两人刚走进门，就见实验室内有几人是在白板前讨论。
曹文聪，“我们所涉及的一些问题，很多时候都是在寻求一个最优或近似最优解。方式上有很多，比如说蒙特卡洛模拟，对解空间内的各个随机搜索点进行检验，不断收敛到全局最优；比如说遗传算法，模拟达尔文生物进化论的进化过程，通过遗传算子的组合交叉和编译，从末代最优个体中解码出近似最优；又或者我们实验室做的卧龙，模拟神经网络的学习过程。
而我们刚讨论的量子退火算法，也是为了实现这个目的。”
路舟稍一听，就让曹文聪的话给勾起了兴趣。
何为最优？
以物体识别，不就是找到最合适的分类，找到最像的答案。好比，人脸识别，认出你最像你，确认一个结果。
路舟想了想，九十年代的模拟退火算法他是有所涉猎。它模拟了固体退火的过程并改变数据采样准则，改进了蒙特卡洛模拟的计算效率，再通过“冷却”来控制算法进程。
曹文聪，“量子退火和模拟退火有极大的不同。”
路舟，“”
曹文聪写了些字，随后又道，“模拟退火基于热波动原理，而量子退火则是利用了量子波动来构建优化算法。它先将优化的问题映射为量子系统，函数则映射为势场，决策变量为系统的自由度”
路舟看了看身旁有些尴尬的陆铭，“这进度挺快啊，都发散研究到量子去了？”
陆铭咳了两声，“这个，还是有助于我们推进人工智能研究的。”
路舟像看鬼一样看着陆铭，我信了你个邪。理论基础总得有实际支撑，他可没本事弄出量子计算机来。
陆铭又道，“其实理论已经存在了几十年时间。你可能不太清楚，今年一家海外公司已经宣布成果制成了‘量子退火机’，尽管不是通用量子计算机，但接下来的进程，仍然会很快。
就是不谈物理基础，理论也确实对我们有帮助。”
路舟怔了下，考虑着陆铭所说。
陆铭，“量子力学后，半导体才得以出来，有了经典计算机，才有了互联网。你可以考虑把现在当成第一台计算机出来一样的时代，量子计算机之于它，只有更轰动。”
路舟笑了笑，“行吧。”
“师兄多加快卧龙的进度。之后拿着商业化的部分，我们赚钱了再投入给未来。”