量子计算智能导论教学探索

　　摘要：随着智能信息处理技术的飞速发展，越来越多的学生对量子计算智能导论这门课产生了浓厚的兴趣。我们结合教学实践，将该门课程的教学内容划分为理论型和实践型，注重理论与实际应用相结合，以具体实例引导教学，从而加深学生对理论的理解，进而培养学生的实践能力和科研兴趣。本文介绍了这种教学方法。
　　关键词：智能信息处理技术；量子计算智能导论；教学实践
　　
　　人类正被数据淹没，却饥渴于知识。面临浩瀚无际而被污染的数据，人们呼唤从数据汪洋中来一个去粗取精、去伪存真的技术。而数据挖掘就是从大量数据中识别出有效的、新颖的、潜在有用的，以及最终可理解的知识和模式的高级操作过程，所以数据挖掘也可以说是一个模式识别的过程，因此模式识别领域的许多技术经过一定的改进便可以在数据挖掘中起重要的作用。计算智能(Computational Intelligence-CI)方法是传统人工智能(Artificial Intelligence，AI)的扩展，它是模式识别技术发展的新阶段[1]。
　　科学家预言：“21世纪，人类将从经典信息时代跨越到量子信息时代”。创立了一个世纪的量子力学随着20世纪90年代与信息科学交叉融合诞生的量子信息学，已成为量子信息时代来临的重要标志[2]。量子计算智能导论作为信息科学、计算机科学、智能信息处理、人工智能等相关专业的研究生专业课程，已经在越来越多的高等学校开设。
　　由于量子计算智能是一门跨越包括物理学、数学、计算机科学、电子机械、通讯、生理学、进化理论和心理学等学科在内的深奥科学，因此量子计算智能导论的教学内容和侧重点的安排目前仍处在探索阶段，尤其作为研究生课程如何使得学生在掌握深奥理论的基础上结合实际应用，将理论转化为技术与工具，从而提高动手能力，这是每个研究生专业课任课老师的核心探索所在，因此就要求老师在授业解惑的同时关注前沿，以该学科的前沿领域为教学指引，进而更好的培养研究生主动探索知识的能力。
　　1教材选择
　　一本好的教材为教学起到了画龙点睛的作用，因此教材的选择即是老师对教学内容，教学目标和教学方法的选择。我们选择教材，期望该教材由浅入深、深入浅出、可读性好，具有系统性、交叉性、前沿性等特点。由于量子计算智能导论为全校研究生的专业课程，而量子计算智能是一门多学科交叉的综合型学科，因此我们要考虑到来自学校不同专业背景，以及在物理，数学，工程优化和进化理论基础有限的两难困境，所以首先选择了一本关于量子计算的英文原版书作为教材之一，Michael Nielsen等人所著的《Quantum Computation and Quantum Information》[3]，2003年高等教育出版社出版，该书全面介绍了量子计算与量子信息学领域的主要思想与技术。到目前为止，该领域的高速进展与学科交叉的特性使得初学者感到困惑而不易对其主要技术与结论有综合性的认识，而该书特色在于对量子机制和计算机科学给予了指导性介绍，使得那些没有物理学或计算机科学背景的学生对此也易于接受，为学生提供了详实的关于量子计算的物理原理和基本概念；另外考虑到这门课程面向研究生，无论将来他们是直接就业还是继续深造，都要注重实践动手能力的培养，要能够将自己所学的书本知识转化为技术和工具，去解决实际的工程和科研问题，因此我们还选择了另外一门书，由李士勇教授所著的《量子计算与量子优化算法》[4]，哈尔滨工业大学出版社于2009年出版，该书着重讲解了量子优化算法，为实际工程应用提供了新的思路，并启发大家在量子计算机没有走出实验室的今天，如何利用现有的数字式计算机构造具有量子特性的快速算法。当然考虑到全校研究生的专业知识背景不同，我们也推荐了中南大学蔡自兴教授等编著，2004年由清华大学出版社出版的《人工智能及其应用：研究生用书(第三版)》[5]，该书是蔡自兴为主讲教授的国家精品课程人工智能的配套教材，该本书中系统全面的讲解了高级知识推理、分布式人工智能与艾真体、计算智能、进化计算、群智能优化、自然计算、免疫计算以及知识发现和数据挖掘等近年的热点智能方法，从而辅助学生了解人工智能，以及人工智能如何发展到计算智能，使得学生全面认识学科的发展和传承性，为今后学习量子计算智能打下坚实的理论基础。
　　2教学内容
　　本课程从量子计算的基本概念和原理出发，重点讲解量子计算基础和基本的量子算法；并从量子优化算法拓展开来。该门课程我们安排了46学时，具体安排如下：第1章，量子力学基础(2学时)；第2章，量子计算基础(4学时)；第3章，基本量子算法(4学时)；第4章，Grover量子搜索算法的改进(4学时)；第5章，量子遗传算法(8学时)；第6章，量子群智能优化算法(8学时)；第7章，量子神经网络模型与算法(8学时)；第8章，量子遗传算法在模糊神经控制中的应用(8学时)。
　　3教学方法
　　3.1理论与实践相结合的教学方法
　　量子计算智能导论是一门多学科交叉的综合型学科。选课的同学来自全校，各个的专业背景不同，但是大家的共同需求是一样的，就是从课程中掌握一种用于解决实际问题的工程技术，但是工程技术的掌握也需要理论的支撑，因此我们在教学实践中总结出了一套方法，具体做法是将教学内容划分为：理论型和实践型。
　　理论型教学指的是发展完善的量子计算基本原理和方法。其内容包括：量子位、量子线路、量子Fourier 变换、量子搜索算法和量子计算机的物理实现等。而其中量子位、量子线路以及量子算法都是以量子相对论为基础的，这也是量子计算的本质原理，而较之我们熟悉的数字式计算机和计算方式有着本质的区别。我们在教学中由浅入深，通过PPT授课，采取理论与实例相结合的讲授方式。下面给出了一个我们在教学中的实例：将量子计算问题形象化。具体内容如下。
　　让我们想象一下下面这个问题。我们要找一条穿过复杂迷宫的路。每次我们沿着一条路走，很快就会碰到新的岔路。即使知道出去的路，还是容易迷路。换句话说，有一个著名的走迷宫算法就是右手法则——顺着右手边的墙走，直到出去(包括绕过绝路)。这条路也许并不很短，但是至少您不会反复走相同的过道。以计算机术语表述，这条规则也可以称作递归树下行。现在让我们想象另外一种解决方案。站在迷宫入口，释放足够数量的着色气体，以同时充满迷宫的每条过道。让一位合作者站在出口处。当她看到一缕着色气体出来时，就向那些气体粒子询问它们走过的路径。她询问的第一个粒子走过的路径最有可能是穿过迷宫的所有可能路径中最短的一条。当然，气体颗粒绝不会给我们讲述它们的旅行。但是 量子算法以一种同我们的方案非常类似的方式运作。即，量子算法先把整个问题空间填满，然后只需费心去问问正确的解决方案(把所有的绝路排除在答案空间以外)。这样以来，一个枯燥晦涩的量子算法就被很形象的解释，因此增强了学生的记忆也加深了理解，从而提高了学生的学习兴趣。
　　实践型教学指的是正在发展中的量子计算智能方法的热点问题。其内容包括：量子遗传算法，混沌量子免疫算法，量子蚁群算法，量子粒子群算法，量子神经网络模型与算法，和这些算法在实际工程优化中的应用。这部分内容属于本学科的前沿，但也是热点问题，因此这部分我们在教学中忽略理论推导，重点强调实际操作，在PPT课件中增加仿真实例的讲解；并在课下布置相应的上机操作习题，配合上机实践课程，锻炼学生的动手能力，同时也引导学生去关注这些前沿，从而培养他们的科研素养。
　　
　　为了体现该门课的教学特点，我们在考核方式上，采取考试与报告相结合的方式，其中理论部分我们采取闭卷考试，占总考评分数的40%；实践部分采取上机技术报告考核，内容为上机实践课程布置的大作业，给出详实的算法流程图和仿真结果与分析，占总考评分数的40%；出勤率占总考评分数的20%。
　　3.2科研素养的培养与实践能力的提高
　　科研素养的最核心部分，就是一个人对待科研情感态度和价值观，科研素养的培养不仅使学生获得知识和技能，更重要的是使其获得科学思想、科学精神和科学方法的熏陶和培养。正如温总理说的那样：“教是为了不教，学是为了会学”，当学生将课本内容遗忘后，遗留下来的东西即是他们所具备的科研素养。因此，在教学中，我们的宗旨也是提高学生的科研素养，量子计算智能导论是一门理论和实践紧密结合的学科，该学科的发展日新月异，在信息处理领域的关注度也越来越高。在教学实践中，我们采用了上机实践和技术报告相结合的教学方式。掌握各种量子计算智能方法的原理和流程是这门课程教学的首要任务，因此学生结合各自研究方向实现量子智能算法在实际科研任务中的优化问题求解。在上机实践中，学生不仅要掌握该智能算法的流程而且重点关注学生对
　　自己科研任务的建模，学会系统分析问题，建立合理的数学模型，并给出理论分析。上机实践验收中，我们不但考察其结果展示，更增加了上机实践的技术报告，用来分析模型建立的合理性，从而培养学生对待科研问题的分析素养和建模素养。在技术报告中，我们要求学生给出几种可供参考的建模模型，并分析各自的优势，和选择这一解决方案的依据。由于量子计算智能导论是面向研究生开设的课程，在教学中，我们更佳关注其分析问题的能力，和解决问题的合理性的思考能力，从而培养学生的科研素养。
　　4结语
　　把教学当做一门艺术，是我们作为高校老师毕生追求的目标，如何做到重点讲透，难点讲通，要点讲清，这也是我们多年教学中一直关注的关键点。我们在教学中反对“灌输式”，强调“启发式”，以实际应用先导教学是非常可取的，也收到了良好的效果。量子计算智能导论是一门综合型交叉学科，且面向研究生开设，因此在教学实践中，我们十分重视学生科研素养的培养。通过上机实践和技术报告的形式引导学生积极动手，积极思考。希望这些教学中的点滴供同行们交流探讨。
　　
　　参考文献：
　　[1]