【ABMIC人物专访】郝少刚：AI量子力学为科技前沿领域带来新变革

郝少刚

2019年～今：腾讯量子实验室专家研究员和软件部门负责人，从事材料科学研究与应用研究，基于腾讯云的材料研究平台开发

2016～2019：Google总部，反欺诈广告平台和算法研发，谷歌云平台

2012～2016：ASML硅谷分部，计算光刻学研发

2007～2012：美国能源部Ames国家实验室，合金液体/合金玻璃的结构和动力学性质研究

2001～2006：清华大学物理系，凝聚态物理 PhD

我是郝少刚， 2006年博士毕业于清华大学物理系，师从顾秉林和段文晖。

两位院士，毕业之后在美国能源部做了几年的科研工作后进入企业界。先后在光刻机公司ASML硅谷分部以及谷歌公司工作了几年。于2019年回国并加入了腾讯量子实验室。腾讯目前对于基础科学研究的布局非常长远，投入也是很大的。我们的初衷主要是希望能够助力一些基础科学研究，并且在应用层面也希望能看到有一些东西在比较远的未来有所落地，腾讯希望在这个方向有所发力。我们的发展主要是基础科研与应用侧同时发力，两个方向都会放比较多的资源来做。很具体的东西我们就一边前进一边看。

腾讯量子实验室有一些量子仿真的产品，像第一性原理计算，已经在腾讯云上面推出了，大家利用这个平台可以做一些材料仿真等相关工作。理论方面我们也做一些，就是量子电路，量子线路的一些参数提取等相关的问题。然后在更底层的方面，我们还会对芯片测控的一些仪器等也会有所涉猎。量子是一个比较基础的方向，但是对目前科技发展来说又是一个很新的东西。所以我们在组建团队以及与外界的一些合作等，在很多方面都会遇到一些新的问题，以前没有遇到过的问题，我们都在接受这些挑战，并且努力克服。

人工智能已经在很多行业领域都崭露头角。比如在自然语言处理，图像处理等等方面。在新材料方面，也是最近几年才看到可能应用的方向。它对于材料研发，就像我们传统的做量子仿真，它会有一个瓶颈，就是量子模拟在这个体系达到比较大的时候，可能计算机就做不动了。所以我们可能是时候从数据侧来看待这个问题。因为以前大家常说的第三范式，是从一些基本理论出发进行推导，然后得到一些答案，但是现在我们在积累了很多数据以后，我们能不能从这个数据侧反过来看待这个问题，来加速我们一些基础科学研究或者是对整个问题的一些理解，对机理层面的一些理解。我觉得人工智能其实只是一个工具，就是如何在我们现在已有的工具集里把人工智能加进来，它作为新的工具给我们一个有力的补充。咱们就说机器学习吧，它是建立在一个大数据的基础上。首先在我们这个时代已经有很多很多的数据了。像我们有很多的设备，然后要对环境等等各种问题进行监测，那么监测就会产生很多很多的数据，这种数据是海量地在增长。有了这些数据以后，在这些数据基础上，我们要人为地做一些分析是挺困难的，我们就要训练机器，让机器得到一些模型，然后让机器通过这些模型来对这些数据进行处理，或者分类，或者在这个基础上再对未来的趋势做一些预测，然后来辅助人类进行最终的一些决策。

伴随着计算机就是算力的增强，这个计算机仿真量子仿真的尺度也越来越大，也越来越贴近真实的一些实验场景。所以在这方面都是有长足的进步，因为在量子的这个层面，它对材料的描述是精度最高的。因为它是通过电子的相互作用来看待这个材料。所以对一些材料物理性质的描述和理解，对最底层的机理，材料里面在发生什么，它是具有高度的可解释性，并且是非常值得信任的。所以现在有一个趋势就是很多做实验的老师，他们的组做出来实验，自己都要做一些仿真。然后来对比一下这个结果，然后才能知道为什么是这样。

其实从宏观上面来讲就是一个系统，我们如果不考虑它的微观机理，内部机理的话，你都可以把它当做一个黑盒子来理解。它依赖于很多种外界的参数，最后它体现出某一种行为，它中间的这个函数，我们把它当做一个黑盒子。像这类问题，在一个参数空间里面，你怎么找到一个最优的参数组合能够使其性能达到最优，这是一类比较普遍的问题。也有很多的科研人员长期地把力量放在这个上面，我们小组有同事在这上面也发表过论文，有一定的科研工作。在宏观上，就是如果我们不考虑它里面到底是怎么样在作用。从微观角度来看，如果我们希望尝试去理解，它里面的黑盒子到底是什么？到底有多黑？我们要给它做一个解剖，拿显微镜真的去看一下里面在发生什么的话，那么我们就要深入地在材料、在工艺各种层面来理解这个系统到底是怎么运作的。它底层的那些物理和化学现象是什么？然后我们就可以通过一些比如量子仿真的办法来真正观察到这些过程，跟实验结合来验证这些过程，从而来加深我们对这些系统的（理解）。它为什么会这样，我们就提出来一个问题，然后来回答这样一些问题。

我们希望自己的行动方式更加脚踏实地、务实一些。所以对于目前我们这个集群还有各方面，听到企业界和科研界的一些报告，我们认为我们在第三范式到第四范式过渡的这个范围，就是从基础理论，和数据层面出发，我们现在有很多的实验数据或者理论数据从数据侧结合，从仿真的角度结合机器学习、人工智能，共同来看待这个问题。在这个方面，我们量子实验室可能走得比较靠前一些。