研究生想研究量子計算方向，本科應該學物理還是計算機？

12-30

本科準備申請多倫多大學，現在糾結於讀物理還是計算機現已申請了物理系，基於自己還是更喜歡物理而且也覺得非常有趣，gap這段時間也自學了相當一部分物理，數學課程了，主要希望讓自己過去之後學習壓力小一點，大一開始就有機會去實驗室什麼的開開眼界。所以打算過去學習，生活安定下來後自己多了解一下相關的機構還有課程資源什麼的再進一步決定，謝謝大家的回復我都一一仔細看了，前輩們的建議也非常中肯實用，再次表達謝意。
現在已經收到多倫多物理系offer了，一步步走下去吧。

謝邀。

個人感覺最無懈可擊的背景是物理計算機雙學位。

只能二選一的話，

從學術研究角度上來講，還是物理背景更方便。

研究量子計算機，選物理。

研究量子演算法，物理和CS都行。

物理背景也可以在更早地進入這個領域研究。

CS背景的話，需要補充的知識很多，這部分知識對於CS系的學生來說可能還比較消耗精力。

在這個領域發論文的計算機科學家很多，但是真正做出突破性貢獻的似乎主要還是物理學家。

從找工作的角度來講，選CS。

在你畢業前，量子計算機肯定還不能大規模商業化。

雖然研發向的quantum scientist/engineer也有一些公司在招人，但相比CS而言，容量太小了。

選CS也可以進入學術界。

相關: 清華物理系本科生, 計算機輔修+選修部分計算機本系同學的專業課, 現在在 IQC (Home | Institute for Quantum Computing) 暑研, IQC 距離多倫多極近, 如果題主打算在多倫多大學附近找科研機會可能是最佳去處.

首先不比國內, 海外大學生髮展要不受專業限制得多, 所以如果早早有科研打算, 直接去找相關科研機構的導師並且按照導師建議修學課程要比糾結於選什麼系要靠譜.

想做量子比特實現的, 不論理論還是實驗都毫無疑問是物理! 如果做理論第二選擇是數學! 如果做實驗第二選項可以考慮電子. 連學化學都比學計算機距離這行近.

想做量子演算法的, 計算機在我看來也是第二選擇, 第一選擇是數學或者物理!

當然假如你發現有以量子信息為特色之一的項目的, 比如清華姚班這樣的, 那是優先選擇 (雖然做量子比特實現上來看未必比物理系對口, 另外姚期智本人本科也是先拿了物理 PhD 再轉行的 CS)

在 IQC 當然也有一些計算機背景的學生/老師, 但相比物理是少數, 而且由於習慣的術語和符號有區別, 計算機背景如果沒有惡補過物理, 在交流上受限很大.

解釋一下為什麼:

量子計算的研究如果對比電子計算機的話, 現在就好像還在找適合做電路的材料, 而且直到現在還沒有任何優勢足夠說服大家的實現方向, 相當於做經典計算機人們甚至還在糾結應該用電子, 光子, 還是機械結構 (參考 Babbage 的分析機) 計算.

試想對於電子計算機來說 ENIAC 都還沒發明的時候, 人們真的知道計算機軟硬體工程上重要的是什麼嗎? 量子計算也一樣, 現在要不從純數學入手, 去做相當於當年圖靈的可計算理論之類的事情, 要不就從物理入手去做硬體. 其他試圖移植經典演算法到量子體系的工作, 在 CS 方面是偏門, 在物理方面也不被認為是重要的工作.

在計算機專業一不小心就偏向於技術 (比如你一般都要學諸如操作系統，網路結構等大量基於現有技術的知識), 對於做量子計算除了虛無縹緲的啟發思路外, 實在說不上有什麼幫助. 最多在演算法設計上也許對於做量子演算法有思維能力的幫助. 至於演算法知識積累就算了, 畢竟基於完全不同的計算體系, 可供借鑒的實在相當有限. 因此做量子演算法很多時候還不如學數學對於能力鍛煉來的好. 當然國外一些計算機系的培養方向會非常數學, 真的是計算機#科學# 而非計算機技術, 那情況會有所不同.

至於電子為什麼在實驗上優先順序高, 則是因為幾乎所有量子比特實現方案中都會依賴於對於光電信號的精細控制 (從微波到可見光附近的頻段最為常見, 也恰恰是電子專業最拿手的領域之一), 有些方案甚至高度依賴於現在微納電的工藝.

最後, 題主現在還沒讀本科呢, 如果並不確定是不是要做科研... 那還是去學 CS 吧, 畢竟錢多好找工作, 而科研這一行這些年人員過剩幾乎是公認的...

多說兩句. 加拿大的話, 最好的機構應該是 IQC@UWaterloo 和 IQST@UCalgary. 論規模前者甚至不輸美國的絕大多數學校, Scott Aaronson 的 Quantum Computing since Democritus 最早就是他在 IQC 做 postdoc 的時候開的課, UWaterloo 相關的課程體系也幾乎是世界上最全的(比如 QIC 系列). 而 Calgary 是 QIP 2016 的承辦單位(QIP 應該是量子信息/量子計算規模最大的會議了).

畢竟, 有足夠好的 supervisor 和足夠好的 connection 比去讀什麼專業重要得多.

----------------------------------------------------------

量子計算與 CS 相關的 topic 很多啊, 又不是只有 Algorithm.

說深刻的東西的話, 計算複雜性這邊一大堆. CS 導向的那些不算, Hamiltonian Complexity 這些和物理聯繫的深刻程度那不是一點半點. 去年 Simon Institute 相關的系列 Workshop 文小剛和祁曉亮都有 Talk. 還有 Quantum Game 和互動式證明系統與量子糾纏. 幾乎觸及的都是最 fundamental 的問題.

不那麼深刻但是很有價值也有不少, 比如糾錯編碼或者量子線路綜合. 後者現在幾乎是個半工程問題. 再說 Algorithm 涉及的內容也不是那麼 trivial, 雖然 Andrew Childs 這些人當年都是物理的 PhD, 但是現在不少都去 CS 這邊當教授了.

但是話說回來本科讀什麼還是取決於學校, 以及自己的想法. 必要的背景需要找別的途徑補上, 現在應該沒有什麼專業能提供基本足夠的課程資源.

物理+數學比較好，越基礎越好，尤其是打算長期做研究並且有志做比較深刻的問題的人（量子計算量子信息本身是一個非常深刻的領域，不展開說了）。對於這類情況，本科階段最重要的是建立高質量的思維和品味。現代的物理純自學一般不太靠譜，難以堅持，不容易建立起堅實的功底並上升為良好的insight。量子計算相關的研究也很大程度上需要做數學證明，沒有好的數學素養很難做出什麼有意義的東西的。好的數理底子也不光是對做問題本身有幫助，更重要的是可以讓你有能力發掘各種有趣的想法從而對研究保持純粹的興趣及好奇心。這一點的重要性怎麼說都不為過。當然另一個方面是思維不適合基礎研究的話容易及早意識到並另作打算，免得後來墜毀。做一般量子計算需要的cs很容易自學，有數學和物理的功底即學即用不是什麼問題，除了有意quantum complexity的可能要略花點時間適應complexity的語言。

我本科在電子系，專業方向是通信。碩士計算機，專業方向是計算機體系結構。這都是在國內讀的。現在讀博做量子計算，同時混跡於計算機工程和超導量子電路兩個組。現在第一年，感覺剛入門，不輕鬆，但還算開心。

量子計算這個領域很大，不同的研究方向要求的專業技能會有較大的差別。以前量子計算的發展過程中有兩大熱點方向，一個是製造量子比特、量子電路，另一個是研究量子演算法。前一個方向是純物理了，我現在物理組這邊做電路控制相關的工作，結合我們小組和整個大組的氛圍來說，感覺這邊比較偏實驗。需要有較好的物理功底。後一個方向相對來說不那麼偏物理。理解了基本的物理概念之後，基於電路模型，研究怎樣設計量子門來分解複雜的計算任務。感覺有較好的數學功底是有力的工具。

隨著技術的發展，這兩個方向之間的各個領域在被一步一步地填充起來，研究領域也多樣化了。我就自己的了解說一下各個方向所要求的專業能力。本人所知有限，如有不對，還請指正。

量子計算理論基礎：量子圖靈機、量子計算模型等。第一個模型是量子圖靈機模型。等價的模型有電路模型、絕熱模型、量子漫步模型、基於測量的模型（最後一點我不確切）等等。這個偏數學和計算機科學。每種模型對應的量子計算機實現和量子演算法都有很大的不同。D-wave是基於絕熱模型的機器。而主要的研究方向是製造基於線路模型的通用量子計算機。

底層：量子電路的製造。

現在有很多種方式來實現量子比特，比較熱的是離子阱、光子、超導、量子點，等等。其他的方向我不懂，超導這一塊，如何提高量子比特的壽命和魯棒性，如何完成量子計算的各種操作，如測量、量子門等，如何製造可擴展的量子電路是我們組的研究熱點所在。實驗過程中，感覺物理基礎很重要，對相關的電路量子電動力學有較好的理解。我現在一點一點地學習量子力學，感覺還蠻有挑戰的。

向上走：基於物理器件實現量子操作和簡單量子演算法。偏實驗，要求物理基礎。對演算法有簡單的理解即可。

向上走：量子糾錯。量子糾錯在量子計算中非常非常重要。可以這麼說，量子糾錯的實現方式將決定量子計算機的體系結構。這一塊沒有紮實的物理基礎很難真正學懂。這一塊數學也很重要，線性代數是基本的工具，群論很重要，希爾伯特空間是基本的定義域。量子糾錯為可信、可靠的量子計算提供了基本的邏輯量子比特和量子操作。在這層以下都是偏物理的。

向上走：量子指令集。從這裡開始就有些偏計算機了。這個暫時沒有多少人研究。需要以計算機體系結構、微體系結構、編譯器等作為基礎知識。這些可以通過《計算機組成與設計》、《計算機體系結構》和《編譯原理》等課程來學習。

再向上走：量子編程語言。這個純計算機了。感覺這個研究領域的蛋糕沒有其他領域那麼大。

向上走：量子演算法和量子應用。量子演算法這一塊很難，因為量子演算法的設計和傳統演算法的設計方式完全不同。對數學要求比較高。我不知道將物理化學系統的模擬放在這一塊是否合適。量子模擬需要對量子力學、原子模型等理解較深。現在聽講座，經常聽到的就是如何進行哈密頓演化之類的，沒有物理基礎，我聽得都瘋了。感覺很重要。

宏觀上：量子計算機體系結構。這一塊比較偏計算機，也是我的研究方向。對物理的理解越深，當然是越好的。傳統計算機體系結構有助於進行量子計算機體系結構的理解。

總結一下，如下知識會被高頻使用到。

數學：微積分、線性代數、群論、概率論等。其實這些都是基礎課程，在哪個系都是可以學習好的。

信息工程基礎課：高級語言編程，電路原理、數字電路原理等等。編程是讀大學的基本技能，可以根據實際需要學習具體語言，如C/C++, Python, Mathematica/Matlab等。只要你用得多，在哪裡都可以掌握好。我看物理系的編程需求也是蠻強的。電路原理很有用。與物理系大多數的課程不同，這門課更多地從工程的角度來看待問題，關於如何利用簡單高效的方法來求解實際問題。工程思維這點是工科與理科最大的不同了，這個只有在工科環境里多呆才能感受得到。工科思維也是挺讓我大開眼界的，太TM有用了！

計算機：計算機組成與設計、計算機（微）體系結構、編譯器、人工智慧、硬體編程等。計算機（微）體系結構可以通過前面提到的幾門課程來學習，這個要好好學。編譯原理這樣的課程，太計算機了，知道了具體原理就好，反正我是沒學=.=。人工智慧是機器學習的基礎，會涉及很多的搜索演算法，這是現在計算機應用的一個熱點所在。（量子領域的Grover演算法就是因為將搜索演算法的效率從O(N)提高到了O(sqrt(N))，就奠定了量子演算法基礎的半邊天。量子機器學習也是現在的一個研究熱點。）硬體編程感覺會越來越多地出現在量子計算研究過程中。

物理：量子力學、量子電動力學。前導課程一大堆。啊，這個我真不是那麼懂。請高人來指點。

總體來說，如果本科學習物理，打下了紮實的數學和物理基礎的話，以後的選擇性會更多樣一些。因為計算機是比較偏工科的，有了數學基礎就可以很好地跳過來。在物理系中學習需要將一定的經歷投入到工科思維的培養中。但如果是先學計算機的話，再反過來學物理，就感覺不是那麼容易。畢竟如果本科沒有紮實的數學物理訓練，研究生再來學習這些基礎是比較痛苦的。但是這種長期工程思維的訓練，有助於以後在量子計算機體系結構這一塊開展研究。

涉及到工作的話，越是偏底層的研究，感覺越難找到工作，畢竟市場需求有限。而越是偏計算機，工作就越是好找。現在對計算機的人才需求是杠杠的。量子計算現在在一些高校（北美、歐洲）和大公司（IBM、google、微軟、Intel、BBN等）比較火，以後找這個方向的工作相對來說比較偏向這些地方。國內量子通信搞得很牛逼，中科大是老大。量子計算剛起步，主要集中於高校，如中科大、清華、南京大學、國防科大等。

如有不對，還請指正。

謝邀了。都可以。我都見過物理出身，計算機，電子工程出身搞量子計算的。如果你一心想搞量子計算，物理系比較好繼續研究。其他的比較好找工作。

物理，計算機自學比較容易

物理物理物理，我聽見過有cs的prof吐槽另一些cs的prof物理底子不夠就去搞量子計算

UBC 有物理計算機雙學位。也可以考慮一下。

量子計算跟計算機沒什麼關係

物理

物理，計算機可以自學