概论
前言
本书提到了的内容是很丰富的，不过我没怎么读懂，以后可以重读。
有人认为如果作者能像侯世达写作的《哥德尔、埃舍尔、巴赫——集异碧之大成》那样扩展更多帮助读者理解的材料，那也许本书也能成为像《集异碧》一样的神书。不过现在手机上网查资料可比侯世达出书的时代容易多了，也许自己搜索辅助理解资料能对书中内容有更深刻的印象，所以这也许是个优点呢。
作者讲量子力学是从信息、概率和可计算性出发，而不是物理学史和薛定谔方程开始。这点确实很不一样。后面提及的人择原理和自由意志都夹杂了一些哲学论辩。
总之，我没记住多少内容，不过我推荐读这本书介于教材和普及读物之间的书。
书籍简介
作者: [美] 斯科特·阿伦森
出版社: 图灵｜人民邮电出版社
出品方: 图灵新知 / 图灵教育
副标题: 从德谟克利特、计算复杂性到自由意志
原作名: Quantum Computing since Democritus
译者: 张林峰 / 李雨晗
出版年: 2021-7
页数: 348
定价: 119.80元
装帧: 平装
ISBN: 9787115564238
内容简介
量子计算理论学家 / 2020年ACM计算奖得主
量子计算巨擘斯科特·阿伦森的科普代表作
故事、笑话、启示写成的科学之诗
计算、物理、数学、哲学编织的未来图景
◎ 编辑推荐
☆ 继费曼之后，物理学和计算机科学zui有趣的演讲稿集之一。
☆ 2020年ACM计算奖得主、全球著名理论计算机科学家、量子计算理论学家斯科特·阿伦森唯一一部科普著作。
☆ 特为中文版撰写序言，跟进总结了自英文原版问世以来，量子计算领域取得的新进展。
☆ 宇宙、计算、量子物理学、哲学、随机性、数学逻辑、人择原理、自由意志、时间旅和复杂性……宇宙和物理世界究竟是如何运作的？它们为什么这样运作？
☆ 博学、奇妙、搞笑、书呆子气、好斗，此外还有无情的幽默、尖刻的讽刺、冷静的思考，以及知识的深度。耐心读完，甚至反复阅读，将得到巨大回报。
◎ 名人推荐
自从费曼的物理学讲座以来，还没有谁的演讲稿能如此精彩。阿伦森带领读者畅游计算机和物理领域的核心智力成果，将看似迥然不同的领域编织成信息时代引人入胜的故事。作者展示了物理学和计算机学是如何连接的，我们该如何理解计算，以及在这些领域的边界上还存在哪些仍不被理解的问题。这是一首伪装成演讲稿的诗篇，这首“诗”由证据、笑话、故事和启示组成，将计算机科学和物理学这两座高塔编织成一条连贯、纯粹、充满智慧而令人敬畏的挂毯。
——戴夫·培根，谷歌公司量子计算机项目负责人
阿伦森针对科学中最基本的问题写了一篇美丽且独创性极强的作品：什么是信息？计算是什么意思？心灵和自由意志的本质是什么？
——迈克尔·尼尔森，《神经网络与深度学习》作者
在读关于计算复杂性的一章时，我一会儿笑，一会儿哭，一会儿从椅子上摔下来。作者搅动了一场龙卷风，从智力上撕裂我们的大脑。这是物理、数学、计算机科学和哲学的巡回演出，把故事中塞满事实和定理，然后把它们扔回我们的头骨中。阿伦森提出了一个深层问题：物理和宇宙是如何组合在一起的，它们为何以这种方式组合在一起。当我读到他清晰的解释时，答案不难理解。
——塞思·劳埃德，麻省理工学院，《宇宙编程》作者
◎ 读者评价
这本书中充满了惊人、美妙的信息，阿伦森对物理学有独特的看法，他的观点非常具有启发性。
——Amazon读者
智慧、物理、乐趣和笑声！这本书，怎么能不喜欢的呢？
——Amazon读者
作者简介
斯科特·阿伦森（Scott Aaronson）
在量子计算和理论计算机领域影响力巨大的学者。2020年度ACM计算奖得主。现为得克萨斯大学奥斯汀分校讲席教授，曾任教于麻省理工学院。主要研究领域为理论计算机科学。其研究兴趣集中在探索量子计算机的能力和极限，以及更广泛的计算 复 杂性理论。
阿伦森毕业于康奈尔大学，获得加州大学伯克利分校计算机科学博士学位。曾荣获Tomassoni Chisesi物理学奖（2018年）、Simons研究员奖（2017年）、美国国家科学基金会的Alan T. Waterman奖（2012年）等奖项。
张林峰（译者）
2016年本科毕业于北京大学元培学院，2020年博士毕业于普林斯顿大学应用数学系。通过有效结合机器学习和多尺度建模方法，解决了计算化学、分子模拟、增强采样等方向中的一些关键问题。其间发表多篇学术论文，发展了DeePMD-kit等开源分子模拟软件和社区，并多次在美国物理学年会等国内外相关大型会议上受邀做报告。
他发展的方法在时间和空间尺度上将第一性原理精度延伸了多个数量级，对物理、化学、材料、生物等领域的第一性原理建模和模拟产生较大影响，并作为核心开发者获得2020年度高性能计算领域最高奖ACM戈登贝尔奖。
正文摘录
中文版序言
致中国读者
引言
第1章 原子和虚空
第2章 集合
一阶逻辑规则
关于非负整数的皮亚诺公理
集合论的公理
第3章 哥德尔、图灵和他们的小伙伴
图灵机
额外补充
第4章 心智和机器
第5章 古复杂性
第6章 P、NP和它们的小伙伴
第7章 随机性
第8章 密码学
密码学
伪随机数发生器
单向函数
公钥密码学
第9章 量子力学
小于0%的可能性？
混合态
平方规则
实数与复数
线性
第10章 量子计算
反算
与经典复杂性类的关系
量子计算和NP完全性问题
量子计算和多世界
第11章 彭罗斯
打开黑盒子
冒险说些显然的事
所有人都瞄着这一整块量子“肥肉”
第12章 退相干和隐变量
进坑
故事一 退相干
退相干和热力学第二定律
故事二 隐变量
“行不通”定理大荟萃
隐变量的例子
第13章 证明
何为一个证明？
概率证明
零知识证明
PCP
模拟隐变量理论的复杂性
第14章 量子态有多大？
第15章 量子计算十一诘
第16章 学习
第17章 交互式证明、电路下界及其他
交互式证明
新进展
量子交互式证明
第18章 人择原理趣谈
第19章 自由意志
第20章 时间旅行
第21章 宇宙学和复杂度
第22章 问我什么都行
注释
致谢
附录
《量子计算公开课：从德谟克利特、计算复杂性到自由意志》译后感
版权归作者所有，任何形式转载请联系作者。
作者：粽子（来自豆瓣）
来源：https://book.douban.com/review/13645263/
这篇译后感可能来的比较晚。事实上，本书主干部分的翻译完成于6年前。那时候，我和另一位译者李雨晗还在北京大学元培学院读本科。撰写这篇译后感的日子恰好是我与雨晗的结婚两周年纪念日。时光飞逝，当初翻译本书纯粹是出于对量子领域的兴趣、好奇心与热情。等到本书的中文版终于面世之时，我们二人都已成长，投入各自的新事业中。
我在翻译斯科特·阿伦森（Scott Aaronson）的这本书时还在读本科。当时，我发现找不到获取量子计算相关知识的好途径。在2013年冬天的北大，量子场论、弦论是物理系“大神”们的必修课，但量子计算还没有形成成熟的课程体系。于是，我在网上随手搜索关键词“量子计算公开课”，试图寻找高质量的视频课。结果，视频课没找到，却找到了这本书的翻译招募信息。于是，翻译这本书的过程变成了我的学习过程。
紧接着，威斯康辛大学的罗伯特·乔因特（Robert Joynt）教授恰好来北大访问，并开了一门质量极佳的量子计算课；在那个学期，计算机系的刘田老师开设了一门名为“理论计算机科学基础”的课。我抱着要翻译好这本书的目的，选了这几门课。
后来在2014年的夏天，我访问了麻省理工学院机械系的田天老师组。恰好，斯科特和量子计算领域另一位“重磅人物”彼得·肖尔（Peter Shor）等人当时都在麻省理工学院。因此，我得以有机会和他们讨论、学习书中的相关内容。
有趣的是，这本书还涉及不少哲学的讨论，于是，修读政治经济哲学方向的雨晗也积极参与了翻译。我们的翻译在一些地方或许有不够专业的地方，还希望读者包涵指正。
这些年，我并没有把量子计算作为自己的研究领域，但“量子计算”一词变得越来越“火”：我在最近一年读到的一些有趣的相关读物竟然来自BCG这家咨询公司；与我交流相关概念和进展的朋友竟然更多来自投资界和制药界。从这个意义上来看，这本书的中文版或许来的正是时候。
然而，我想提醒读者的是，如果这波热潮推动的是知识的传播和技术的飞跃，那么它是值得的；如果它助长的是资本的泡沫和资源的浪费，那我们就该保持警惕。
本书作者阿伦森·斯科特本人在2015年当了一回“D-Wave首席怀疑官”（Chief D-Wave Skeptic这个词最初也是我翻译的），澄清了当时D-Wave公司利用媒体炒作的某些概念。在这里，我也贸然当一回“量子计算怀疑官”，陈述自己一些不成熟的想法，特别是我觉得需要特别警惕的事情。
量子计算绝对是天才们施展才华的领域，它给我们提供了极佳的问题设定。
这些设定既与现实息息相关，又大多尚未成为现实，因此，它需要伟大的洞见和难以预测的灵光一闪。但是，我在2016年考虑自己的博士研究方向时，却很难将它作为我深入研究的方向——我选择了一条“曲线”道路，一边干点别的事情，一边等着别人把量子硬件搞定。不得不承认，在翻译斯科特的书之后，我对量子复杂度失去了兴趣。当时的我认为，人们对量子复杂度的研究已经到了一定阶段，如果没有真正的量子硬件，相关研究再往后就会像弦论一样，得靠“脑洞”了。而我不觉得我在这方面的“脑洞”足够有趣（当然，这不代表我否定斯科特，甚至爱德华·威滕的品味）。我也没有选择做量子硬件的道路，因为我对此了解得太少。我觉得，不妨基于已有的基础发展解决现实问题的算法。
于是我来到普林斯顿，从师分属应用数学与分子模拟领域的两位“集大成者”鄂维南与罗伯托·卡尔（Roberto Car）。跟随两位导师，我渐渐收敛到机器学习辅助分子模拟的各项课题中来。有趣的是，2020年，我与合作者们在当时最大的超级计算机Summit上第一次实现了第一性原理精度上亿原子的分子动力学模拟，得到了高性能计算领域最高奖“Gordon Bell奖”——我算是站在了用经典计算求解量子世界的一个小小的高峰上。进一步，随着对高性能计算的逐渐深入，我对经典硬件有了越来越多的理解，并愈发庆幸自己当初没有选择量子计算。
在我看来，这几年补补经典世界的课、在经典世界搞点突破，这一策略至少是“不亏”的。再过几年，等到量子世界大门真正打开的时候，这些经验将是有用的。
最近，我看到不少鼓吹用量子计算做药物、材料设计的文章，仿佛这已经是一个触手可及的未来。我对此深表顾虑。
首先，在这个问题上，量子计算尚未显现相比于经典计算的优势。
有一种说法是，药物、材料的微观基础都是电子问题，它们天然是量子的，所以量子计算一定更适合解这类问题。我一直对此深表困惑。量子比特和电子虽然都是量子的，但电子是连续空间的费米子，电子问题并不能直接映射到我们现在设想的量子电路上。
经典算法的困难在于满足交换反对称性质的函数的表示和逼近，现有的量子方案不像能从本质上更好地解决这个问题；更不必说，这里面的可扩展性和多尺度问题是更麻烦的问题。我想不出，也没看到任何量子方案能带来本质的“加速”——要知道，药物、材料相关的实际问题体系往往动辄数万、数十万原子。这里还涉及动力学和采样的问题，量子计算该如何加速原子体系的牛顿动力学和电子体系的量子动力学？即便量子算法在一些问题上有算法上的优势，它想成为商业上有竞争力的解决方案，还有很长的路要走。
试想，在经典计算机诞生后，机器学习、人工智能这些概念“火”了不只一次。但直到经典算力和算法井喷式发展的今天，机器学习才真正迎来了极广泛的用武之地。我们尚未看到量子计算在一个具有实际意义的问题上显示优越性。甚至，谷歌声称的“量子霸权”可能也还差那么点儿意思。我非常建议有兴趣的读者可以关注一下中科院理论物理所张潘老师组的工作（https://arxiv.org/abs/2103.03074）及后续进展，我在此就不做过多讨论了。
我从来没有否认相关突破的可能性，也没有否定相关研究的意思——我的不少好朋友都是相关工作的主力。我想提醒读者的是时间尺度和预期的问题。那些在“不懂”的前提下就热捧量子计算的人，或许会因为预期过高而在五六年后迎来第一次“大规模失望”。而量子计算在商业上迈出的“一小步”，或许恰恰要等上5到10年。这一小步或许是一些NISQ算法（例如见https://arxiv.org/abs/1801.00862）以云服务的形式解决问题。但这里，我不确定这些问题需要带来多大收益，才值得投入相应的成本；或许早期愿意为之付费的都是一些以科研为目的的机器使用者。而那真正的“一大步”，现在还不太有眉目。等到真有眉目的时候，也得再等数年或数十年去解决实际问题。因此，我很担心在这个过程中，有些人会给彼此的预期疯狂地加杠杆。
2020年4月，当我看到《现代物理评论》（Review of Modern Physics）发表了一篇名为“量子计算化学”（Quantum Computational Chemistry）的文章时，我略感失望。我本以为《现代物理评论》是最严肃的物理期刊，上面都是功成名就的人展望某个领域的发展。而“量子计算化学”这个领域看起来甚至还没好好地开始，相关内容就匆匆被发表。并且，那篇文章没有解决我所理解的“计算化学”中的任何难点问题。我还看到不少学界和业界的研究机构，以及一些初创公司，把量子计算、量子通信、量子化学和量子退火等概念混淆了，这样做是无益于该领域发展的。
这里有一个问题，我说了不少自己“跑路”的原因，但是，谁该“留下”来造那些量子硬件呢？我想，必须是那些想象力无比丰富，同时又务实到极致的“疯子”。
或许，世界上已经有这样一群人或者几群人了。声称要做这件事的人是不是拥有相应的气质，还是很容易看出来的。我想加入的是另一类“疯子”的阵营：他们想尽办法用经典硬件——甚至软硬件协同设计的方式——去解决量子问题，以及材料和药物设计中的所有算法问题。我甚至与小伙伴们创立了一家名为“深势科技”的公司来推动这些事情的发展。我们得先为经典硬件说话，把基于经典硬件的物理模型、科学计算和机器学习都做到极致。等这一天真的到来时，或许量子硬件差不多就被造出来了，我们就能更进一步。如果到时候量子硬件还没被造出来，我估计我自己就会跑去造了。或许，这就是我为自己设想的通往量子计算的道路。
最近，因为这本书中文版的出版，我重新联系了斯科特，并告诉他我最近的进展。
我问：“你觉得，何时是我重返量子计算的最佳时机？我确实看见，这方面有了突飞猛进的发展，包括谷歌的‘量子霸权’和关于量子计算化学的若干提议。但我仍然觉得现在不是最佳时机，因为一台真正的、有相当能力解决实际问题的量子计算机还没有出现。但它什么时候才会来呢？” 他答道：“……我只想继续保持观望态度——无论那些企业在自家的营销材料中怎么说（哈哈），量子计算显然还没有准备好应用于材料和药物设计。如果有人成功地构建了容错量子比特，那显然是开始关注的大好时机。一个更难的问题是，人们能否在‘没有’完全容错的情况下，找到一种有实际用途的量子模拟应用方向？我不知道，但人们肯定会在接下来的十年里不断尝试。”这个答案或许已经足够中肯了。 以上就是我在近期的一些思考。读者在阅读这本书时，或许感受到更多的是一些有趣的、跳跃性的思考。我只有一个建议：不用抱有太多“实用”的目的。
在翻译这本书的过程中，我和雨晗得到了大量的帮助。时隔多年，我们很难跟所有帮助过我的人一一表达谢意。我们的翻译还有很多不成熟之处，我们会再去勘误，并收集更多的意见。在这一过程中，我们也会联系那些帮助过我们的人，并希望以后有机会专门感谢他们。
张林峰，写于2021年6月26日
量子计算课程教案（不谙数学者莫入）
本书首版于2013年，涵盖了量子计算诸多方面的知识。
高能预警：
本书的学术性较强，已经超过了一般科普的范畴。
除非诸君有一定的数学基础并熟悉计算机科学，否则花时间啃这本书未必是好主意。
如果仅仅是对量子计算有兴趣，想知道相关科学家们究竟在搞些啥，建议用一天时间通读即可。
亮点：
多数章节会发布思考题，答案在下一章给出，但并非所有的问题都有答案。
阅读体验：
第1章，对量子理论稍有了解即可看懂。
第2-3章，需要对例如集合论、皮亚诺公理等数学概念有一定的了解才能读懂，除非对数学有极大兴趣。虽然作者在提及某个数学中的精彩发现时，会用到“你一辈子怎么也应该见它们一次”之类很有“诱惑力”的导语，但多数情况是完全看不懂+明天就忘记。
第4章，可以做出有“智能”图灵机么？怎么定义人工智能？怎样称得上是“有意识”？
第7-10章，别指望看完这几章就能轻易搞懂什么是“计算复杂性理论”与“量子计算”。
第11章，只要谈到量子理论的哲学、数学思想，一定绕不开罗杰·彭罗斯，作者从探讨彭罗斯“人工智能不可能是算法”的观点开始，表达了他“不认为人脑是量子计算机”的想法。
第12章，作者轻微的表达了对退相干与隐变量不信任。
第13章，怎样做才算得上是一个“证明”？
第14章，作者将计算机科学在科学中的层级，置于物理学与数学之下，难道作者的观点是“一切源于计算？”，本身是计算机科学家的作者有老王卖瓜之嫌。
第15章，我们能实现最初想象中的量子计算么？是否仅仅是在理论上行得通，但在实际中无法实现？
第16章，是否还有比贝叶斯统计更好的、或者与其等效的数学方法？
第17章，经典计算机可能有效的模拟量子计算么？
第18章，用概率统计的方法分析人择原理。
第19章，自由意志是否存在？或者应该先解决的是它怎样定义以及怎样验证的问题。
第20章，在利用闭合类时线（CTC）进行时间旅行之前，先讨论怎样解决祖父悖论——多伊奇的思路就简单易懂（第262页）。
第21章，量子计算和宇宙学中的复杂问题的联系。宇宙的结构是怎样的？是平坦的还是弯曲？
第22章，从黑洞到宗教——最后一节课，学生问问题的思路总是天马行空。