這是日本量子計算機的一個重要進展，但算不上世界量子計算機的一個里程碑。

2017年11月27日，NTT、日本國立情報研究所、日本東京大學的研究團隊釋出了一臺名為“量子神經網路”（Quantum Neural Network）的量子計算機。

我們尤其需要注意的一點是，量子神經網路機QNN並不是一臺通用型的量子計算機。 它的計算原理完全是走的另外一條道路——量子退火（Quantum Annealing），與加拿大的量子計算機公司的產品D-wave Systems相似。我們稱之為“量子退火機”（Quantum Annealer）更為合適。因為，QNN只能執行量子退火演算法，只能解決組合最佳化問題。

當然，QNN和D-wave的物理實現技術是很不一樣的。D-wave系統實現量子位元的物理基礎是通電流的超導環，是一種超導量子退火機。而QNN的物理基礎是日本獨創的光纖量子計算技術。這個在光纖中實現量子位元和計算的技術是QNN最重大的技術創新。

我們總結一下QNN的幾個技術亮點：

1）量子位元的實現是基於光脈衝的相位。光脈衝在長1公里的環狀光纖中不斷繞行。

2）QNN可以在室溫下穩定執行，不需要製冷裝置，其能耗僅為1千瓦。而D-wave需要在零下273度左右才能穩定執行。

3）這一代QNN已經可以實現2000個量子位元了。而且這個技術路線的擴充套件性強，下一步目前是2019年3月達到10000個量子位元。當然，QNN的威力不能與2000個量子位元的通用型量子計算機相比。

4）量子退火模型（也稱伊辛最佳化模型）要求機器可以在量子位元層面便捷地程式設計量子位元之間的連線和作用強度。D-wave的一個量子位元只能和相鄰的最多六個量子位元連線，而QNN可以實現量子位元間的全連線。這個優勢讓QNN可以處理更多那些D-wave無法處理的複雜組合最佳化問題。

總的來說，NTT、NII和東京大學聯合研發的Quantum Neural Network都很大的技術突破。特別是相比D-Wave而言，有包括全連線、低能耗在內的很多技術突破。但我們也強調了，QNN只是量子退火機而不是通用型量子計算機。

人類的科技就是在你方唱罷我登場過程中發展的，這對人類的快速發展很有好處。這種發展趨勢或者說發展高潮的到來主角是中國科技的快速發展，也可以說中國引領了這次科技高潮的到來和發展。