斷要找什麼什麼」第二困難的步驟，希望這個計劃可以讓大家看到各領域有趣的知識以及如何有效學習．由於不是所有朋友與讀者都會參與這次計畫，我決定寫篇網誌來分享自己關於跨雲端管理的工具和備份策略（當然還是希望大家可以一起貢獻這個高品質資源推薦計畫
Continue reading…
為了紀念自己通過博士資格考、並推廣科普幫助外界理解這個有趣的領域，於本篇文章我會分享自己對於量子演算法的理解、 然後著重於為何要用無窮維度系統做量子機器學習，我會盡可能用文字說明與類比、並且附上連結給大家參考．即使修過兩次研究所等級的量子資訊(用的是聖經本Nielsen and Chuang)和一次博士班進階量子演算法(Andrew Childs筆記)，在動筆時我仍舊會停下來思考記憶是否準確、還跑去翻書和看筆記，所以這主題很難理解很正常、獲得些感覺就行了；另外，因為自己是物理出身、所以對於演算法的嚴謹性和複雜度分析只能說是略懂，請資訊科學界和數學出身的朋友體諒了:)
Continue reading…
學術界是個很小的圈子，也就是說即使人員組成和地理分佈都非常國際化、但是基本上大家都會互相認識，學術界的人基本上也相信「大師之後有大師」（不是說非師出名門就不可能有卓越貢獻，但是極端困難，尤其在實驗的領域老闆的核心技術和實驗方向基本上會決定學生的學術道路），認識一個人的時後最重要的就是他待過的實驗室和跟過的老闆，畢竟每個學校都各有所長、哪怕強如常春藤都不可能是樣樣冠軍（離子井實驗的歐洲聖地和美國聖地都是外行人沒有聽過的地方lol），那有沒有地方能夠讓人查詢自己和他人的家族譜系，來理解自己的江湖地位呢？（舉例而言對於找學術工作：推薦信要寄去老闆的同門師兄弟絕對比陌生人有用，除了認識外師出同門對於專業技術和實驗方向都會比較類似．）
Continue reading…
感覺非常長一段時間沒有寫記事了，這代表我的積累的故事持續增加，終於到了動筆慾望壓過懶病的階段．這次就特別來說說雷射是如何allgin的細節好了．原因是博後總非常驚訝修過古典光學和量子光學的人，居然能夠對具體問題有如此粗糙的認識．我認為除了自己大學都在碰理論相關的東西外，實驗的技術細節和理論細節用教導的難以讓人感覺他有什麼用，但是解決問題的時候那些脈絡就會自然浮現．所以就來和大家分享一下在離子井實驗室的一些有趣知識了．
Continue reading…
勤奮是被征服者的美德，而勇敢是征服者的美德。～劉仲敬
