随着量子计算从技术验证走向行业渗透，专用量子计算与AI的融合正成为驱动计算范式变革的新引擎。当前，全球量子科技竞争已进入“技术突破向价值创造转型”的关键阶段，专用量子计算在金融、生物医药、人工智能等场景的应用成效正加速显现。在“十五五”规划明确要研制可容错的通用量子计算机和可扩展的专用量子计算机双轨并行发展的大背景下，专用量子计算与人工智能的深度融合正成为推动计算范式变革的重要引擎。

北京玻色量子科技股份有限公司作为国内专用量子计算的代表企业，将负责承办CQCC2026大会下设立的【专用量子计算+AI应用】论坛，本分论坛聚焦“专用量子计算与人工智能融合，赋能千行百业”，旨在搭建学术界与产业界的深度交流平台。论坛将邀请量子计算、AI及行业应用领域的专家学者与创新实践者，围绕专用量子计算赋能AI的真实案例、工程化进展及未来趋势展开研讨。通过主题演讲与案例分享的形式，系统展示专用量子计算在AI加速、复杂系统优化、科学计算智能化等方面的突破性进展，推动专用量子计算与AI行业应用协同创新，助力我国在专用量子计算赋能AI应用上抢占发展先机、构筑竞争优势。

文凯博士，北京玻色量子科技股份有限公司创始人，CEO，同时担任粤港澳大湾区（广东）量子科学中心PI研究员。

清华大学本硕，美国斯坦福大学电子工程系博士，师从龙桂鲁教授和量子光学和量子信息泰斗Yoshihisa Yamamoto（山本喜久）教授。文凯博士在相干量子计算方向上做出了开创性的成就，成为该领域在全球范围内首位博士，发表多篇顶级论文和专利。

文凯博士于2020年创立玻色量子至今，聚焦实用型量子计算设备研发，致力于专用量子计算机的工程化实现与应用探索。五年来已实现了四次技术飞跃，先后已实现并发布100、550、1000量子比特专用量子计算机及国内首个突破千比特规模的可扩展专用量子计算机驭量·山海1000，并在金融、交通、通信、生物医药等领域成功开展应用探索与真机验证。

张金兰，博士，研究员，博导，中国医学科学院药物研究所药物分析研究室副主任（主持工作），北京协和医学院药物分析学系副系主任。主要从事药物分析新技术新方法研究与应用，支撑创新药的质量分析与代谢研究，靶点发现与机制研究。牵头承担国家自然科学基金面上项目、国家重大新药创制专项、国家重点研发计划、北京市自然科学基金重点项目等国家和省部级项目。入选教育部新世纪优秀人才计划，获得全国三八红旗手称号。

报告主题：专用量子计算驱动解析双环醇治疗药物性肝损伤机制

摘要：双环醇是源于中药五味子的天然产物原创新药，是指南与专家共识推荐临床治疗药物性肝损伤的主要药物，特别是在结核病与肿瘤化疗药物肝损伤治疗中发挥了重要作用。已有的双环醇作用机制研究揭示其通过缓解氧化应激、抗炎、保护线粒体发挥肝保护作用。我们开展了双环醇单细胞转录组、蛋白组学与代谢组学研究，并将单细胞转录组学数据进行基于专用量子计算的生物统计学分析，探索从能量角度解析双环醇治疗药物性肝损伤的负熵特征，调控的关键分子与通路。研究结果表明基于专用量子计算的组学数据分析，能够更加系统性，从分子、细胞与能量多维度发现双环醇的作用机制，以及作用的时序与因果，湿实验验证也很好的验证了基于量子技术的生物分析提示的潜在机制。基于专用量子计算驱动的药物作用机制具有重要的应用前景与价值。

司同博士，中国科学院深圳先进技术研究院合成所研究员，博士生导师，所长助理，国家重点研发计划“合成生物学”专项首席科学家，深圳合成生物研究重大科技基础设施总工艺师。清华大学化生基科班本科，美国伊利诺伊大学香槟分校化工系博士。课题组关注自动化合成生物技术和设施平台，以及在生命起源、合成细胞、生物制造等研究方向的应用。前期成果在Nat Commun, JACS, Angew Chem, Nat Biotechnol等学术期刊发表论文60余篇，“谷歌学术”引用超4200次，H因子31。任《ACS Synth Biol》《合成生物学》《中国生物工程杂志》期刊编委或青年编委，中国微生物学会古菌学专委会委员，中国生物工程学会合成生物学分会委员，获国家级、广东省、深圳市等青年人才称号。

报告主题：量子人工智能与合成生物制造

摘要：合成生物制造面向酶催化、蛋白设计、代谢通路优化和功能分子创制等关键环节，普遍面临高维组合空间巨大、实验筛选成本高、结构—功能关系复杂和设计效率不足等挑战。专用量子计算凭借其在复杂优化、概率采样和高维能量空间建模方面的潜在优势，为合成生物设计提供新的计算范式。本报告将围绕专用量子计算赋能合成生物制造的应用探索，重点介绍基于量子玻尔兹曼机的蛋白从头设计方法，通过构建蛋白序列、结构与功能之间的能量表征模型，实现高潜力分子空间的高效采样与优化搜索。

孙鎏炀，研究员、博士生导师，现任中国科学院上海微系统与信息技术研究所传感器技术全国重点实验室副主任，入选中国科学院百人计划青年项目、上海市领军人才。先后获得南京大学物理学学士、硕士学位，美国德州大学奥斯汀分校物理学博士学位，并在美国莱斯大学从事博士后研究。长期围绕二维光电材料、柔性微纳器件与微纳神经界面开展研究，开创了超表面调控能谷自由度技术，致力于在微纳尺度下解析多物理场与神经细胞的相互作用机制，发展面向脑科学前沿探索与脑疾病临床诊疗的新型工具。已发表学术论文30余篇，包括 Nature Photonics、Science Advances 等国际高水平期刊。

报告主题：脑机接口与专用量子计算

摘要：本报告围绕“专用量子计算与脑机接口”主题，介绍脑机接口产业发展趋势、核心算力瓶颈及专用量子计算赋能神经解码的创新路径。脑机接口作为前瞻性未来产业，正处于快速发展阶段。随着电极通道数不断提升，神经信号采集规模快速增长，传统计算架构在实时解码和低延迟响应方面面临挑战，算力已成为制约脑机接口系统性能提升的重要因素。

针对上述问题，报告将重点探讨专用量子计算在神经解码中的应用思路，即利用专用量子计算机的物理演化特性，将神经解码过程转化为能量弛豫与稳定态收敛过程，从而实现低延迟、高并行的神经信号处理。未来，专用量子计算有望为脑机接口在实时交互、高通量信号处理和系统规模化扩展方面提供新的技术支撑。

饶梓元，上海交通大学副教授。博士毕业于德国亚琛工业大，曾在德国马克斯·普朗克钢铁研究从事博士后研究及担任课题组负责人。2024年7月回国加入上海交通大学材料科学与工程学院。长期从事人工智能驱动的材料科学研究，近年来在高熵合金等前沿领域取得了一系列重要成果。已在《Science》等国际知名期刊发表论文40余篇。

报告主题：专用量子计算赋能合金研发：主动学习闭环加速材料设计的实践探索

摘要：高熵合金因其巨大的成分空间和复杂的成分-结构-性能关系，为先进材料设计提供了广阔机遇，但传统实验试错和数据驱动方法仍面临组合空间搜索效率低、有限数据利用不足等挑战。我们以高熵因瓦合金为研究对象，验证了量子强化逆向设计框架在热膨胀系数预测与高性能合金探索中的有效性。通过五折交叉验证实验，量子强化高斯过程回归模型在不同训练条件下均表现出优于传统高斯过程回归、神经网络及树模型的预测性能，其中基于模拟退火求解器的模型获得最低预测误差，MAE和MAPE分别达到1.1299和16.0759。结果表明，量子强化采样与量子辅助样本选择能够有效提升小样本材料建模效率，为复杂合金体系的智能逆向设计提供新的技术路径。

徐一骏，东南大学青年首席教授，博士生导师，国家级青年人才，IEEE 高级会员，曾任美国弗吉尼亚理工大学研究助理教授。主要从事量子计算、不确定性分析等领域的研究。近年来主持国家自然基金优秀青年基金（海外）、2030智能电网国家科技重大专项课题、江苏省自然基金及国家电网科技项目等项目。发表学术论文100 余篇，其中 SCI 期刊论文 60 余篇，第一/通信作者 IEEE Trans 论文 35余篇，担任 IEEE PES 电力系统不确定性量化和决策工作组共同主席。担任 SCI 期刊 IET GTD、IET RPG 编委，担任《发电技术》编委、《电力系统保护与控制》青年编委。获 IEEE PES 年会最佳论文奖。

报告主题：面向新型电力系统的专用量子计算关键技术研究

摘要：面对新型电力系统中高比例新能源接入带来的复杂性与实时性挑战，本报告聚焦专用量子计算在电力领域的变革性应用，系统探讨量子仿真、量子优化及量子机器学习三大前沿方向。核心内容包括：利用量子仿真技术突破经典算力瓶颈；通过量子优化算法提升大规模电力优化问题的求解效率；结合量子机器学习实现数据特征的高效提取。报告揭示量子优势在实际电力场景中的实现路径，为构建安全、高效、智能的新型电力系统提供专用量子计算解决方案。

于华明 中国海洋大学 教授/博导，国家一流课程负责人，海南省科技领军人才，青岛市科技领军人才，双聘中国海洋大学三亚海洋研究院教授、自然资源部第四海洋研究所研究员，兼职利物浦大学荣誉教授。主要从事近海动力学及其生态效应研究、海洋数值同化与预报、AI海洋学研究、量子海洋计算等科研工作，开发了广泛应用的海洋模拟器isea.cn。

作为项目负责人承担国家自然科学基金、国家重点研发计划、全球变化专项、国家软科学课题、国家海洋可再生能源专项、科技服务与科技研发等可研项目，研究成果接受中央电视台科教频道专访。在国际权威期刊发表论文100余篇，出版专著6部，其中英文专著1部，软件著作权20余项，国家发明专利10余项。研究成果获得中国产学研合作促进奖、海洋工程科学技术奖一等奖2项、海洋科学技术奖二等奖、自然资源科技奖二等奖、中国地理信息产业优秀工程奖、海上风电优秀运维奖、山东省大数据科学技术奖等。

报告主题：“海洋预测-风电统优” 量超智算及应用研究

摘要：本报告重点介绍专用量子计算在海洋气象预测、海上风电保障与海洋智能决策中的应用探索。面向气候变化背景下海上风电核心海域风能预测、海况风险研判、运维安全保障和电能统筹分配等需求，报告将重点探讨基于伊辛模型、玻尔兹曼机和量超融合计算框架的技术路径，推动气象与海洋多源数据重构、资料同化、精准预测和数字孪生等关键环节的计算效率提升。相关探索有望进一步提高海洋气象数据处理速度和关键预报精度，为海上风电从经验管理向数据驱动、风险感知和智能决策转型提供新的算力底座与方法支撑。

翁恺文，现任上海市酉术量子科技有限公司量子算法工程师，主要关注量子优化算法、物理信息神经网络以及流体力学数值计算之间的交叉应用。当前研究兴趣包括 PINN 在偏微分方程求解中的训练稳定性与精度提升以及量子启发式优化算法在流体计算自适应采样、配点选择和流场重构等问题中的应用。

报告主题：基于 QUBO 的 PINN 自适应配点选择及流体应用

摘要：本报告介绍 QUBO 优化方法与物理信息神经网络（PINN）结合用于流体力学问题求解的基本思路。PINN 通过在神经网络训练过程中引入控制方程、边界条件和初始条件，可以在不依赖传统网格离散格式的情况下对偏微分方程进行近似求解。然而，在实际流体问题中，PINN 的训练效果很大程度上取决于配点的选取方式。对于圆柱绕流、边界层分离、剪切层演化等问题，涡结构、尾迹区域和强梯度区域往往对流场演化具有重要影响，如果配点分布过于均匀或随机，容易造成关键区域训练不足，进而影响模型的精度和稳定性。

QUBO 是一种适合描述组合优化问题的数学模型，可用于从大量候选点中筛选更有价值的训练点。通过将流场残差、涡量、速度梯度等指标作为候选点重要性的评价依据，并在目标函数中加入空间分布约束，可以使配点选择同时兼顾局部物理误差和整体覆盖性。这样得到的配点不只是简单地集中在误差较大的区域，而是在保证重点区域加密的同时，尽量避免训练点过度聚集。

这种 PINN 与 QUBO 结合的方法可以看作是对传统残差自适应采样方法的一种扩展。其核心目标是利用组合优化思想改进 PINN 的训练点分布，使模型能够更有效地学习复杂流场中的关键物理结构。该思路在流体力学正问题求解、流场重构、自适应采样以及复杂区域的局部加密训练中具有一定应用潜力，也为量子优化算法与科学机器学习方法的结合提供了一个具体的研究方向。

先后就读于西北工业大学、北京师范大学和清华大学，专业领域跨计算机科学、脑科学、人工智能和量子计算。曾参与和主导数字化AI转型设计，负责搭建人工智能软硬件平台、设计并落地智能制造产线、实现AI自动化系统。目前专注于量子计算与人工智能的前沿交叉领域，负责基于光量子计算机的创新算法研发与优化，致力于探索量子计算的突破性应用。

报告主题：基于量子计算的能量模型促进具身智能范式革新

摘要：本报告旨在探讨专用量子计算机与具身智能控制框架的首次深度结合。当前，具身智能领域的传统控制策略面临专家数据过度拟合及底层流匹配存在累积离散化误差等计算瓶颈。为突破传统范式的性能上限，玻色量子团队提出了一种自研的量子EBM（基于能量的模型）扩散架构。

该架构创新性地打通了两种高度协同且不互斥的EBM使用方法：其一，利用基于量子玻尔兹曼机的能量模型生成动作策略扩散的初始噪声，成功将高斯噪声转化为能量空间的玻尔兹曼采样；其二，以能量模型直接引导扩散过程，在结合动作空间探索与多峰分布处理能力的同时，通过提供时序无关的零阶梯度，有效解决了传统ODE求解带来的累积误差问题。基于上述算法创新，本方案打通了“数据-模型”持续迭代的数据飞轮。在Libero全基准测试中，该框架将任务成功率显著提升至强化学习后训练的同等水平，同时在Libero Plus基准中展现出了卓越的零样本（Zero-shot）泛化能力。

在配套工程设施层面，依托数据中心级“量超智”融合，将异构算力之间的通讯时间下降到秒级，显著降低了异构算力之间的通信延迟。这为“量子增强AI范式”在具身场景的应用，从理论化构想真正迈向工程化落地提供了核心算力底座。