光量子计算机

细胞内的叶绿素分子通过直接吸收光量子或间接通过捕光色素吸收光量子得到能量后，从基态（低能态）跃迁到激发态（高能态）。由于波长越短能量越高，故叶绿素分子吸收红光后，电子跃迁到最低激发态；吸收蓝光后，电子跃迁到比吸收红光更高的能级（较高激发态）。处于较高激发态的叶绿素分子很不稳定，在几百飞秒（fs，1 fs=10－15 s）内，通过振动弛豫向周围环境辐射热量，回到最低激发态（图3.2）。最低激发态的叶绿素分子可以稳定存在几纳秒（ns，1 ns=10－9 s）。

处于较低激发态的叶绿素分子可以通过几种途径释放能量回到稳定的基态。能量的释放方式有如下几种（图3.3）（Campbell et al.，1998；Roháček & Barták，1999；Malkin & Niyogi，2000）：1）重新放出一个光子，回到基态，即产生荧光。由于部分激发能在放出荧光光子之前以热的形式逸散掉了，因此荧光的波长比吸收光的波长长，叶绿素荧光一般位于红光区。2）不放出光子，直接以热的形式耗散掉（非辐射能量耗散）。3）将能量从一个叶绿素分子传递到邻近的另一个叶绿素分子，能量在一系列叶绿素分子之间传递，最后到达反应中心，反应中心叶绿素分子通过电荷分离将能量传递给电子受体，从而进行光化学反应。以上这3个过程是相互竞争的，往往是具有最大速率的过程处于支配地位。对许多色素分子来说，荧光发生在纳秒级，而光化学发生在ps级，因此当光合生物处于正常的生理状态时，天线色素吸收的光能绝大部分用来进行光化学反应，荧光只占很小的一部分。

活体细胞内由于激发能从叶绿素b到叶绿素a的传递几乎达到100%的效率，因此检测不到叶绿素b荧光。在室温下，绝大部分（约90%）的活体叶绿素荧光来自PSⅡ的天线色素系统，而且光合器官吸收的能量只有约3%～5%用于产生荧光（林世青，1996；Krause & Weis，1991）。

一部计算机表现出某种智能行为并不一定被认为它本身有智能。为了判定计算机是否具有智能，图灵曾设计了一种测试方法，即有名的图灵试验。设想一个测试者用计算机终端分别与被测的人及计算机联系（测试者不能直接看到被测人与计算机），如果从回答测试者问题的信息中不能正确区分被测者是人还是计算机，即把计算机当成人了，就应认为计算机具有智能。这是一种关于智能机的行为主义的观点。以回答问题的能力做为具有智能的判据有一定局限性，因为人的智能涉及许多方面，有些智能如形象思维就不可以言传。这种测试也难以反映自学习自适应能力。人们一方面追求用机器实现智能，另一方面又不大相信电子器件的自动开与关能实现人的思维。因此当一种实现智能应用的方法很有效时，往往认为这是一种已知的技术，与其他计算机程序运行没什么不同，人们对于机器模拟人类思维的矛盾心理趋向于认为一个能工作的系统是有用的但不是真正有智能的。

实际上，智能计算机已经成为一个动态的发展的概念，它始终处于不断向前推进的计算机技术的前沿。人工智能的权威学者M.明斯基定义人工智能的任务是研究还没有解决的计算机问题。这一观点反映了人工智能与智能机研究有别于其他学科的显著特点。智能应用问题往往没有确定的求解算法而采用搜索的办法，一旦人们对某一问题掌握了足够丰富的知识，即已找到了不需要搜索的确定型算法，可以预见其行为与效果时，这个问题一般就不再认为是一个智能问题了。从应用的角度看，如果一项人工智能的研究成果已经成熟并被广泛采用，人们已经了解它的运行机制，就不再把它视为智能技术了。可以预言，目前被看成是智能计算机主要组成部分的知识库在不久的将来就会像数据库一样被当成一般的计算机技术。因此，智能计算机与其看成是与传统计算机完全不同的一种机器，还不如看成是带动计算机不断发展的一项高技术。这种压力迫使从事智能计算机研究的科研人员必须不断提出新概念、新方法，不断攻克新的技术难关。

研制智能计算机的目的不是用计算机代替人的脑力劳动，而是充分发挥人和计算机各自的特长，形成互补、协调的人机合作环境。不怎么聪明的智能计算机可以使聪明的人更加聪明。在人机合作的和谐环境中，人主要负责提供涉及面很广的常识和从事有创造性的工作，机器作为人的助手从事需要一定智能的其他工作。智能机往往是某些方面聪明过人而其他方面又十分愚笨，因此设计一个高效率高智商的人机协作智能系统必须合理地确定哪些事由人做，哪些事由机器做，而且要建立十分友好的人机对话界面。