Why is everyone in such a rush?
Walk into any bookstore, and you'll see how to Teach Yourself Java in 7 Days alongside endless variations offering to teach Visual Basic, Windows, the Internet, and so on in a few days or hours. I did the following power search at Amazon.com:
pubdate: after 1992 and title: days and
(title: learn or title: teach yourself)
and got back 248 hits. The first 78 were computer books (number 79 was Learn Bengali in 30 days). I replaced "days" with "hours" and got remarkably similar results: 253 more books, with 77 computer books followed by Teach Yourself Grammar and Style in 24 Hours at number 78. Out of the top 200 total, 96% were computer books.
The conclusion is that either people are in a big rush to learn about computers, or that computers are somehow fabulously easier to learn than anything else. There are no books on how to learn Beethoven, or Quantum Physics, or even Dog Grooming in a few days.

Let's analyze what a title like Learn Pascal in Three Days could mean:

Learn: In 3 days you won't have time to write several significant programs, and learn from your successes and failures with them. You won't have time to work with an experienced programmer and understand what it is like to live in that environment. In short, you won't have time to learn much. So they can only be talking about a superficial familiarity, not a deep understanding. As Alexander Pope said, a little learning is a dangerous thing.

Pascal: In 3 days you might be able to learn the syntax of Pascal (if you already knew a similar language), but you couldn't learn much about how to use the syntax. In short, if you were, say, a Basic programmer, you could learn to write programs in the style of Basic using Pascal syntax, but you couldn't learn what Pascal is actually good (and bad) for. So what's the point? Alan Perlis once said: "A language that doesn't affect the way you think about programming, is not worth knowing". One possible point is that you have to learn a tiny bit of Pascal (or more likely, something like Visual Basic or javascript) because you need to interface with an existing tool to accomplish a specific task. But then you're not learning how to program; you're learning to accomplish that task.

in Three Days: Unfortunately, this is not enough, as the next section shows.
Teach Yourself Programming in Ten Years
Researchers (Hayes, Bloom) have shown it takes about ten years to develop expertise in any of a wide variety of areas, including chess playing, music composition, painting, piano playing, swimming, tennis, and research in neuropsychology and topology. There appear to be no real shortcuts: even Mozart, who was a musical prodigy at age 4, took 13 more years before he began to produce world-class music. In another genre, the Beatles seemed to burst onto the scene, appearing on the Ed Sullivan show in 1964. But they had been playing since 1957, and while they had mass appeal early on, their first great critical success, Sgt. Peppers, was released in 1967. Samuel Johnson thought it took longer than ten years: "Excellence in any department can be attained only by the labor of a lifetime; it is not to be purchased at a lesser price." And Chaucer complained "the lyf so short, the craft so long to lerne."
Here's my recipe for programming success:

Get interested in programming, and do some because it is fun. Make sure that it keeps being enough fun so that you will be willing to put in ten years.

Talk to other programmers; read other programs. This is more important than any book or training course.

Program. The best kind of learning is learning by doing. To put it more technically, "the maximal level of performance for individuals in a given domain is not attained automatically as a function of extended experience, but the level of performance can be increased even by highly experienced individuals as a result of deliberate efforts to improve." (p. 366) and "the most effective learning requires a well-defined task with an appropriate difficulty level for the particular individual, informative feedback, and opportunities for repetition and corrections of errors." (p. 20-21) The book Cognition in Practice: Mind, Mathematics, and Culture in Everyday Life is an interesting reference for this viewpoint.

If you want, put in four years at a college (or more at a graduate school). This will give you access to some jobs that require credentials, and it will give you a deeper understanding of the field, but if you don't enjoy school, you can (with some dedication) get similar experience on the job. In any case, book learning alone won't be enough. "Computer science education cannot make anybody an expert programmer any more than studying brushes and pigment can make somebody an expert painter" says Eric Raymond, author of The New Hacker's Dictionary. One of the best programmers I ever hired had only a High School degree; he's produced a lot of great software, has his own news group, and through stock options is no doubt much richer than I'll ever be.

Work on projects with other programmers. Be the best programmer on some projects; be the worst on some others. When you're the best, you get to test your abilities to lead a project, and to inspire others with your vision. When you're the worst, you learn what the masters do, and you learn what they don't like to do (because they make you do it for them).

Work on projects after other programmers. Be involved in understanding a program written by someone else. See what it takes to understand and fix it when the original programmers are not around. Think about how to design your programs to make it easier for those who will maintain it after you.

Learn at least a half dozen programming languages. Include one language that supports class abstractions (like Java or C++), one that supports functional abstraction (like Lisp or ML), one that supports syntactic abstraction (like Lisp), one that supports declarative specifications (like Prolog or C++ templates), one that supports coroutines (like Icon or Scheme), and one that supports parallelism (like Sisal).

Remember that there is a "computer" in "computer science". Know how long it takes your computer to execute an instruction, fetch a word from memory (with and without a cache miss), read consecutive words from disk, and seek to a new location on disk. (Answers here.)

Get involved in a language standardization effort. It could be the ANSI C++ committee, or it could be deciding if your local coding style will have 2 or 4 space indentation levels. Either way, you learn about what other people like in a language, how deeply they feel so, and perhaps even a little about why they feel so.

Have the good sense to get off the language standardization effort as quickly as possible.
With all that in mind, its questionable how far you can get just by book learning. Before my first child was born, I read all the How To books, and still felt like a clueless novice. 30 Months later, when my second child was due, did I go back to the books for a refresher? No. Instead, I relied on my personal experience, which turned out to be far more useful and reassuring to me than the thousands of pages written by experts.
Fred Brooks, in his essay No Silver Bullets identified a three-part plan for finding great software designers:

Systematically identify top designers as early as possible.

Assign a career mentor to be responsible for the development of the prospect and carefully keep a career file.

Provide opportunities for growing designers to interact and stimulate each other.

This assumes that some people already have the qualities necessary for being a great designer; the job is to properly coax them along. Alan Perlis put it more succinctly: "Everyone can be taught to sculpt: Michelangelo would have had to be taught how not to. So it is with the great programmers".
So go ahead and buy that Java book; you'll probably get some use out of it. But you won't change your life, or your real overall expertise as a programmer in 24 hours, days, or even months.


References
Bloom, Benjamin (ed.) Developing Talent in Young People, Ballantine, 1985.

Brooks, Fred, No Silver Bullets, IEEE Computer, vol. 20, no. 4, 1987, p. 10-19.

Hayes, John R., Complete Problem Solver Lawrence Erlbaum, 1989.

Lave, Jean, Cognition in Practice: Mind, Mathematics, and Culture in Everyday Life, Cambridge University Press, 1988.
http://www.norvig.com/

为什么每个人都急不可耐？

走进任何一家书店，你会看见《Teach Yourself Java in 7 Days》（7天Java无师自通）的旁边是一长排看不到尽头的类似书籍，它们要教会你Visual Basic、Windows、Internet等等，而只需要几天甚至几小时。我在Amazon.com上进行了如下搜索：
　　　　pubdate: after 1992 and title: days and (title: learn or title: teach yourself)
　　　　(出版日期：1992年后 and 书名：天 and （书名：学会 or 书名：无师自通）)
我一共得到了248个搜索结果。前面的78个是计算机书籍（第79个是《Learn Bengali in 30 days》，30天学会孟加拉语）。我把关键词“days”换成“hours”，得到了非常相似的结果：这次有253本书，头77本是计算机书籍，第78本是《Teach Yourself Grammar and Style in 24 Hours》（24小时学会文法和文体）。头200本书中，有96%是计算机书籍。
结论是，要么是人们非常急于学会计算机，要么就是不知道为什么计算机惊人地简单，比任何东西都容易学会。没有一本书是要在几天里教会人们欣赏贝多芬或者量子物理学，甚至怎样给狗打扮。
让我们来分析一下像《Learn Pascal in Three Days》（3天学会Pascal）这样的题目到底是什么意思：

学会：在3天时间里，你不够时间写一些有意义的程序，并从它们的失败与成功中学习。你不够时间跟一些有经验的程序员一起工作，你不会知道在那样的环境中是什么滋味。简而言之，没有足够的时间让你学到很多东西。所以这些书谈论的只是表面上的精通，而非深入的理解。如Alexander Pope（英国诗人、作家，1688-1744）所言，一知半解是危险的（a little learning is a dangerous thing）

Pascal：在3天时间里你可以学会Pascal的语法（如果你已经会一门类似的语言），但你无法学到多少如何运用这些语法。简而言之，如果你是，比如说一个Basic程序员，你可以学会用Pascal语法写出Basic风格的程序，但你学不到Pascal真正的优点（和缺点）。那关键在哪里？Alan Perlis（ACM第一任主席，图灵奖得主，1922-1990）曾经说过：“如果一门语言不能影响你对编程的想法，那它就不值得去学”。另一种观点是，有时候你不得不学一点Pascal（更可能是Visual Basic和javascript之类）的皮毛，因为你需要接触现有的工具，用来完成特定的任务。但此时你不是在学习如何编程，你是在学习如何完成任务。

3天：不幸的是，这是不够的，正如下一节所言。

10年编程无师自通

一些研究者（Hayes、Bloom）的研究表明，在许多领域，都需要大约10 年时间才能培养出专业技能，包括国际象棋、作曲、绘画、钢琴、游泳、网球，以及神经心理学和拓扑学的研究。似乎并不存在真正的捷径：即使是莫扎特，他4 岁就显露出音乐天才，在他写出世界级的音乐之前仍然用了超过13年时间。再看另一种音乐类型的披头士，他们似乎是在1964年的Ed Sullivan节目中突然冒头的。但其实他们从1957年就开始表演了，即使他们很早就显示出了巨大的吸引力，他们第一次真正的成功——Sgt. Peppers——也要到1967年才发行。Samuel Johnson（英国诗人）认为10 年还是不够的：“任何领域的卓越成就都只能通过一生的努力来获得；稍低一点的代价也换不来。”（Excellence in any department can be attained only by the labor of a lifetime; it is not to be purchased at a lesser price.） 乔叟（Chaucer，英国诗人，1340-1400）也抱怨说：“生命如此短暂，掌握技艺却要如此长久。”（the lyf so short, the craft so long to lerne.）
下面是我在编程这个行当里获得成功的处方：


对编程感兴趣，因为乐趣而去编程。确定始终都能保持足够的乐趣，以致你能够将10年时间投入其中。

跟其他程序员交谈；阅读其他程序。这比任何书籍或训练课程都更重要。

编程。最好的学习是从实践中学习。用更加技术性的语言来讲，“个体在特定领域最高水平的表现不是作为长期的经验的结果而自动获得的，但即使是非常富有经验的个体也可以通过刻意的努力而提高其表现水平。”（p. 366），而且“最有效的学习要求为特定个体制定适当难度的任务，有意义的反馈，以及重复及改正错误的机会。”（p. 20-21）《Cognition in Practice: Mind, Mathematics, and Culture in Everyday Life》（在实践中认知：心智、数学和日常生活的文化）是关于这个观点的一本有趣的参考书。

如果你愿意，在大学里花上4年时间（或者再花几年读研究生）。这能让你获得一些工作的入门资格，还能让你对此领域有更深入的理解，但如果你不喜欢进学校，（作出一点牺牲）你在工作中也同样能获得类似的经验。在任何情况下，单从书本上学习都是不够的。“计算机科学的教育不会让任何人成为内行的程序员，正如研究画笔和颜料不会让任何人成为内行的画家”, Eric Raymond，《The New Hacker's Dictionary》（新黑客字典）的作者如是说。我曾经雇用过的最优秀的程序员之一仅有高中学历；但他创造出了许多伟大的软件，甚至有讨论他本人的新闻组，而且股票期权让他达到我无法企及的富有程度（译注：指Jamie Zawinski，Xemacs和Netscape的作者）。

跟别的程序员一起完成项目。在一些项目中成为最好的程序员；在其他一些项目中当最差的一个。当你是最好的程序员时，你要测试自己领导项目的能力，并通过你的洞见鼓舞其他人。当你是最差的时候，你学习高手们在做些什么，以及他们不喜欢做什么（因为他们让你帮他们做那些事）。

接手别的程序员完成项目。用心理解别人编写的程序。看看在没有最初的程序员在场的时候理解和修改程序需要些什么。想一想怎样设计你的程序才能让别人接手维护你的程序时更容易一些。

学会至少半打编程语言。包括一门支持类抽象（class abstraction）的语言（如Java或C++），一门支持函数抽象（functional abstraction）的语言（如Lisp或ML），一门支持句法抽象（syntactic abstraction）的语言（如Lisp），一门支持说明性规约（declarative specification）的语言（如Prolog或C++模版），一门支持协程（coroutine）的语言（如Icon或Scheme），以及一门支持并行处理（parallelism）的语言（如Sisal）。

记住在“计算机科学”这个词组里包含“计算机”这个词。了解你的计算机执行一条指令要多长时间，从内存中取一个word要多长时间（包括缓存命中和未命中的情况），从磁盘上读取连续的数据要多长时间，定位到磁盘上的新位置又要多长时间。（答案在这里。）

尝试参与到一项语言标准化工作中。可以是ANSI C++委员会，也可以是决定自己团队的编码风格到底采用2个空格的缩进还是4个。不论是哪一种，你都可以学到在这门语言中到底人们喜欢些什么，他们有多喜欢，甚至有可能稍微了解为什么他们会有这样的感觉。

拥有尽快从语言标准化工作中抽身的良好判断力。


抱着这些想法，我很怀疑从书上到底能学到多少东西。在我第一个孩子出生前，我读完了所有“怎样……”的书，却仍然感到自己是个茫无头绪的新手。30个月后，我第二个孩子出生的时候，我重新拿起那些书来复习了吗？不。相反，我依靠我自己的经验，结果比专家写的几千页东西更有用更靠得住。
Fred Brooks在他的短文《No Silver Bullets》（没有银弹）中确立了如何发现杰出的软件设计者的三步规划：



尽早系统地识别出最好的设计者群体。

指派一个事业上的导师负责有潜质的对象的发展，小心地帮他保持职业生涯的履历。

让成长中的设计师们有机会互相影响，互相激励。


这实际上是假定了有些人本身就具有成为杰出设计师的必要潜质；要做的只是引导他们前进。Alan Perlis说得更简洁：“每个人都可以被教授如何雕塑；而对米开朗基罗来说，能教给他的倒是怎样能够不去雕塑。杰出的程序员也一样”。
所以尽管去买那些Java书；你很可能会从中找到些用处。但你的生活，或者你作为程序员的真正的专业技术，并不会因此在24小时、24天甚至24个月内发生真正的变化。

在祖国纪念爱因斯坦
(在中国科协举办的纪念世界物理年大会上的讲演）李政道

在祖国纪念爱因斯坦
(在中国科协举办的纪念世界物理年大会上的讲演）

李政道

二OO五年四月十五日

   爱因斯坦生于1879年3月14日，为此中国人民邮政在
1979年发行了阿尔伯特·爱因斯坦诞辰一百周年纪念邮票。

   1905年爱因斯坦发表了五篇文章，其中在他的文献目录中
列出的四篇是：

第一篇是A new method for determining the molecular size
（测量分子大小的新方法），是他的博士论文；
第二篇是Light quantum （光量子） 〔Annalen der
Physick 17, 132〕；
第三篇是Brownian motion(布朗运动)〔Annalen der
Physick 17, 549〕；
第四篇是Special theory of relativity（狭义相对论）
〔Annalen der Physick 17, 891〕。

   联合国教科文组织，为了纪念爱因斯坦，将今年确定为"世
界物理年"。为了纪念上面列出的这几篇里程碑式的文章,并响应联合
国的决定，中国科协和中国物理学会在今年举办"世界物理年在
中国"系列纪念活动。

   今天，能和大家一起在中国纪念爱因斯坦，我感到很荣幸。

   爱因斯坦一生对中国关怀很深。爱因斯坦1922年两次来上
海。因此，中国学者和青年对相对论有高度的兴趣和了解。中国
人民对爱因斯坦也有崇高的尊敬。民国日报（1922年11月15
日）载爱因斯坦到沪后获瑞典正式通告得诺贝尔奖的消息。戴念
祖先生在物理杂志最近一期发表的文章"上海，爱因斯坦及其诺
贝尔奖"对爱因斯坦两次来上海有详细的记录。

   1931年爱因斯坦在美国遇见卓别林（Charles Chaplin）。卓
别林在一般的相片中都是有小胡子的，可是这一次相会时有小胡
子的一位不是卓别林。卓别林对爱因斯坦说：我们两个都是名人，
可是我们出名的原因不一样。我成名，因为随便哪一个人都知道
我在做什么；可是你成名，是因为没有人知道你在做什么。
当然，这是卓别林的幽默。爱因斯坦的成功是因为他了解自然界
的规律，他的理论也符合于整个自然界的演变。爱因斯坦对二十
世纪的科学有极大的影响；很可能他对二十一世纪的科学有同
样，或更大的影响。

    这是去年中国澳门出的邮票：怎样的宇宙？从我们的天文
观察已经知道，我们人类能感知到的常规物质的能量（也就是已
了解部分的宇宙），只占整个宇宙能量的5%或者更小些，其他
95%的能量都不是由我们现在所知的物质构成的。

  地球、太阳和所有我们看得见的星云都是由电子、质子、中
子构成的，其中有一些极、极少数的反物质：正电子、反质子......
可是，像我们知道的这类物质在我们宇宙中仅仅占了不到百分之
五。大多数我们宇宙中的能量是暗物质和暗能量。看不见，也不
知道是什么东西。

   暗物质对所有我们能测量的光、电场、磁场、强作用（核的
能力场）都不起任何作用，可是暗物质有引力场（地心引力就是
引力场）。通过引力场我们知道有暗物质存在，而且，暗物质的
总能量比我们这类物质的总能量要大了五倍，或五倍以上。可是
对暗物质的其他性质，我们完全不知道！

   暗能量的性质更是奇怪，它能产生一种负的压力。爱因斯坦
在廿世纪早期就曾假设过负压力这种性质的存在。后来，因为没
有实验的支持，爱因斯坦就放弃了这一个方向。在裂变和聚变反
应中，反应前后物质的质量有少量的差异。按照爱因斯坦的著名
质能公式  E=mc2 ，这些少量的质量差异能够转化为巨大的能
量。而暗能量可以将物质质量全部消失，完全转化为能量！

    爱因斯坦在二十世纪早期就曾假设过负压力（暗能量）的存在。
后来，因为没有实验的支持，爱因斯坦就放弃了这一个方向。

   最近几年，通过哈勃太空望远镜（Hubble Space Telescope）,
我们发现，我们的宇宙不仅是在膨胀而且是在"加速地"膨胀。
从它膨胀的加速度可以推算出，它是由于一种负压力，也就是暗
能量的存在才膨胀的。而这暗能量的总量占据全宇宙能量的百分
之七十。关于这一个方向，我最近也在做一些新的理论探讨。
这是我在去年在Chinese Physical Letter上发表的一篇文章
"A Possible Origin of Dark Energy"（暗能量的可能来源）。
我的观念是"天外有天"。因为暗能量，我们的宇宙之外可能有
很多的宇宙。

这是另一篇我最近的文章，发表在Nuclear Physics A 750(2005)上，
题目是"The strongly interacting Quak-gluon plasma and
future physics"。这篇文章试探和解释最近美国高能核物理的
新发现和暗能量的关系。观念是"核天相连"。核能也许可以和
宇宙中的暗能量相变相连。

最近，美国布鲁克海文国家实验室由极高能量的100GeV / Nucleon
金核与100GeV / Nucleon金核对撞产生和发现的新的核物质。这种
新的物质，我称为sQGP(强相互作用夸克胶子等离子体)。
这篇文章的目的就是探索sQGP和暗能量的关系。

   暗能量在我们的宇宙中占据了如此重要的位置，而爱因斯坦是最早
提出这观念的，所以爱因斯坦对二十一世纪的科学发展的影响，很
可能比对二十世纪的更大！了解暗物质和暗能量是二十一世纪科学史
的大挑战，我相信我们会胜利的。

    1952年我和杨振宁合作写了两篇统计力学的文章。爱因斯
坦看过之后，请他的助手考夫曼（Bruria Kaufman）来找我们
询问，是否可以和他讨论。我们立刻说，当然可以。我们走到他
的办公室。他的桌子上就放着我们的文章，爱因斯坦说，他看了
这两篇文章觉得很有意思。同时,我看到他面前的纸上写得有很
密的算式，他原来在重复我们的一些计算。爱因斯坦先问关于文
章中所用巨正则系综（Grand Canonical Ensemble）的基础。显
然，他并不熟悉这一观念。这很出我的意外，因为我以为巨正则
系综是为了他1925年玻色－爱因斯坦凝聚（Bose-Einstein
Condensation）的工作而创造的。爱因斯坦又问了我们文章中的
格气（Lattice gas）的细则。他的问题都着重于物理的基本概念。
我的回答使他很满意。他说的英语带有相当重的德国口音，他讲
得很慢。我们的讨论范围十分广泛，也谈了很长时间，约一个多
小时。最后，他站起来，和我握手并且说:"Wish you future success
in physics."(祝你未来在物理学中获得成功)。我记得他的手大，
厚而温暖。对我来说，这实在是一次最难忘的经历。他的祝福使
我深深感动。

   我们的讨论就在这张椅子前。三年后爱因斯坦过世
了，这张照片是在他过世之后一、二天时照的。

   爱因斯坦死于1955年4月18日，今天是4月15日，再过
3天就是爱因斯坦逝世的50周年日。

   我们纪念一百年前1905年爱因斯坦对物理的贡献。

   我们也纪念五十年前爱因斯坦的过世。

   我们更纪念爱因斯坦一生为人类的贡献，为科学献身。

   我们的地球在太阳系是一个不大的行星。

   我们的太阳在整个银河星云系四千亿颗恒星中也好像
不是怎么出奇的星。

   我们整个银河星云系在整个宇宙中也是非常渺小的。

   可是，因为爱因斯坦在我们小小的地球上生活过，我们这颗
蓝色的地球就比其他宇宙的部分有特色，有智慧，有人的道德。

( 相关讲演文件下载：http://tdlee.ccast.ac.cn/talk/ )

 

五光子纠缠和开放目的的量子隐形传态
 量子信息学主要是利用微观粒子作为载体，凭借着量子力学所特有的一些性质：不确定性、相干性、纠缠等，可以完成一些经典的通讯、计算、密码学无法实现的任务。包括，量子密钥分发具有绝对的安全性，量子计算机具有高并行性，因而在解决一些特定的复杂问题中具有经典计算机无法比拟的优势。量子隐形传态6，9可以通过量子纠缠和一个经典信道，完整无误地传送一个量子态，量子密集编码的信道容量是经典信道的两倍等。

    量子纠缠可以说是量子信息最核心部分，几乎所有的量子信息处理过程都与其有关。量子纠缠本来是爱因斯坦等科学家为了证明量子力学的不完备而提出的一种很奇妙的量子概念，而在量子信息学中却成为最重要一种资源，并有着大量的应用：如在量子密钥分发中，基于量子纠缠交换和量子纠缠纯化的量子中继器可以克服长距离所带来的噪声和消相干；量子计算机本身的启动就需要大量的量子纠缠源[8]，而运行过程中更是需要大量的基于量子纠缠的量子纠错过程；量子隐形传态和量子密集编码是基于量子纠缠而提出的概念。

    量子纠缠是发生在多个微观粒子之间的一种物理现象，是指不论粒子间距离多远，一个粒子的态都是与其它粒子的态相关联的，信息大部分都蕴涵在粒子之间的相互关系上，对一个粒子的测量会影响到其它粒子的态，粒子之间不论相距多远，从根本上讲它们还是相互联系的。

    众所周知，经典信息处理的最基本单元是比特(Bit，即二进制数0或1)。一个按照一定数学规则给出的随机二进制数据串就构成一个密钥，经典通信中信息的安全性依赖于数学问题求解的复杂性, 因而经典密码也就不可能绝对保密。然而，基于量子力学线性叠加原理和不可克隆定理的量子密钥分配却可以解决这个问题。另外，经典计算中存在着一大类NP问题(难解的非指数问题)，即问题的复杂度随着比特位数的增长而指数上升。这类问题在经典计算机上求解非常困难，但是量子计算可以把其中的一部分NP问题变成P问题(容易求解的指数问题)，即问题的复杂度随着比特位数的增长以多项式上升。这类问题原则上是可以计算的。一个具体的例子就是大数分解定理，按经典计算复杂性理论，这个问题不存在有效算法，所以被利用来进行经典密钥分配。但是如果用量子计算机，使用Shor量子算法，这个问题就变成了P问题。例如，为了对一个400位的阿拉伯数字进行因子分解，目前最快的超级计算机将耗时上百亿年，这几乎等于宇宙的整个寿命；而具有相同时钟脉冲速度的量子计算机只需要大约1分钟。因此，对于目前的密码系统，即使人们几乎无法利用经典算法对其进行破解，但一旦人们拥有了一台量子计算机，那么目前的密码系统将毫无保密性可言!这一后果是对目前的密码系统的巨大挑战，因而对基于经典保密系统的行业(如军事、国家安全、金融等)的信息安全构成根本的威胁。因此，为了保证这些领域的信息安全，也为了拓宽人类对微观世界的认识，发展量子信息学刻不容缓：一方面，开发由量子力学基本原理保证其保密性的量子密码系统，另一方面，研制按照量子力学基本原理运行的量子计算机。为此，世界很多国家都投入了巨大的人力和财力积极地进行相关研究。

    如上所述，量子信息学有着很重大的应用价值，如果实现，将是人类生产力的又一次飞跃。 由于在量子计算中存在着不可避免的噪声, 为了能实现量子计算,需要采用量子纠错技术。理论研究表明，普适的量子纠错需要5个或者更多的粒子的纠缠技术[1，2]。在1999年，潘建伟和他在奥地利的合作者们第一次在实验上制备了3个粒子的纠缠[5，7]，随后在2000年，他们又制备了4粒子的纠缠态[3，4]，并用它们验证了量子力学与定域实在论的矛盾。为了达到5粒子纠缠这一目标，在技术上面临着巨大的挑战。虽然对五光子纠缠的制备及操作的方案在理论上非常明确，但是它的实验实现非常难，迄今为止，自发的参量下转换(SPDC)依旧是最好的纠缠光子源，而且在最近的一些实验中仍被用来作为最基础的纠缠源。然而，由于参量下转换的必然性，导致五光子实验中5体符合计数会非常非常的低。

    同时，在多粒子量子通讯以及量子计算中有个至关紧要的极具挑战性的实验——开放目的的隐形传态，在所谓的开放目的的隐形传态中，一个未知的单光子态将会被传送到一个N粒子的相干叠加态上，以证明分布式的量子信息处理，接下来，通过对其中N-1个粒子做一定方向的投影测量，原来的这个被传送的未知量子态可以在N个粒子的任何一个粒子上被读出。

    我们首次报道了在实验上五光子纠缠跟开放目的的隐形传态的原则上实现[10]。在实验中，我们用两对极化纠缠的纠缠光子对来制备一个4光子纠缠态，然后与一个合适亮度的单光子态交迭在一起以得到我们想要的态。为了克服5体符合计数的困难，我们首先在制备高亮度的4光子基础上，进一步改进探测效率，我们可以在合理的时间内收集到足够的实验数据以验证五光子纠缠的存在。

    我们的实验取得了以下的创新性成果：

    (1) 首次实验实现五光子纠缠(如图1)。为了证明五光子GHZ态已经被成功制备，我们在H/V基矢下对32种可能的组成成分做测量，实验结果表明其信噪比平均为40∶1，这证明了在实验的精度下只有我们所希望的HHHHH与VVVVV的成分存在(图1a)；为了进一步验证两种成分确实是相干叠加在一起的，我们对5个光子在+/-基矢下做符合测量，在Delay2在0延迟的情况下两种组合成分+++++与++++-的计数关于Delay1的位置的关系曲线说明了这5个光子确实是五光子GHZ纠缠态(图1b)。

    (2) 首次用和五光子纠缠同样的装置实现了开放目标的隐形传态。我们首先制备了4个光子(2，3，4和5)的4体纠缠。将输入的光子1和纠缠态中其中一个光子(光子2)做一个贝尔测量。在随后的实验中，经过适当的操作，光子1的量子态会隐形传输到剩下的3个光子(3，4，或5)中任意一个指定的光子上。在实验中, 对输出的两个出口3、4的光子做45度的投影测量，光子1的量子态会传输到光子5上；同样，对输出的两个出口3、5的光子做45度的投影测量，光子1的量子态会传输到光子4上；对输出的两个出口4、5的光子做45度的投影测量，光子1的量子态会传输到光子3。 为了演示开放目标的隐形传态对光子1的任意态都能工作，我们选择传送45度线性偏振│+〉与│〉, 以及椭圆偏振右旋│R〉与左旋│L〉状态。在实验中，每次测量的时间为10小时，在极化分析测量中，我们所希望得到的5体符合在0延迟时最高计数率约为100的同时最低的计数率约为20，每个点的测量时间均为10小时。我们来看将光子1传送到光子5或者光子4的保真度，我们分别将+/-线性偏振、R/L的圆偏振做光子1的初始状态作隐形传态的测量，对应的保真度参见表1，从中我们可以看到所有观测到传送的保真度(≈0.80±0.04)远远高于经典2/3的限制，从而验证了开放目标的隐形传态。

    我们的五光子纠缠以及开放目的的超空间传送实验实现的意义是相当深远的。首先，我们的工作是第一次在实验上成功地操纵了5体纠缠态，这是普适的量子纠错所需要的最少的粒子数；其次，开放目的的超空间传送的实现打开了分布式量子信息处理的各种新的可能性；最后，我们的实验技术可以在实验上重新对很多量子方案进行验证，比如比特翻转的量子拒错以及量子计算中最常用的非破坏的控制非门。

    Nature杂志称赞说，"尽管五粒子纠缠以及终端开放的量子隐形传输的实现非常困难，但是中国科技大学的潘建伟教授和他的同事们完成了这一壮举，他们的实验方法将量子计算和网格化的量子通信中有重要的应用"

漫谈量子信息学

    量子信息学是近年来快速成长的领域，自第一台电子计算机问世以来，构想能够超越传统所谓图灵机的计算模型，便是许多科学家努力的梦想。第一位提出此概念的是美国阿冈国家实验室的Paul Benioff，认为利用量子物理的二能态系统模拟数位0与1，可以设计出更有效能的计算工具。此概念稍后又经Feynman的引深，使得有更多的物理学家注意到量子力学与计算科学之间的关联。直到1985年，在英国牛津的物理学家David Deutsch发表的一篇论文，量子图灵机才正式开始具有数学形式。

   到了1994年，Bell实验室的应用数学家Peter Shor，于当年IEEE基础计算理论年会发表突破性工作一快速整数因数分解方法，量子计算的潜在应用便迅速引起广泛的注意。因为如果能对任意极大的整数快速作因数分解，就可以破解目前普遍采用的RSA密码系统。以传统已知最快的方法对整数N做因数分解。其计算的复杂度(Complexity)是此整数位数(log N)的指数f数;因此难以突破的巨量计算复杂度，保证了密码系统的安全性。Shor的方法却可将此复杂度降为多项式函数(虽然仅是概率性的)，使得快速破解RSA密码系统成为可能。此工作所引起的震撼不难想象，自1994年后有关量子计算、量子通讯或所谓量子信息学的论文便急速增加。目前在美国、欧洲、日本以及国内，已经有许多专为此新领域而成立的研究机构。

   在奥地利维也纳大学从事合作研究的中国科技大学教授潘建伟博士及其同事最近在量子信息领域取得重大突破，英国《自然》杂志5月22日以封面文章的形式作了报道。那么，什么是量子信息呢？

    建立在20世纪物理学支柱之一的量子力学基础之上的量子信息学，是一门利用微观粒子的量子力学原理来解决经典信息学和经典计算机所不能解决的问题的学科，因此量子信息学是量子力学和信息学的交叉科学。量子信息学最重要的两个应用方向是量子通信和量子计算。由于其潜在的应用价值和重大的科学意义，量子信息学作为最近十几年来迅速发展起来的新兴学科，正在引起各方面越来越多的关注。

    也许有人会问：量子力学的原理在很久以前就被物理学家们广泛接受并成为物理学的基础，那为什么信息理论和计算理论的这个新发展却没有早些到来呢？这或许是因为信息理论和计算理论的奠基者们，比如香农、图灵和冯·诺伊曼，过于习惯于把信息处理考虑成宏观过程，而在他们之前也没有出现不断变小的微电子器件等这样有力的例证表明信息的处理可以是微观的过程。

    大家知道，经典信息处理的最基本单元是比特(Bit，即二进制数0或1)。一个按照一定数学规则给出的随机二进制数据串就构成一个密钥，经典通信中最难解决的问题是密钥分配问题。由于密钥分配不是绝对保密的，经典密码也就不可能绝对保密。然而，基于量子力学线性叠加原理和不可克隆定理的量子密钥分配却可以解决这个问题。另外，经典计算中存在着一大类NP问题(难解的非指数问题)，即问题的复杂度随着比特位数的增长而指数上升。这类问题在经典计算机上是不能计算的，但是量子计算可以把其中的一部分NP问题变成P问题(容易求解的指数问题)，即问题的复杂度随着比特位数的增长以多项式上升。这类问题原则上是可以计算的。一个具体的例子就是大数分解定理，按经典计算复杂性理论，这个问题不存在有效算法，所以被利用来进行经典密钥分配。但是如果用量子计算机，使用Shor量子算法，这个问题就变成了P问题。例如，为了对一个400位的阿拉伯数字进行因子分解，目前最快的超级计算机将耗时上百亿年，这几乎等于宇宙的整个寿命；而具有相同时钟脉冲速度的量子计算机只需要大约一分钟。因此，对于目前的密码系统，即使人们几乎无法利用经典算法对其进行破解，但一旦人们拥有了一台量子计算机，那么目前的密码系统将毫无保密性可言!这一后果是对目前的密码系统的巨大挑战，因而对基于经典保密系统的行业(如军事、国家安全、金融等)的信息安全构成根本的威胁。因此，为了保证这些领域的信息安全，也为了拓宽人类对微观世界的认识，发展量子信息学刻不容缓：一方面，开发由量子力学基本原理保证其保密性的量子密码系统，另一方面，研制按照量子力学基本原理运行的量子计算机。为此，世界很多国家都投入了巨大的人力和财力积极地进行相关研究。

    如上所述，量子信息学确实有着很重大的应用价值，如果实现，将是人类生产力的又一次飞跃，迄今为止，科学家还只能实现由少数几个计算单元的量子计算机；基于单光子的量子密码实验已经可以达到100公里的量级。但是要进行实用的、长程的量子通讯还需要更多的努力。在这方面，潘建伟博士及其合作者分别在奥地利和中国科技大学进行的实验研究为未来的量子远程通信提供了重要的基础。

    在量子远程通信方面，因为光子具有速度快和环境耦合小，并且光纤传输技术比较成熟等优势，所以实现量子密钥分配和量子通信一般使用的载体是光子。使用光子做密钥分配一般有两种方法，第一种是利用单光子极化编码，把随机信息赋予单光子的极化，根据量子不可克隆定理，使用经典通信的方法可以保证绝对的防止窃听。但在实际应用中，因为噪声的存在和环境对光子的吸收，导致光子数呈指数衰减，所以远程通信势必要求高亮度的单光子源，在现有的技术条件下是不现实的。另外一种是利用纠缠源来做密钥分配，根据量子纠缠的特性，窃听者利用局域操作无法得到任何信息，并且，产生密钥的双方可以通过测量贝尔(Bell)不等式的方法来判断是否存在窃听。在理论上，这种方法也是绝对安全的。而且这种利用纠缠对的量子密钥分配方法在远程通信过程中可以设立很多中继站，利用纠缠交换的方法，可以让光子衰减变成线性衰减，这样就可以克服单光子密钥分配的缺点，纠缠交换操作已由潘建伟及其合作者于1998年在实验上实现。但是这种利用纠缠的方法也有很重要的缺陷，就是纠缠对在传播的过程中与环境相互作用，会有量子消相干效应，导致纠缠度和纯度的下降，使远程通信不能实用。解决消相干效应最有效的方式是量子纠缠纯化，即从几对纠缠度和纯度都很低的量子纠缠对中提取一对纠缠度和纯度都符合量子密钥分配要求的纠缠对。把纠缠纯化和纠缠交换结合起来，我们就得到了量子中继站。有了中继站，基于纠缠对的量子远程通信才能最终实现。

    由此可见，量子纠缠是量子信息处理的一种基本的"资源"，通过消耗这种资源，人们可以完成经典信息处理无法完成的任务(如绝对保密的通信)。量子信息处理的基本任务之一就是获得高品质的量子纠缠资源，其办法就是量子纠缠纯化。

    量子纠缠纯化的思想和第一个实验方案是美国科学家贝内特及其合作者于1996年提出的。在这之后，出现了一系列关于纠缠纯化的方案，但是基本上所有的方案中都需要可控非门(Controlled-NOT)操作或者其他类似性质的量子逻辑操作。而现有的实验技术实现的可控非门操作都无法满足量子通信和量子计算的要求。近来，在由美国、日本以及我国科学家完成的一些实验中，人们使用纠缠浓缩和定域过滤的手段克服了一些特殊的消相干过程，纠缠浓缩由潘建伟及其中国科大的同事与日本科学家几乎同时独立实现。但是，贝内特等人1996年提出的能对任意一般未知混态进行纯化的方案却一直无法实现，因此量子纠缠纯化中最基本的问题仍然没有得到解决。

    2001年，潘建伟与其在奥地利维也纳大学的合作者发现了使用线性光学器件和参量下转换产生的纠缠对可以实现贝内特等人1996年的原始思想，即对任意一般的未知混态进行纯化。并且因为线性光学器件本身具有出错率小和条件成熟的特色，这种纯化方案是可行和高效的，一经提出，就受到了量子信息界的重视，该理论文章于2001年4月发表在英国的《自然》杂志上。经过两年的艰苦努力，潘建伟及其同事终于在最近首次实现了对于一般未知量子混态的纠缠纯化。该实验工作得到了科学界的广泛重视，今年5月22日，《自然》杂志以封面文章的形式报道了这项研究成果。

    除了任意一般态的纠缠纯化外，本实验还有其他一些意义。首先，在纠缠纯化过程中，相当于实现了一个成功概率为25%的可控非门，这就为线性光学量子计算提供了一种逻辑门的实现方式。其次，在实验中发展的路径极化纠缠技术也可以用在实现两体高维纠缠态、量子非定域性检验等方面。最后，特别值得一提的是，潘建伟与其在中国科技大学的同事们利用相同的技术已经于最近成功地在实验上实现了量子中继器。有理由相信，量子中继器的实现将为远距离量子通信的最终实现打下坚实的基础。

    目前，美国、欧洲、日本等发达国家在量子信息研究方面处于领先地位。值得自豪的是，近年来，我国科学家不断地在量子信息领域取得重要进展，使我国这一重要新兴科学领域在世界上占有了一席之地。