量子计算定义、技术路线及产业现状如何？

下面我来简单介绍一下量子计算定义、技术路线及产业现状的内容。

量子计算是一种遵循量子力学规律的新型计算模式，以量子比特和作为基本单元。量子比特具备反直觉的量子叠加和量子纠缠等特性，在非结构化搜索、组合优化、大数分解和矩阵计算等任务上相对经典计算具有多项式级或指数级加速优势。量子计算基本过程如图 2 所示，包含量子态制备、量子态调控、量子态测量三个基本步骤。量子态制备是对输入的经典比特和辅助比特通过相位编码或振幅编码等量子态编码，获得量子态初态。量子态调控就是通过酉变换将量子态初态演化到目标态。这一过程可以由一系列量子门组合成的量子线路来表征。量子态测量就是选择一组测量基对目标态进行观测，读取计算结果。为了保证计算正确的概率，需要设计巧妙的量子算法，借助量子干涉特性最大化目标态概率。

目前业界已产生超导、光量子、离子阱、中性原子、量子点、拓扑量子、金刚石氮-空位（Negatively Nitrogen Vacancy，NV）色心、核磁共振、核电共振、自旋波、氦中电子等技术路线。综合来看，超导、光量子和离子阱成为主流路线。超导量子物理系统核心器件是一种超导体-薄绝缘介质层-超导体组成的三明治结构的约瑟夫森结。超导量子比特有电荷、磁通、相位和传输子等多种定义，可以构建基于逻辑门的通用量子计算机，也可以构建专用计算机，如量子退火机。超导量子多比特耦合容易，门速度快，已实现超导量子芯片，但量子退相干时间短，需极低环境温度。

光量子物理系统通常以光量子路径、偏振、角动量等自由度来定义量子比特。基本原理是对光子源产生的单光子采用分束器、偏振器和螺旋相位片等器件实现光子的路径、偏振、角动量叠加态，完成量子态的制备与调制。最后通过光子探测器实现量子态测量。光量子相干时间长，已实现光量子芯片，可以构建专用计算机，可常温部署，但光量子比特难以操控，保真度不高。离子阱物理系统以囚禁离子的基态和激发态两个能级作为量子比特，并通过激光或微波脉冲进行量子态操控的计算系统。离子阱量子比特有Zeeman 量子比特、超精细量子比特、光学量子比特和精细结构量子比特。常见的离子阱是Penning 阱和 Paul 阱。离子阱路线量子相干时间长，稳定度和保真度高，已实现集成化小型化，但是规模难以扩展。

金刚石 NV 色心系统利用金刚石中发光点缺陷，由氮原子取代碳原子并在临近形成一个空穴。NV 色心的电子基态是一种自旋三重态系统，以其自旋作为量子比特。 中性原子量子系统用激光捕获原子排列成可编程的一维或二维布局，并通过范德华力诱导原子间相互作用。量子比特由原子的基态和高激发态组成。

围绕不同技术路线，全球近 250 家企业针对量子硬件和量子软件展开产业布局和生态竞争。目前，硬件方面主要着重于增加量子比特数量、连通性和质量，包括更好的相干时间和门保真度。IBM 超导量子芯片 Osprey 达到433 量子比特；我国本源量子已发布 64 量子比特真机；北京量子院在其云平台上上线单芯片136量子比特超导量子芯片；加拿大量子计算公司 Xanadu 构建可测量多达216 个纠缠光子的光量子计算机 Borealis；我国玻色量子发布了100 量子比特相干光量子计算机“天工量子大脑”；Quantinuum 旗下 H2 离子阱量子处理器的量子体积达到 65536；我国华翊量子发布了 37 个量子比特的离子阱量子计算第一代商业化原型机 HYQ-A37；启科量子发布了模块化离子阱量子计算工程机“天算1 号”。

目前，已有多家量子计算公司发布了自己的量子路线图，如图3 所示。可以看到，量子计算机尚处于含噪中等规模（Noisy Intermediate Scale Quantum，NISQ）阶段。实用的通用量子计算机须具备 100 万量子比特和1000 逻辑量子比特规模，要到大规模容错（Fault-tolerant Quantum Computing，FTQC）阶段才能实现，预计需要 10～20 年。

软件与平台方面，IBM 于 2016 年推出量子云平台和开源编程框架，华为和阿里在 2018 年、微软在 2019 年、亚马逊在 2020 年分别发布量子云平台及服务，2021 年 2022 年，谷歌发布编程框架，百度发布平台“量羲”，腾讯发布量子模拟软件框架，本源量子发布操作系统“司南”，中科院软件所发布量子编程软件；华翊量子、启科量子也都有各自的软件平台可供使用；北京量子院发布了Quafu平台，提供最高 136 量子比特的在线量子计算服务。国盾量子发布“祖冲之”量子云平台，接入 176 比特量子计算。中国移动依托自身的云能力于2023 年4月发布了“五岳”量子计算云平台，并与 4 家国内领先量子计算企业合作，旨在依托该云平台促进量子计算产业深度融合。上述各个企业的软件与平台目前都以开源方式构建技术与产业生态。 应用方面，量子计算应用软件可利用其高速并行计算的优势，在算力需求极高的特定场景中发挥作用，例如通信、化工、物流、金融、大数据等领域。面向量子算法在通信领域的应用，2.2 节重点分析典型量子算法、量子优化算法、量子搜索算法和量子机器学习算法。