1948
0

分享到

量子計算技術產業發展現狀與應用分析

2020-9-7 16:52

來源：

1 引言

相比于經濟社會中已取得廣泛應用的經典計算，量子計算是一種新型計算方式，以微觀粒子構成的量子比特為基本處理和存儲單元，不同于經典計算中比特位非“0”即“1”的確定特性，量子計算在希爾伯特空間中可表征出更多狀態，其計算和存儲能力可隨量子比特數量的增加而呈指數級規模擴展。量子計算在理論上具有攻克經典計算無解難題（NP）的巨大潛力，以破解RSA加密體系為例，RSA加密體系的安全性依賴于大數分解復雜度，使用經典計算機分解300位大數約需數十萬年，而使用同樣規模的量子計算機分解300位大數僅需幾秒。量子計算技術所帶來的算力飛躍將為高溫超導等復雜度較高的物理化學科學研究、新型材料研發、醫藥研究、能源勘探與人工智能研究等領域開拓新局面，并有可能在未來引發改變游戲規則的計算革命，成為推動科學技術加速發展演進的“觸發器”和“催化劑”。

近年來，量子計算技術與產業呈現加速發展態勢，已得到美國、歐洲、加拿大、澳大利亞等國家和地區的普遍關注與重視，“量子優越性”（Quantum Supremacy，也譯作“量子霸權”）等熱點話題不斷將其推向公眾視野，已成為科技界和商業界熱議的焦點。在此背景下，各大科技巨頭、初創公司、科研機構和不同領域的行業需求者紛紛開展量子計算相關的研究與應用布局，產業生態得到不斷培育、發展態勢良好。

2 量子計算技術發展現狀

量子計算技術研究始于20世紀80年代，關鍵技術包含量子處理器的物理實現、量子編碼、量子算法、量子軟件、外圍保障和上層應用等多個環節（見圖1）。

圖1 量子計算關鍵技術

2.1 量子處理器的物理實現

量子處理器的物理實現是現階段量子計算技術的主要研究熱點和核心瓶頸，包含超導、離子阱、光量子、硅量子點、中性原子、拓撲、分子自旋和谷量子比特[1]等多種方案路線。超導技術路線方面，Google已推出72位量子比特處理器，在量子比特數量上全球領先。量子比特間的糾纏或連接程度是影響量子計算處理能力的重要因素之一，目前報道的處理器結構設計和量子比特糾纏程度不盡統一，大部分并未實現全局糾纏。我國中國科學技術大學已實現24位超導量子比特處理器。離子阱技術路線方面，IonQ公司已實現79位處理比特和160位存儲比特；我國清華大學已實現相干時間超過10 min的單量子比特儲存。光量子技術路線方面，我國中國科學技術大學已實現18位比特的糾纏操控，在全球處于領先水平。硅量子點技術路線方面，澳大利亞新南威爾士大學已實現99.96%保真度的單比特邏輯門和98%保真度的雙比特邏輯門；我國中國科學技術大學也實現了高保真的單比特邏輯門。此外，我國本源量子研發了適用于20位量子比特的量子測控一體機，用于提供量子處理器芯片運行所需要的關鍵信號，實現量子處理器操控。目前，超導和離子阱路線在所有量子處理器物理實現技術方案中相對領先，但尚未能夠完全滿足量子計算技術的實用化條件而實現收斂。判斷特定系統是否適合用于量子計算物理實現，可以借助著名理論物理學家DiVincenzo提出的幾個條件[2]，主要包括：具有良好特性量子比特的可擴展物理系統、具有將量子比特初始化為簡單基準態的能力、具有長相干時間、具有一組“通用的”量子門、具有特定量子比特的測量能力。除量子比特的物理實現技術外，量子操控與量子測量也是目前業界重點攻堅的技術方向。

美國物理學家在2011年提出了“ 量子優越性”（Quantum Supremacy）概念，隨著近年來量子計算技術進步加快，引起社會媒體的廣泛關注。2019年10月，《Nature》報道了Google公司基于可編程超導處理器Sycamore實現量子優越性的重要研究成果，這是證明量子計算原理優勢和技術潛力的首個實際案例。然而，目前量子計算的發展水平距離實用化仍有距離。量子計算的優勢來源于其獨特的量子疊加、糾纏特性，這些特性必須在相干狀態下才能得以保持，但量子系統較為脆弱，容易受到環境溫度、噪聲等因素影響而引發退相干效應，使計算準確性受到影響。

2.2 量子編碼

與經典計算類似，將多個“物理量子比特”編碼構造為可容錯的“邏輯量子比特”，可有效應對量子系統的退相干問題，所以量子編碼是未來通用量子計算機的實現基礎。糾錯編碼的實現需要量子計算本身的出錯率滿足一定閾值，現有研究報道中的物理量子比特數量和保真度與實際需求仍有距離，邏輯量比特仍未突破，目前正處在由“量子物理比特”向“量子邏輯比特”過渡的發展階段[3]（見圖2）。

圖2 量子處理器發展現狀

2.3 量子算法和量子軟件

量子算法和軟件是量子處理器硬件充分發揮計算能力和解決實際問題的神經中樞。量子計算相比于經典計算的加速能力與量子算法息息相關，20世紀90年代中期提出的Shor算法和Grover算法是量子計算發展的里程碑，在破譯密碼和數據搜索方面分別具備指數量級和平方根量級的加速能力。然而，目前核心算法依然有限，且已有算法只在特定問題上具有理論優勢，量子計算尚不能像經典計算那樣普適于解決各類問題。軟件方面，業界正在進行量子編程語言、開發工具和模擬器等研究，由于量子計算的邏輯與經典計算有很大不同，需要軟件編程者和應用開發者具備量子計算的思維和工程適配能力，因此量子軟件的開發與應用仍然是非常有挑戰性的工作，尚處于起步階段。目前，業界已推出了適用于各自量子計算系統的匯編語言、開發套件和應用軟件包，如IBM開發了適用于IBM Q模擬器[4]的全棧式量子軟件 Qiskit[5]，且已更新至0.19版本；Google除了擁有已更新到0.8版本的開源量子計算框架Cirq[6]外，還利用TensorFlow原本在機器學習領域中的強勢地位推出了量子機器學習庫圖3美國量子計算研究與應用發展模式TensorFlow Quantum[7]，搶占量子機器學習領域的先機；Microsoft也推出了量子編程語言Q#和與之配套的Microsoft開源量子開發工具包[8]。國內本源量子已推出OriginIR量子指令集、Qurator量子軟件開發插件和QPanda量子軟件開發套件；中科院軟件所也緊跟步伐，發布了量子程序設計平臺 isQ[9]。此外，考慮到量子計算資源的稀缺性與計算結果的非理想性，多個企業也開發出量子計算模擬器軟件，可利用模擬器在經典計算運行環境下進行量子計算的仿真推演以及量子算法開發、量子硬件效果評估等。

3 量子計算產業發展現狀

政府方面，從全球范圍來看，多國政府紛紛出臺支持量子信息技術的發展戰略，下撥大量資金用于以量子計算為主的量子信息技術研究。美國近年來持續投入，政府部門、高校及科研院所、科技巨頭和初創企業等多方力量形成合作協同的良好局面，并在基礎理論研究、量子處理器研制和應用探索等方面占據領先地位（見圖3）；歐洲、日本、加拿大和澳大利亞等國家和地區緊密跟隨，且領先主體之間通過聯合攻關和成果共享等方式，正在形成并不斷加強聯盟優勢；此外，印度、韓國、俄羅斯、以色列等國家也開始重視量子計算技術的發展，并相繼將其列入國家技術計劃、加大研發投入；我國對包括量子計算在內的量子信息技術發展較為重視，已在《國家中長期科學和技術發展規劃綱要（2006—2020年）》中將“量子調控”列為基礎研究領域重大科學研究計劃，并建設了量子信息科學國家實驗室。

圖3 美國量子計算研究與應用發展模式

科技巨頭方面，美國Google、IBM、Intel、Microsoft、Honeywell相繼在量子計算領域投入布局，強化資金配置、工程實現和軟件控制等能力，積極進行量子處理器原型產品及軟件算法的技術研發，并與科研背景強大的科研院所和高校廣泛合作，對量子計算成果轉化和加速發展助力明顯。在量子處理器物理實現方案方面，Google和IBM均基于超導路線，Intel同時布局硅量子點和超導兩種路線，Microsoft則看好全新的拓撲路線，Honeywell側重離子阱路線。我國科技公司阿里巴巴、騰訊、百度、華為相比于美國巨頭進入量子計算領域的時間相對較晚，近年來通過與科研院所合作或聘請知名科學家等方式成立相關實驗室，在量子計算云平臺、算法、軟件和應用等方面研究布局。華為發布了HiQ量子計算云平臺，并推出昆侖量子計算模擬原型機；阿里巴巴與中國科學技術大學合作推出量子計算云平臺；騰訊在量子AI、藥物研發和科學計算平臺等應用領域開展相關研究；百度成立了量子計算研究所，積極開展量子計算軟件和信息技術應用等技術研究。整體而言，我國科技公司在量子處理器研制和量子計算應用推廣方面與美國相比仍有較大距離。

初創公司方面，近年來，來自政府部門、行業巨頭和投融資機構的投資機會大大增加，全球初創公司快速發展，積極開發實現量子計算所需的軟件、硬件、算法庫等。目前，全球已有上百家量子計算領域的初創企業，研究范疇覆蓋量子計算軟硬件、基礎配套和應用探索等多個方面，企業集聚度以北美和歐洲最高（見圖4）。

圖4 量子計算領域科技公司和初創企業分布[10]

盡管量子計算目前仍處于產業發展的早期階段，但軍工、金融、化工、材料、生物、航空航天、交通等眾多行業已開始關注到其巨大的應用發展潛力，空客、摩根大通、JSR等紛紛開始通過投資或合作等方式探索相關應用，量子計算的產業生態鏈日漸壯大。在量子計算研究和應用發展的同時，其產業基礎配套也在不斷完善。2019年，英特爾與Bluefors和Afore合作推出量子低溫晶圓探針測試工具，加速硅量子比特測試過程；中國本源量子創立本源量子計算產業聯盟，攜手中船重工鵬力（南京）超低溫計算有限公司共建量子計算低溫平臺。

4 量子計算云平臺

量子計算的接入途徑主要有兩種，一是使用專門搭建的量子系統，二是通過量子計算云平臺。由于量子處理器對環境的要求十分苛刻，運行條件和維護成本高，目前只有少數企業和科研機構能夠獨立擁有量子計算系統，應用發展受限。通過云服務接入量子處理器的量子計算云平臺成為量子計算推廣應用的重要手段，為自己的量子計算云平臺擴大受眾面也成為了各大企業的競爭熱點。

近年來，越來越多的量子計算公司和研究機構發布量子計算云平臺，如IBM的Q Experience[11]、Microsoft的Azure Quantum[12]、Amazon的AmazonBraket[13]、Rigetti的Forest[14]、 Qutech的Quantum Inspire[15]和QC Ware的Forge[16]等。此外，英國布里斯托大學也搭建了4位量子比特的光量子系統并提供云服務。中國互聯網企業和初創公司開發的量子計算云平臺包括華為的HiQ[17]、本源量子的本源量子云[18]、阿里巴巴與中科院聯合推出的超導量子計算云平臺、清華大學早期推出的核磁共振量子計算云平臺。量子計算云平臺兼具科普、教學和編程等功能，可為更多用戶提供利用量子計算資源的機會，使量子計算在各行業領域都能得到最大化的探索。量子計算未來發展不僅需要研發能力的進一步提升，同時也需要用戶積極發掘出更多的應用價值。

5 量子計算潛在應用場景分析

根據波士頓咨詢公司預測，截止到2030年，量子計算應用的市場規模將達到500 億美元[19]，其發展前景被業界看好。當前階段，量子計算的主要應用目標是解決大規模數據優化處理和特定計算困難問題（如NP問題）。在量子比特數量、容錯能力、相干時間等條件尚不具備實現通用量子計算機之前，專用量子計算機成為量子計算領域的近期發展目標。結合量子計算和量子模擬應用算法等方面的研究，在大數據分析、量子體系模擬、分子結構解析、人工智能等領域有望出現體現量子計算優勢的應用，以此打開量子計算技術的實用化之門。下面將分析量子計算若干潛在的應用場景。

5.1 量子組合優化

數學中的優化問題簡單來說就是利用數學方法找出離散事件中的最優解或進行最優的編排、分組。組合優化問題是目前算法中最熱門的問題之一，尤其是在人工智能領域，是影響算法質量的關鍵因素。現有針對組合優化問題所開發的量子組合優化算法包括量子近似優化算法（Quantum Approximate Optimization Algorithm，QAOA）和量子退火算法（Quantum Annealing Algorithm，QAA）。

由于技術限制，量子計算機中的噪聲干擾是很難攻克的一個技術難題，嘈雜中型量子（Noisy Intermediate-Scale Quantum，NISQ）時代成為當下量子計算應用發展所默認的背景。QAOA算法也是基于NISQ設計的一種組合優化算法，它是在量子計算機中實現更高級機器學習算法和離散優化算法等其他應用算法的基礎。許多企業已經將QAOA算法實現為軟件開發包，并實現開源，由此利用QAOA算法有望實現更多的量子計算應用。

量子退火是實現量子組合優化的另一種途徑，利用隨機擾動影響工作的量子，其計算結果能夠接近局部最優解，多次進行量子退火能夠使結果更加接近全局最優解。目前，量子退火機的處理能力已達到2000位量子比特，D-Wave的2000Q量子處理器[20]已用量子退火實現了對多類應用問題的求解，D-Wave的報告顯示，在利用D-Wave系統所開展的應用探索中，與量子優化相關的內容高達50%。例如，D-Wave與德國航天中心（DLR）合作利用量子退火機實現了飛行門的優化分配；D-Wave與寶馬合作在制造工廠中利用量子退火實現了機器人運動的優化；D-Wave與 Recruit Communications和早稻田大學利用量子退火處理器實現了廣告展示優化；D-Wave聯合英國電信以及倫敦大學學院、布里斯托大學探索電信產業中的可優化方向；大眾的科研人員聯合Hexad和 PTV Group的專家，開發了量子路由算法和數據管理系統，并將研發的交通管理系統部署在D-Wave量子計算機上，利用量子計算機提供的強大算力實現了快速路線規劃。可以預見，量子退火計算在未來的制造業、商業、電信業和智慧交通與車聯網領域，將會帶來更高效率、更多收益、更加安全靈活的優化方案。

5.2 量子模擬

量子理論的提出為人們對微觀世界以及復雜隨機系統的探索帶來了全新的方式。費曼提出通過創造一個人工的符合量子規律的有效系統，且系統所滿足的量子方程與所被模擬的對象完全一致，就能通過人工系統進行試驗，得到無法通過計算得出的解，這一理論成為量子模擬的基礎。由于量子模擬不僅能夠實現對量子多體系統隨時間所發生的變化的模擬，還能夠實現強關聯多體系統的模擬。這兩個關鍵要素，剛好能夠完美地解決多類問題所遇到的瓶頸，并拓展出相應的分支，例如量子化學、量子統計力學、凝聚態物理等。

隨著量子模擬技術的發展,其在化學、生物、金融等眾多領域都發揮著至關重要的作用。利用量子模擬技術對化學分子進行建模，能夠極大地推動制藥行業藥品研發、藥物審核以及材料行業新材料研發。生物領域的應用小到模擬分子的生物結構，大到模擬神經網絡，甚至在未來可能模擬人工生命。由于金融市場復雜度較高，且和量子系統一樣具有隨機性，利用量子計算來模擬金融市場具有相當優勢，已被Rigetti收購的QxBranch正在與澳大利亞聯邦銀行合作開發量子計算模擬器，有望用于銀行的金融服務。可以預見，未來量子模擬的應用領域會非常廣泛，尤其在隨機性和復雜度較高的應用中。

5.3 量子計算+人工智能

算法是計算領域技術發展的基石，人工智能領域的應用是推動算法發展的一大要素，人工智能與量子計算兩大新興領域的交匯融合，有望催生出更有價值的應用。目前，針對人工智能產生的量子算法潛在應用包括量子神經網絡、自然語言處理、交通優化和圖像處理等。

量子神經網絡作為量子科學、信息科學和認知科學多個學科交叉形成的研究領域，可以利用量子計算的強大算力，提升神經計算的信息處理能力。量子神經網絡是量子計算最早與機器學習相關聯的研究內容，最早可追溯到1995年。量子神經網絡的概念提出以后，研究人員陸續提出各類量子神經網絡模型。有研究結果表明，人腦處理信息的過程可能與量子現象有關。因此，量子神經網絡極有可能會突破傳統人工神經網絡，而更好地模擬人腦的信息處理過程。

2020年4月，劍橋量子計算公司宣布在量子計算機上執行的自然語言處理測試獲得成功[21]。這是全球范圍內量子自然語言處理應用獲得的首次成功驗證。研究人員利用自然語言的“本征量子” 結構將帶有語法的語句轉譯為量子線路，在量子計算機上實現程序處理的過程，并得到語句中問題的解答。利用量子計算，有望實現自然語言處理在“語義感知”方面的進一步突破。除此之外，量子圖像處理也是量子算法的另一重要應用方向。目前，科研人員已經針對圖像算法領域的不同方向，例如圖像存儲、圖像檢索、圖像壓縮、圖像變換等，研發了對應的量子圖像算法。作為量子計算較早發展的一個應用領域，量子圖像處理已經具備了基礎的理論體系,也有部分實際應用落地。例如，量子圖像處理系統已在醫學圖像處理、工業探傷圖像處理和軍事瞄準制導系統中得到運用。雖然目前量子圖像處理的應用仍然處于在現有的硬件設備和成像的基礎上進行量子處理，但隨著未來量子成像模塊制造技術的成熟，量子圖像處理技術的應用將能夠實現質的突破，并在人們日常生活中得到應用。目前，量子計算+人工智能作為交叉融合的熱點研究方向，仍有諸多開放性科學問題在探索和試錯之中，如機器學習中的數據與特征的量子編碼與量子制備問題、量子版本的機器學習是否可以真正發揮量子計算的優勢、復雜且靈活的量子機器學習任務如何與量子計算硬件進行協同適配等。隨著這兩大新興領域的相互促進，學術與工業界的不斷投入和技術攻堅，量子計算+人工智能的結合有望在未來大放異彩。

6 結束語

量子計算目前正處于技術驗證和原理樣機研制的關鍵階段，技術突破日新月異、產業生態不斷完善，但整體研究發展水平距離實用化仍有距離。量子計算機按應用范圍不同可以分為通用量子計算機和專用量子計算機，其中通用量子計算機需要上百萬甚至更多物理量子比特，具備容錯能力以及各類量子算法軟件的支撐。大規模可糾錯可編程的通用量子計算機實用化，業界普遍預計仍需十年以上時間。當前階段，量子計算的主要應用目標是解決大規模數據優化處理和特定計算困難問題。在量子比特數量、容錯能力、相干時間等條件尚不具備實現通用量子計算機之前，專用量子計算機將成為量子計算領域的近期發展目標。量子計算機研制屬于巨型系統工程，仍需要科學層面和工程層面的持續投入和協同推動。

參考文獻

[1] Quantum Flagship. Strategic research agenda of the quantum flagship[R]. European Quantum Flagship, 2020.

[2] D. P. DiVincenzo. Physical implementation of quantum computation[J]. Fortschritte Der Physik, 2010,48(9):771-783.

[3] 吳冰冰, 呂博. 量子計算,全球“算”得怎么樣了. 人民郵電報, 2019-11-28(005).

[4] IBM. IBM Q system[EB/OL]. (2019-04-02)[2020-05-20]. https: //www.ibm.com/quantum-computing/learn/what-is-ibm-q/.

[5] Qiskit. Qiskit for educators[EB/OL]. (2019-08-20)[2020-05-20]. https://qiskit.org/.

[6] Github. Cirq[EB/OL]. (2019-09-04)[2020-05-19].https://github.com/ quantumlib/cirq/.

[7] TensorFlow. TensorFlow quantum[EB/OL]. (2019-03)[2020-05-20]. https://www.tensorflow.org/quantum/.

[8] Github. Microsoft quantum development kit libraries[EB/OL]. (2020-05-18)[2020-05-20]. https://github.com/microsoft/quantumlibraries/.

[9] 中國科學院. 軟件所發布國內首個量子程序設計平臺isQ[EB/OL]. ( 2019-12-25)[2020-05-20]. www.cas.cn/zkyzs/2019/12/231/yxdt/201912/ t20191231_4729802.shtml/.

[10] 中國信息通信研究院. 量子信息技術發展與應用研究報告(2019), 2019.

[11] IBM. IBM Q experience[EB/OL]. (2019-04-02)[2020-05-20]. https:// www.ibm.com/quantum-computing/technology/experience/.

[12] Microsoft Azure. Microsoft azure quantum[EB/OL].(2020-05-19)[ 2020-05-20]. https://azure.microsoft.com/en-us/services/quantum/.

[13] Amazon. Amazon braket[EB/OL]. (2020-04-02)[2020-05-20]. https: //aws.amazon.com/cn/braket/.

[14] Chad Rigetti. Rigetti forest[EB/OL]. (2017-06-20)[2020-05-20]. https://medium.com/rigetti/introducingforest-f2c806537c6d/.

[15] Quantum Inspire. Quetch quantum inspire[EB/OL].(2020-04-06)[ 2020-05-20]. https://www.quantuminspire.com/.

[16] QC Ware. QC ware forge[EB/OL]. (2019-09)[2020-05-20]. https:// forge.qcware.com/.

[17] 華為軟件技術有限公司. HiQ[EB/OL]. (2020-03-18)[2020-05-20]. https://hiq.huaweicloud.com/.

[18] 合肥本源量子計算科技有限責任公司. 本源量子計算云服務平臺[EB/OL]. (2018-07-11)[2020-05-20].http://www.qubitonline.cn/.

[19] Boston Consulting Group. The coming quantum leap in computing[R], 2018.

[20] The Quantum Computing Company. D-Wave 2000QTM system[EB/OL]. (2020-05-20)[2020-05-23]. https://www.dwavesys.com/d-wave-two-system/.

[21] Konstantinos Meichanetzidis. Quantum natural language processing[EB/OL].(2020-04-07)[2020-05-20].https://medium.com/cambridge-quantum-computing/quantum-natural-language-processing-748d6f27b31d/.

作者簡介

張海懿

中國信息通信研究院技術與標準研究所副所長，正高級工程師，享受國務院特殊津貼。工業和信息化部通信科技委傳送與接入專家咨詢組成員，CCSA TC6 WG1和 ST7WG1副組長，IMT-2020（5G）推進組5G承載工作組組長，主要從事5G承載、高速 WDM/OTN、量子信息等方面的技術研究與標準制定工作。

崔瀟

中國信息通信研究院技術與標準研究所助理工程師，主要從事SDN、人工智能和量子信息領域研究工作。

吳冰冰

中國信息通信研究院技術與標準研究所高級工程師，博士，主要從事光模塊器件、光傳送網和量子信息領域研究工作。

論文引用格式：

張海懿，崔瀟，吳冰冰. 量子計算技術產業發展現狀與應用分析[J]. 信息通信技術與政策, 2020(7):20-26.

本文刊于《信息通信技術與政策》2020年第7期

版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。

		自動登錄	找回密碼
密碼			立即注冊