量子计算研究现状与未来发展.docx

《量子计算研究现状与未来发展.docx》由会员分享，可在线阅读，更多相关《量子计算研究现状与未来发展.docx（27页珍藏版）》请在第一文库网上搜索。

1、量子计算研究现状与未来发展摘要：量子计算乃至更为广泛的量子信息，是基于量子力学原理发展出来的概念与技术体系，涉及信息的本质及其处理。量子计算利用量子叠加、量子纠缠等资源进行信息编码和处理，已被证明在若干问题上具有相对于经典计算的极大优势，在实用化后将对信息及相关科技产生深远影响。本文回顾了量子计算的发展历史，如量子计算思想与概念的形成、重要理论及算法的发展以及应用情况；梳理总结了代表性的量子计算技术路线及其发展态势，如超导量子计算、分布式超导量子计算、光量子计算、囚禁离子量子计算、硅基量子计算及若干其他体系。着眼不同技术路线面临的共性问题，文章对我国量子计算领域未来发展提出建议：注重战略规划和

2、布局，培养高水平研究团队，加强基础研究及核心技术、关键设备的自主研发。一、前言近年来，发达国家、高科技公司高度重视量子计算，制定长远发展规划并投入重要资源以推动技术发展。伴随着量子计算技术的一系列标志性进展，世界各国对量子计算的关注从学术界逐渐扩展到全社会。量子计算已经成为内涵丰富的技术领域，涉及内容从最前沿的数学、物理等基础研究延伸到与诸多工程学科的交叉融合，再到高度工程化的应用技术开发，高速发展势头不减。因此，系统探究量子计算领域全貌极为困难，而深入了解其各个方面则几乎不可能。立足量子计算显著进步的历史节点，对相应发展的历史和现状进行相对全面的梳理与总结，同时就领域未来发展进行思考和展望，

3、既富有价值，也是更好推动我国量子计算领域发展的必然环节。量子计算乃至更为广泛的量子信息领域，是基于量子力学原理发展形成的一套关于信息本质及其处理的概念和技术体系。量子计算思想及概念的形成经历了相当长的时期。一些物理学家、数学家受不同动机驱动而开展的基础研究，对量子计算发展起到过关键性的推动作用。至少在量子计算的发展早期，这一领域的基础逻辑与摩尔定律失效、计算能力提升等并无密切关系；了解这一点有助于正确看待量子计算的历史，也为如何推动未来发展提供了更深刻的视角。物理学家Feynman、数学家Manin都曾指出，由于量子叠加、量子纠缠的存在，经典计算无法对量子体系进行高效模拟；Feynman进一步

4、提出了利用可控的量子计算机去高效模拟待研究量子体系的可能性。1994年，数学家Shor提出了大数质因数分解的Shor量子算法；这是第一个具有明确目的且应用价值突出的量子算法，对当今最优秀的公开密钥方案之一（RSA公开密钥密码）构成了威胁。早期的量子计算技术路线包括核磁共振、超导量子线路、半导体量子点、囚禁离子阱、冷原子等，研究者在这些平台上先后实现了量子比特及其精确操控；在一些比较成熟的平台上（如核磁体共振），研究者甚至很快展示了小规模的量子算法。然而，当时学术界对于量子计算的可行性依然有很多质疑，特别是能否有效克服退相干造成的量子信息丢失。随后，量子计算发展的里程碑是量子纠错理论的建立。Sh

5、or和Steane独立提出了量子纠错码概念，其基本原理和经典纠错类似，都是基于冗余编码思想；基于量子纠错码，Shor提出了在含噪量子体系中构建容错量子计算的框架。1997年，KitaeV发现了量子纠错和拓扑物态之间的关系，指出后者受拓扑保护的简并态可用作逻辑比特；KitaeV和BraVyi提出的表面编码，成为第一个受拓扑保护的量子比特模型；2001年，KitaevPreski11等进一步指出，如果能够实现低于1%的所谓容错阈值，则可以用表面编码进行量子纠错，此即后来成为量子纠错主流技术的表面纠错码。这一系列工作为实现可容错量子计算确立了理论基础。自Feynman等提出量子计算的原始思想至今已有

6、40多年，相应进展令人嘱目；但不可否认的是，依然没有实现量子计算的任何实际应用。关于量子计算应用，学术界普遍认为：量子计算并不能全面替代经典计算；量子计算本身具有很多的限制；原则上经典计算可以替代量子计算，二者区别主要在于效率的高低。合理估计，在实现可容错通用量子计算之前的很长一段时间内，我们都处在中等规模含噪声量子（NISQ）时代；量子计算的主要用途是为基础物理研究以及发展更为高级的量子操控技术提供一个平台。尽管这种应用和研究者心目中的实用化量子计算相去甚远，但仍具有鲜明的意义。因此，就目前理解的量子计算而言，量子体系模拟依旧是量子计算的主要用途。可以合理推测，在量子体系模拟的基础上将会衍生

7、出服务于药物开发、新材料、农业等领域的量子计算技术，但应清楚认识到这些衍生应用是遥远的可能性（而不是已经或即将实现的技术）。综合而言，对于量子计算发展需有清晰的大局观：前途一定光明，但道路必定曲折。一方面，应保持乐观的态度：在非常基础的层面上改变了我们世界观的科学理论，其技术化应用必然也是革命性的；但另一方面，越是颠覆性的技术，越难在实用化前进行具体预期。量子计算和现有的信息技术存在极大的不同，很难预言量子计算技术的长期影响；量子计算领域的进步不会是简单的线性历程，应尽量避免基于现有技术和进展的线性外推来预判其长远发展本文由10个章节构成。第一节简要介绍量子计算的基本概念、思想源头、历史/现状

8、/趋势，第二节讨论量子计算的理论、算法和应用；第三节讨论量子软件与控制体系结构；第四到第八节讨论5个代表性的量子计算技术路线（超导量子计算、分布式超导量子计算、光量子计算、囚禁离子阱量子计算、硅基量子计算），其中正在蓬勃发展的分布式超导量子计算可能对未来实现大规模量子计算非常关键；第九节讨论其他类别的量子计算技术路线（中性原子、金刚石氮空位色心、核磁共振、自旋波、拓扑量子计算）；第十节给出有关我国量子计算领域发展的一些思考和建议。二、量子计算的理论、算法与应用（一）理论与算法回顾40多年来的量子算法发展历史，大致可分为4个阶段：19851992年，寻找示例型算法以展示量子计算的优越性；1993

9、1994年，寻找实用性算法以展示量子优越性；1995年至今，寻找量子算法以拓展量子计算的适用范围;2013年至今，开发面向NISQ时代量子处理器的量子算法，寻求量子计算的实用化。在Feynman提出量子模拟之后不久（1985年），DeUtSCh将这一思想数学化地表达为量子图灵机，进而提出了第一个量子算法，展示了量子计算在简单决策问题方面相比经典计算的优势，与量子图灵机等价的计算机可称为为量子计算机；随后DeUtSCh提出了在物理实现上更加可行的量子线路模型。1993年，YaO证明了量子线路模型与量子图灵机的等价性，量子线路模型随后成为通用量子计算机的标准模型。1993年，BernStein和V

10、aZirani提出了通过一次调用量子黑盒查找二进制串的算法；更为重要的是，建立了量子计算复杂性理论，从理论上证明量子计算机在解决某些问题时比经典计算机更为高效。1994年，Shor提出了量子傅里叶变换算法和离散对数算法，进而获得质因数分解算法。Shor质因数分解算法是第一个具有实用价值、相比已知最优经典算法具有指数加速性能的量子算法，极大推动了学术界对量子计算研发的关注与投入。1995年Kitaev等提出的相位估计算法后成为许多量子算法的关键组成部分。1996年，GrOVer提出了查找算法，可在无序集合查找问题上获得相较于经典计算的平方级加速性能。1996年，11oyd参考SUZUki、Tro

11、tter等的工作，提出了局域哈密顿量模拟算法，从而确立了量子化学模拟的基础。2009年，HarrowHassidim和11oyd提出了将相位估计应用于线性系统求解的HH1算法。2011年，Pane11a和MartineIIi等提出了量子神经网络。HH1算法、量子神经网络明确了量子计算在人工智能（尤其是机器学习）领域的应用前景。谷歌公司研究表明，量子机器学习是近期取得量子优越性的关键候选应用。2013年，哈佛大学研究团队提出了变分量子特征值求解算法（VQE）,使得N1SQ时代的量子处理器进行量子化学模拟成为可能。2016年，Farhi等基于VQE算法提出了量子近似优化算法（QAoA）,用于量子计

12、算加速组合优化问题的求解。上述算法显著扩展了量子计算机的应用范围，使量子计算机在数据快速搜索与排序、量子化学模拟、人工智能与机器学习等诸多领域表现出可观的潜力。寻求可在NISQ时代的量子处理器上运行、能够解决实际问题的算法，是当前量子计算领域的核心研究问题。（二）潜在应用量子化学模拟是量子计算重要的潜在应用之一。当前的计算化学方法所需资源随着待研究系统的规模增大而呈指数增长。针对这一问题，研究者尝试设计更高效的量子化学模拟算法，如利用量子相位估计、VQE算法来计算分子基态及其能量。VQE算法所需的资源相对较少，具有一定的抗噪声能力，将在NISQ时代发挥重要作用。当前的量子化学模拟研究聚焦于在实

13、际量子硬件上模拟更大的分子体系，实现对氢化钺、水等分子的模拟，在经典模拟器上对乙烯、氟化氢等分子的模拟是主要的成果。虽然这些成果展示了VQE算法的普适性和可行性，但距离体现量子计算优越性尚有距离。后续，在提升量子计算硬件性能的同时，不断改进算法（如设计更好的变分拟设、使用更合适的参数化和优化方法等），以发展出具有实用价值的量子化学模拟算法。QAoA算法作为浅层的变分算法，用于近似求解组合优化问题，适合在NISQ时代的量子硬件上执行。在QAOA提出之初的基本思路是将绝热演化算法离散化，之后QAoA与量子行走之间的联系获得明确，从而更新了对QAoA的理解。除了处理组合优化问题，QAOA也应用于求解

14、线性方程组、构建变分量子搜索算法等。研究者提出了一系列加速QAoA经典优化的方法，分为启发式初始化、机器学习辅助优化两类。此外,关于QAOA是否具有潜在的量子优势以及其可训练性，还需深入研究。量子机器学习将机器学习与量子体系结合，研究内容分为经典机器学习在物理系统中的应用、基于量子神经网络的经典机器学习算法设计及实现两个方向。经典机器学习面临的挑战之一在于数据量、计算量逐渐逼近经典计算模式的极限，而量子体系或量子算法具有完全不同于经典计算的学习范式，因而传统机器学习在量子体系中的实现为突破经典极限提供了可能性。相关研究成果包括量子主成分分析、量子卷积神经网络、量子光学系统中深度学习网络的实现、

15、量子生成对抗网络等。目前存在的问题突出表现在深度学习运行机制的有效理论阐释缺失、量子计算潜力的探索及挖掘。三、量子软件和控制体系结构量子软件和控制体系结构是连接量子算法与量子物理系统的桥梁，也是构成量子计算系统的关键环节。量子算法用于设计量子计算机解决具体问题的流程，需使用量子程序设计语言来描述；经量子编译器翻译并优化，生成可在硬件上执行的底层格式程序，如量子汇编、二进制与波形数据等。量子测控系统执行底层格式程序并生成相应信号，实时控制量子比特，完成量子门操作及测量。量子控制体系结构指量子测控系统的组织方式及其软硬件接口。(-)量子软件量子程序设计语言研究始于1996年Kni11提出的量子随机

16、访问机器模型，后续基于该模型得到了量子程序的伪代码表示。计算机科学家研究了量子算法的特点及执行要求，不断完善量子程序设计的各种理论基础，如量子程序的基本结构和语义规范、量子程序的形式化验证、量子递归、反计算、量子-经典协同计算等。在量子程序设计理论的指导下，量子软件工程稳步发展，催生出一系列量子程序设计语言。每一门量子语言都对应有量子编译器，二者协同发展，逐步支持经典逻辑综合、量子门分解、自动求逆、量子反计算、层次化的量子线路描述、量子经典混合编程、基础量子实验表达能力等功能。目前，生态环境良好的量子程序设计语言有QiskitQ#、PyQuiKPenny1ane等。在编译器方面,Qiskit转译器吸引了众多开发者的反馈，不仅支持量子编译的基础功能(如量子比特的映射与调度、量子门分解等)，还支持面向特定领域的编译优化(如量子化学模拟)。QCOR语言在支持量子经典混合编程、多种前端/后端以及跨语言转换方面富有特色。国内的量子程序设计语言有QPanda、QUing0、isQ等。在量子编译器领域，