一个聪明的算法所要做的，就是快速而准确地找到其中的相似性，在空白的网格上填上数值。

2016 年，法国巴黎七大的Iordanis Kerenidis 和 新加坡南洋理工大学Anupam Prakash公布了一种“量子推荐算法”，比经典算法有了指数级的提高。这种算法并不企图填满整张空白网格，而是把用户简化成几个大类。

这个案例当时是激动人心的。此前虽有人利用量子算法获得了指数级的速度提升，但都是在很窄的应用问题上，更像是精致的小游戏。量子推荐算法则是在一个日常人都会接触到的领域证明了量子计算的价值。

不过，这两名计算机科学家只证明了量子推荐算法要比已知的任何经典推荐算法都要快得多，但却没有证明不存在更快的经典推荐算法。

阿伦森布置给唐的作业，就是要补上这个漏洞，证明没有比得上量子算法的经典推荐算法。

题目本身就错了

唐在研究的过程中，却越来越觉得这样的经典算法是存在的，他反复地自我质疑，因为阿伦森是领域里的权威。

最终，唐向阿伦森去信坦白了自己的想法。

在量子推荐算法的启发下，唐发现他们所用的量子采样技术完全可以在经典算法里复制。具体来讲，把用户数量、产品数取对数后，计算时间就会大大减少。

阿伦森反复验证了这个经典算法的正确性，确保唐不会出道即“出糗”。

最终，在加州的量子计算会议上，面对着一众领域内的“大佬”，唐连做了两场报告，并得到了普遍的认可，包括提出量子推荐算法的Kerenidis。他表示，唐的报告很成熟，他完全意识不到唐才18岁。

下一步，唐的论文将接受正规的同行评议，以争取正式发表。

“杀死”量子计算？

进入2018年，各大科技巨头竞争“量子霸权”的格局越发激烈。IBM完成了50比特原型机；谷歌发布了研制高质量72比特量子计算机的计划；微软则宣布在5年内造出拥有100个拓扑比特的量子计算机。

相关报道: