ADL177《量子人工智能》开启报名
CCF学科前沿讲习班
CCF Advanced Disciplines Lectures
CCFADL第177期
主题 量子人工智能
2026年12月18日-20日 北京
本期 CCF 学科前沿讲习班《量子人工智能》聚焦量子科学与人工智能的交叉研究。课程涵盖量子计算的基本原理、典型量子算法与量子机器学习,并结合量子纠错、模型压缩等研究实例,探讨人工智能如何帮助研究者解决量子计算中的问题,以及量子物理中的思想和方法如何启发人工智能模型设计。
本期讲习班邀请来自高校和科研院所的六位专家作专题报告,面向具有机器学习或量子信息初步基础的学生、青年教师及相关研究人员。通过专题讲授、案例分析与现场演示,帮助学员从量子科学和人工智能的不同视角认识这一交叉领域,把握其主要研究问题与前沿进展,拓展研究思路,启发新一代量子人工智能技术。
学术主任:张鹏 天津大学/王磊 中国科学院物理研究所
主办单位:中国计算机学会
活动日程:
本期ADL主题《量子人工智能》,由天津大学教授张鹏、中国科学院物理研究所研究员王磊担任学术主任,邀请到李绿周(教授,中山大学)、罗迪(副教授,清华大学)、张潘(研究员,中国科学院理论物理研究所)、刘金国(助理教授,香港科技大学(广州))、冉仕举(教授,首都师范大学)、高泽峰(副教授,中国人民大学)6位专家做专题讲座。
学术主任
张鹏
天津大学
简介:天津大学教授、博士生导师、长期从事量子计算和人工智能的交叉学科研究工作,致力于探索量子人工智能的实用化优势,坚持“人工智能与量子计算双向赋能”的研究范式,发展量子语言模型、量子隐式神经表征等量子赋能AI算法,并在此基础上探索AI赋能量子和AI for Science的研究工作,已发表Nature Communications、npj Quantum Information、Bioinformatics、TOIS、ICML、NeurIPS、ACL、SIGIR、AAAI、KDD、ICLR等高水平论文百余篇。合作出版量子语言模型和量子人工智能相关学术著作2部。研究工作得到国家重点研发计划、国家自然科学基金重点项目、原创项目等项目支持。积极开展成果转化,与华为、滴普科技、中科闻歌、清醒异构等多家头部企业开展合作推进科技成果落地。多次组织量子人工智能交叉领域的学术会议、暑期学校和讲习班,推动交叉领域人才培养。
王磊
中国科学院物理研究所
简介:王磊,中国科学院物理研究所研究员。2006年本科毕业于南京大学,2011年于中国科学院物理研究所获博士学位,随后在瑞士苏黎世联邦理工学院从事博士后研究,2016年回国加入中国科学院物理研究所。主要从事人工智能与量子多体物理的交叉研究,致力于发展面向科学发现的深度学习方法和新型量子多体计算方法。与合作者一起提出“神经网络重正化群”、“神经网络正则变换”、“张量网络微分编程”、“量子线路玻恩机”等系列原创模型和计算方法,发展了基于深度生成模型的变分自由能方法,并应用于稠密氢、量子固体、晶体材料反向设计等问题。参与建设QuantumBFS、TensorBFS等量子计算与张量网络开源社区,多次组织机器学习与物理交叉领域的学术会议和讲习班。
特邀讲者
李绿周
中山大学
讲者简介:李绿周,中山大学计算机学院教授、量子计算与软件研究所所长、中国计算机学会(CCF)量子计算专委副主任委员、中国网络空间安全学会(CCSS)量子计算安全专委副主任委员、CCF杰出会员。长期从事量子计算理论研究,在量子算法方面形成一定研究特色,在SODA、ICALP、ICML、IEEE TIT/TIFS/JSAC/TCAD、Information and Computation、npj Quantum Information等计算机、物理、量子信息领域知名学术期刊及会议发表论文110多篇,出版学术专著、教材、译著5部。研究工作得到国家重点研发计划、国家自然基金(5项)、广东省杰青、广东省量子科学战略专项等项目支持。
报告题目:量子计算基础和前沿
报告摘要:本报告首先介绍量子计算的基础理论,为听众提供入门量子计算的基本语言。然后介绍量子计算领域的几个典型算法,让听众体会到量子计算的精妙之处。最后,简述研究团队的一些前沿研究进展,向听众展示从事量子计算的可能视角。
罗迪
清华大学
讲者简介:罗迪,清华大学物理系副教授,兼职清华大学高等研究院。此前,他曾任美国加州大学洛杉矶分校(UCLA)助理教授。2021年至2024年间,他担任美国人工智能与基本相互作用研究所IAIFI Fellow,同时是麻省理工学院(MIT)理论物理中心与哈佛大学(Harvard)物理系博士后。2021年,他在伊利诺伊大学厄巴纳-香槟分校(UIUC)获得数学与物理双硕士学位及物理学博士学位。2016年,他毕业于香港大学,获物理学与数学双学士学位。罗迪博士曾在Google Quantum AI, Vector Institute 和 Simon Foundation研究实习,入选智源青年学者、《麻省理工科技评论》中国区“35岁以下科技创新35人”。他的研究聚焦在AI+Science和量子计算,包括发展AI和量子算法用于量子材料、高能物理和量子信息的科学模拟和发现,以及利用量子物理和统计物理发展构建AI理论和模型。
报告题目:AI x Quantum: AI时代的量子科学
报告摘要:人工智能与量子科学正形成双向赋能的交叉前沿。本报告围绕三个核心方向梳理进展:一是以 AI 赋能量子控制与量子纠错,利用自动微分、 强化学习、大语言模型等方法实现量子最优控制、脉冲序列自动优化、纠错解码与噪声自适应纠错;二是量子学习理论与算法,研究量子机器学习的表达能力、泛化界和样本复杂度,刻画量子态学习、量子过程学习和哈密顿量学习的优势;三是借助量子理论理解、设计神经网络与训练范式,构建从物理理论出发的网络结构与训练动力学框架。报告最后分析当前瓶颈,展望 AI 与量子深度融合在可容错量子计算、新型基础模型上的发展路径。
张潘
中国科学院理论物理研究所
讲者简介:张潘,中国科学院理论物理研究所的研究员,第二研究室主任,从事统计物理、量子物理与机器学习交叉领域的研究,与合作者提出了稀疏态张量网络方法,解决了谷歌悬铃木量子线路的采样问题。他的科研成果获得了2023年国家杰青项目支持,并获得了2023年中国科学院青年科学家奖,以及2022年北京市自然科学奖二等奖。自2023年起,张潘研究员担任《Physical Review Letters》的编委(物理与人工智能领域的DAE)。
报告题目:人工智能与量子计算:量子启发的智能模型、量子硬件纠错与自主校准
报告摘要:本报告将围绕 Quantum for AI 与 AI for Quantum 两个相互促进的方向展开。在 Quantum for AI 方面,张潘将介绍利用张量网络压缩大语言模型的研究进展,并探讨如何结合张量网络与量子线路,构建能够学习图像和文本数据的高效生成模型。在 AI for Quantum 方面,报告将重点介绍基于人工智能与智能体方法的量子纠错解码、误差模型学习,以及面向超导和中性原子等量子硬件的自主校准探索。上述研究旨在将量子物理的结构化表示与人工智能的学习能力相结合,一方面为新型人工智能模型提供量子启发的方法基础,另一方面提升量子计算机纠错、建模与校准的自动化水平,推动量子计算与人工智能的交叉融合。
刘金国
香港科技大学(广州)
讲者简介:刘金国,香港科技大学(广州)先进材料学域助理教授。2017 年在南京大学获理论物理博士学位,随后在中国科学院物理研究所和哈佛大学从事博士后研究。他的研究关注如何用张量网络求解组合优化问题,以及如何将这类问题编码到中性原子量子计算平台上。他也是开源量子计算框架 Yao的主要开发者之一。
报告题目:证据工程:如何让同行信服你的 AI 辅助研究
报告摘要:AI 允许量子领域的科学家们以许愿的方式开发量子软件。开发者可以把一部分编程工作交给 AI,并不意味着生成的程序可以无条件地达到预期。本报告将结合科研和教学中的多个案例,讨论 AI 参与编程之后,现代软件工程发生了哪些变化,以及这些变化对软件开发和研究工作意味着什么。报告设有现场演示环节,主讲人将带大家从量子计算中的一个实际需求出发,用 AI 开发一个小软件,演示现代软件开发规范如何帮助我们专业地开发一个科学计算软件。
冉仕举
首都师范大学
讲者简介:冉仕举,首都师范大学物理系教授、博士生导师,主要从事量子人工智能、量子多体物理、张量网络理论与方法、量子信息与量子计算研究,关注量子启发人工智能及其可解释性,发布学术论文60余篇,出版张量网络相关的专著2部。
报告题目:量子启发的张量网络人工智能新方法
报告摘要:如何借鉴量子物理的思想,在经典计算平台上构建高效、可解释的人工智能方法,是量子人工智能的重要研究方向。本报告围绕张量网络,介绍量子启发人工智能的基本思路与新方法,从高维数据表示出发,阐释张量分解、量子态编码与纠缠的联系,并重点介绍张量混合方法 mixT:借鉴量子多体哈密顿量的局域项求和结构,以重叠局域张量算子的组合替代稠密线性映射,探索大语言模型的结构化压缩。结合典型模型实验,讨论参数与存储开销的降低、压缩后的能力恢复及其随替换深度出现的突变式边界,为理解模型结构与智能表现的关系提供物理视角。
高泽峰
中国人民大学
讲者简介:高泽峰,中国人民大学物理学院副教授、中国人民大学青年英才,入选2026年“高创计划·青年人才托举工程”。研究聚焦AI驱动的功能材料逆向设计与闭环发现、面向科学发现的智能体与垂域大模型、量子与拓扑新材料计算,以及张量网络启发的高效人工智能方法。已在相关领域的国内外学术期刊和会议上发表论文四十余篇,包括ACL、NeurIPS等人工智能重要会议,以及National Science Review、Nature Computational Science等重要学术期刊。其中,基于矩阵乘积算符实现预训练模型过参数化的工作获ACL 2023最佳论文提名;利用AI方法加速交错磁性材料发现的工作入选Web of Science高被引论文和热点论文。近五年主持国家自然科学基金面上项目、青年科学基金(C类)、重点项目子课题,北京市自然科学基金交叉融合重点项目,以及多项横向项目。
报告题目:人工智能时代下物理学的机遇与挑战
报告摘要:人工智能正深刻改变物理学研究:从海量数据中提取规律、加速复杂计算,并参与新材料设计、物理模型构建与科学假设提出。本报告结合报告人在量子物理数值方法、预训练模型压缩及人工智能辅助功能材料发现方面的研究,介绍物理学与人工智能相互促进的两条路径:利用张量网络、矩阵乘积算符等物理思想,降低大模型参数规模与计算成本;借助机器学习、生成模型和智能体技术,加速功能晶体、高温超导候选材料等的预测与设计,推动物理研究由“计算验证”走向“智能发现”。与此同时,人工智能也带来物理规律一致性、模型可解释性、数据可靠性、算力消耗及成果可重复性等挑战。物理学家的核心作用并未削弱,而是更侧重于提出关键问题、注入物理知识、辨别模型结论与建立可信的科学解释。本报告将以具体案例,探讨人工智能如何成为物理研究的新工具、新方法,并逐步发展为连接理论、计算与实验的新型科研范式。
时间:2026年12月18-20日
地址:北京•中国科学院计算技术研究所四层报告厅
报名须知:
1、报名费:CCF学生会员2400元,CCF专业会员2800元,非会员学生3000元,非会员专业人员3600元。食宿交通(费用)自理。根据交费先后顺序,会员优先的原则录取,额满为止。本期ADL为线下活动,请到北京现场参会。(如果有特殊情况,不能到现场参会,可以线上参会,请会前发邮件到adl@ccf.org.cn报备线上参会。线上线下报名注册费用相同。线上会议号将在会前1天通过邮件发送到您在报名系统预留的邮箱。)
2、报名截止日期:2026年12月16日。报名请预留不会拦截外部邮件的邮箱。会前1天将通过邮件发送会议注意事项和微信群二维码。如果届时未收到邮件,请务必咨询邮箱adl@ccf.org.cn。
3、咨询邮箱 : adl@ccf.org.cn
缴费方式:
在报名系统中在线缴费或者通过银行转账:
银行转账(支持网银、支付宝):
开户行:招商银行股份有限公司北京海淀科技金融支行
户名:中国计算机学会
账号:110943026510701
报名缴费后,报名系统中显示缴费完成,即为报名成功,不再另行通知。
报名方式:
请选择以下两种方式之一报名:
1、扫描(识别)以下二维码报名:
2、复制以下链接到浏览器报名:
https://conf.ccf.org.cn/ADL177
返回首页



