中国计算机大会 听名字确实很高大上，不过貌似咱学校没有什么人想报名。然后听说可以免费参加，这个学期也刚好没什么事，于是就去(da jiang you)了。

Day 1

早上是开幕式和几个比较泛的报告，要求我们都去所以去了，不过好像听的意义不大。

开幕式：懂了，原来CNCC的第一个C不是China而是Cosmic的意思。

第一场是刘明院士关于微电子有关方面科研的观点，大概也切合目前我国芯片产业受制于人的现状。首先是讲述了一些微电子方面的创新性技术，比如从材料和结构上继续改进芯片的性能，像使用更先进的材料和工艺减少电子耗散，改进晶体管和连接线路在立体层面上的布局等。然后分析了芯片产业的现状。鉴于我不懂微电子，所以上述大部分内容没听懂。

后面的一些报告更接近于大会主题，比如5G、物联网、智慧城市等。不过好像听起来没什么意思，举例的一些应用场景也是十分常见的。总的来说没有什么印象。

下午专门给我们开了两个小时的讲座。首先是赞助商滴滴出行的算法工程师来讲业务中用到的各种算法的大致情况。由于内容和听讲的人比较契合，大家也听得饶有兴致。内容上给人的感觉就是几乎所有算法模块，现在多少都要用上机器学习。即使像寻路计算这些看起来经典的问题，改用统计学习的方式能做出更好的效果。另外还请了阿里巴巴的高管来讲，彻底让我们见识了什么叫泛泛而谈，从毫不相关的古代历史说到现代，总之不记得说了什么。

晚上是颁奖会，据说没有以前隆重。几个人发言也是主要表示感谢，没有什么特别的内容。

Day 2

上午去得晚了一些，其实前几个报告和论坛感觉也没多大意思。最后一个论坛《第三代人工智能的发展路径“统计”还是“类脑”》设置得挺有意思，难得在吃饭时间还能坐满人。论坛的几个专家里面，张钹院士比较倾向于传统的发展路线，另外几个目前研究类脑计算的专家则倾向于探索新的发展路线。一方面，人类的大脑可能受到生物进化的限制，也许基于现有电路结构的计算方式已经优于人脑，就好比不再有人能跟计算机挑战谁的记忆力更好或计算更快，探索类脑的结构可能完全是无意义的。另一方面，大脑的复杂性和通用性，强大的推理能力，说明其中还有很多地方值得学习，一直走符号主义的道路可能行不通。

听下来总体的感觉是近期内靠类脑弄出一个大新闻时机尚不成熟，可行性还是很难说。不过如果只是从中找到一些思路去启发改进现有的结构，还是大有可为的。举个例子，比如虽然神经冲动的速率相对于电来说极慢，但是大脑仍用它使用高度并行的方式实现了图像处理。那么能否使用SNN等来实现一个更有效率的结构来处理类似问题?也许在硬件层面上，这些问题会获得更好的解决方案。

中午的伙食不得不说真的好。下午去所里找了一下老师，没去听。据说有个YOCSEF的成果发布会论坛内容很不错，没去听可惜了。

Day 3

上午看起来都没什么好听的，就没去(其实是比较懒233)。下午场感觉还行。

《后量子霸权阶段的量子计算》

感觉这场没什么好听的，就随便选了个听不懂的。主讲的几个教授都是在做量子计算的物理学专家，内容偏向于量子计算的硬件实现。

首先是超导量子计算的最新成果，中科院物理所的团队目前实现了20个量子比特的纠缠，与国际领先的水平(Google，哈佛大学等)持平。此外他们做了大量的物理方面的研究和实验。我们知道目前量子计算的通用性还十分有限，只有部分问题理论上存在量子加速。但是量子计算用于量子系统本身的模拟绝对是经典计算无法企及的，而且对保真度要求不那么高。例如他们使用了量子计算进行了量子多体局域性问题的实验验证。虽然目前这些验证的结果是已知的，因为用经典方法模拟过。但随着量子比特数的增加，有望在一段时间后验证一些目前未知的问题。

基于玻色编码的量子纠错。经典的量子纠错码方案使用多个物理比特制造冗余，组成带纠错的逻辑比特，这种方案理论上可行，但无疑会大大增加电路的复杂性。而这项研究使用另一种方案，使用具有多个量子态单一元件来制造冗余，从而使用高维的希尔伯特空间构造单一比特位。这样每个位自身执行纠错而不使用外部电路。像谐振腔这样的物理器件可作为满足要求的量子比特。当然增加量子态数也会带来错误率和成本上的增加，目前这项工作确实实现了量子纠错，但是还只能接近trade off的平衡点，希望在日后能够有所突破。

然后是量子云计算。一些企业已经推出了免费量子的云端服务，可用于实验和教学。例如IBM的16比特量子云。他们在量子云平台上进行了一系列的实验，例如对量子比特的性能测量、纠错码、量子算法等的实验，发现纠缠数较少时尚可，但达到数个的时候错误率已经难以接受。这些实验大多是验证性实验，不过是在真实的量子硬件上做的，所以必然受到硬件保真度的影响。当然最近的技术发展还比较快，近年来精度有所提高。总的来说目前量子云计算只是作为一个很好的教育平台，将来可能发展出更多形式。

然后是在NISQ系统中量子计算的深度优化(张家琳教授)。目前可用的量子系统都是NISQ系统(中等规模含噪声的量子系统)，它不提供量子纠错，可用的量子比特也十分有限。量子算法的优化需要平衡电路深度和量子比特数的矛盾。这个问题类似于经典算法的时间和空间的trade off。电路深度对应于电路延时，由于量子电路的退相干的影响，时间对有效性非常重要。目前的一个研究成果是给出了CNOT电路深度优化的渐进最优解，并给出了一个构造性的证明。不过现在的设备都具有特定的拓扑结构，在非直接连接的两个比特之间难以直接进行纠缠(需要很大代价)，因此也研究了对特定的拓扑结构上进行深度优化。然后是对一些量子算法的优化，比如Grover算法的优化。虽然Grover算法已被证明是最优的，但前提条件是问题是无结构的。有时已知查找结果会有非均匀的分布，则可以有更好的优化。总结来说电路的拓扑结构是一个不可忽视的问题，需要在设计算法时考虑；另外可在算法层做一定程度的优化，以节约硬件的使用，但能做的十分有限。

《新形式下信息学奥赛的做法》

主讲的是CCF NOI执委会老师和各中学的教练。主要内容是疫情下比赛的组织和羟基计划下的做法。

王宏老师详细介绍了GCJ和TopCoder竞赛的形式和参赛情况，认为这种线上组织形式已经非常成熟，可以作为参考。厦门双十中学教练提到了隔离状态下学生参加oi活动的变化，这种情况下学生的两极分化增加，一些学生可能退出竞赛，另一部分学生可能借助网络资源获得了更好的资源。

然后是强基计划背景下的信息学竞赛的开展。各个教练对强基计划的结果进行解读，并一定程度上表示支持。他们认为，高校既想招收高考成绩高而且竞赛成绩优异的学生，强基计划可以选拔出这类学生。从市场经济的角度来看，这是宏观层面的调控。这些改变对学生的积极性和路线安排影响很大。他们认为，打压竞赛的目的是防止投机取巧的行为。

然后似乎没有更多有用的内容了，比较没意思。