上个月初，发表在arXiv上的一篇论文引起了人们的兴趣，作者是一位18岁的青少年——Ewin Tang。这位来自美国得克萨斯州的少年在论文中证明，用普通计算机就能解决重要的计算问题，并有可能达到和量子计算机相当的性能。
首先让我们看看这篇论文的摘要：
这项应用放在实际中，可以用作我们熟知的推荐系统。各大电商公司和视频网站经常向用户推荐他们可能感兴趣的产品。计算机科学家们将这一任务看作是这类问题的典型案例，如果在量子计算机上运行的会更快。所以很多人认为量子计算机是未来计算力的重要象征。但现在，Tang的发现让这一说法受到了质疑。
Tang说：“这是量子加速的最佳案例。”Tang今年春季毕业于德克萨斯州大学奥斯汀分校，并在秋季将成为华盛顿大学的博士生。
天才少年Ewin Tang
据2012年的一份报道，Ewin在12岁的时候就已经在德克萨斯州大学阿灵顿分校就就读，他在10岁时就开始接收大学课程教育，并完成了20个小时的课程，包括微积分和微分方程，GPA达到4.0，是当时年纪最小的学生。
在私立学校学习完全部K-12数学课程后，Ewin就开始了大学知识学习，他在10岁时SAT成绩就达到了1920分。除了学习大学课程，Ewin在课余时间还会泡在他父亲的实验室里，他的父亲Liping Tang是一名生物工程教授。
新算法的发现
2014年，Tang连跳两级进入了UT Austin的数学和计算机科学专业就读。2017年春季，他接收了著名量子计算研究者Scot Aaronson教授的量子信息课程，Aaronson认为Tang天赋异禀，在研究上给予了他很多帮助，同时还让他选择想要研究的问题，包括推荐问题。
“我有点犹豫，因为推荐问题看起来很难，但已经是他给我的问题中最简单的了，”Tang说。
推荐问题的核心是为用户推荐他们可能喜欢的产品。关于这一研究领域，论智此前也做过相应报道：
你可以想象数据在一个巨大的网格或者矩阵中，横排代表所有电影，竖排代表观众，交叉点的值用数字表示观众喜欢电影的成都。一个好的算法能快速而准确地识别电影和用户之间的相似性，从而生成推荐，并填补矩阵中的空白。
2016年，计算机科学家Iordanis Kerenidis和Anupam Prakash发表了一种量子算法，可以比任何经典算法都快速地解决推荐问题。他们将问题简化：与此前只为了填满矩阵并推荐最佳产品不同，他们开发了一种对用户进行分类的方法——他们喜欢大片还是独立小众的电影？然后通过对现有数据采样生成最佳推荐结果。
当时，量子计算机对推荐问题的贡献非常少，大部分都是解决的很具体的问题。而二人的成果之所以令人激动是因为他们在现实人们关心的问题上证明量子计算机能做得比传统方法更好。
Kerenidis表示：“在我看来，这是机器学习和大数据领域第一件只有量子计算机能完成的任务。”Kerenidis和Prakash证明了，量子计算机可以比任何经典算法都能更快地完成推荐算法，但是他们并没有证明这种快速的经典算法不存在。所以2017年，当Aaronson和Tang共同研究时，他提出了这一想法，证明了确实没有这样一种经典推荐算法，所以确认了Kerenidis和Prakash提出的量子加速器是真实的。
2017年秋季，Tang开始他的研究，并将推荐问题作为它的论文主题。在几个月的时间里，Tang一直在努力证明上述那样的快速经典算法是不可能存在的，但与此同时，他开始思考也许确实存在这样一种算法呢？
“我有些犹豫了，但是Scott是权威。”Tang说道。但是随着论文deadline临近，Tang还是给Aaronson写了封邮件：“我认为存在这样一种快速的经典算法。”
接着，Tang和Aaronson开始努力证明这一存在，Tang发现的这种经典算法是直接收到了Kerenidis和Prakash二人提出的快速量子算法，Tang证明他们在算法中所用到的量子采样技术可以复制到经典设置中。和Kerenidis和Prakash二人的算法类似，Tang的算法也是多对数规模，也就是说计算时间与特征的对数成比例关系（例如数据集中的产品和用户数量），同时这一算法比此前所知的经典算法都快。
Tang的论文发表前，Aaronson十分谨慎，因为一旦出现差错，Tang的第一篇大paper会很影响他的事业。
六月，Aaronson在UC Berkeley举办了一场量子计算研讨会，并邀请了Kerenidis和Prakash。会上，Tang对自己的发现做了展示，很多人对这一结果表示认同，同时，与会者都没有意识到这位研究者如此年轻。
Aaronson表示：“Tang推翻了量子加速的成果，但是从另一个角度来说，Tang也为这一领域做出了巨大的贡献。如果没有前人对经典算法和量子算法的研究，就不会有今天的成果。”