近日，华裔教授姜炜文校友再获量子计算革命性突破，在QuantumWeek上开源了首个量子神经网络设计栈，加速了神经网络在量子计算机上的发展。今年1月，姜炜文校友在《自然通讯》期刊，提出了是第一个神经网络/量子计算协同设计框架QuantumFlow。这也是其一年内，继两篇《自然电子》后的第三篇Nature子刊。
姜炜文校友，2019年博士研究生毕业于重庆大学计算机科学与技术专业，目前是乔治梅森大学助理教授；2017年到2019年，曾在匹兹堡大学电子和计算机工程系参与研究工作；2019-2021年，曾在圣母大学做博士后研究助理。
博士期间，姜炜文校友在国际会议和主要期刊上发表了50多篇研究论文，其中包括10多篇 IEEE/ACM 会刊论文，他在硬件加速和神经网络结构方面的合作研究获得了IEEE TCAD 2021最佳论文，以及 DAC’19，CODES+ ISSS’19和 ASP-DAC’20最佳论文提名。
他在神经网络和并行系统等方面的研究工作引起了业界的广泛关注，得到了美国国家科学基金会国际自然科学联合会的科研基金，与 IBM，Facebook、 Edgecortix inc. (日本/新加坡) 等公司开展了合作研究。
神经网络是当下计算应用中发展最快，使用最广的机器学习算法。然而，随着应用不断复杂化导致网络结构不断扩大，存储性能瓶颈已逐渐凸显。
在传统计算平台上，N个数字比特只能表示1个N位数据，然而在量子计算中，M个量子比特却同时能表示2^M个数据，并能同时操作这些数据。
量子计算机如此强大的存储与计算能力，使其拥有巨大潜能打破神经网络在传统计算平台上的性能瓶颈，获取量子优势。
量子神经网络是根据量子计算机的特性设计的神经网络。具体而言，研究者们根据量子计算机所提供的基本计算单元（即量子逻辑门）进行量子线路设计，以实现神经网络的计算。
该框架第一次展示了通过协同优化神经网络结构与量子线路设计，可以较传统计算机获得指数级加速。
基于QuantumFlow，由姜炜文校友带领的JQub团队在今年10月举行的QuantumWeek’21和ESWEEK’21中，开源了QuantumFlow的量子神经网络编程框架，QFNN。
并在即将召开ICCAD’21，添加了两个新成员：
（1）第一个对噪声感知的量子神经网络训练器QF-RobustNN；
（2）基于不同量子神经元设计的量子神经网络结构设计器QF-Mixer。
至此，第一个开源量子神经网络设计栈横空出世，为量子神经网络应用提供了坚实基础。
JQub团队介绍
姜炜文校友于2021年加入乔治梅森大学并建立了量子-经典计算机辅助设计实验室（JQub）。
该实验室致力于研究神经网络和硬件加速器（包括量子计算机）的协同设计，在量子神经网络方向，JQub与圣母大学史弋宇教授，布法罗大学熊瑾珺教授，以及新墨西哥大学杨蕾助理教授合作。
并在《自然通讯》期刊，量子计算机周（QuantumWeek），嵌入式系统周（ESWEEK），以及计算机设计会议（ICCAD）上发表多篇文章，并进行在线课程辅导（Tutorial）讲座。
