基于文獻計量和知識圖譜的量子計算研究演進探析

王東浩　王天辰

摘? 要：收集有關量子計算研究的國際文獻，基于WOS數據分析和數據挖掘，運用文獻計量學、數理統計分析和內容分析法，以及數據透視表、CiteSpace、VOSviewer知識圖譜可視化等工具，全面分析量子計算的研究進展、研究熱點、研究力量，探析量子計算的未來研究趨勢。量子計算的未來研究將面臨三個主要挑戰：可擴展糾錯的量子計算機硬件、可促進技術應用的量子算法和量子軟件工具、可防止量子計算機攻擊和破解的后量子密碼學。文末探討了量子計算+人工智能的研究方向。

關鍵詞：文獻計量；量子計算；量子算法；量子硬件；知識圖譜；可視化

中圖分類號：TP391.1；G353 文獻標識碼：A 文章編號：2096-4706（2023）11-0120-09

Analysis of the Evolution of Quantum Computing Research Based on Bibliometrics

and Knowledge Graph

WANG Donghao1， WANG Tianchen2

（1.Weifang University， Weifang? 261061， China; 2.Weifang Middle School， Weifang? 261031， China）

Abstract： Collect international literature on quantum computing research. Based on WOS data analysis and data mining， use Bibliometrics， mathematical statistics analysis and content analysis methods， as well as PivotTables， CiteSpace， VOSviewer knowledge graph visualization and other tools to comprehensively analyze the research progress， research hotspots， research strength of quantum computing， and explore the future research trend of quantum computing. The future research of quantum computing will face three major challenges： scalable error correcting quantum computer hardware， quantum algorithms and quantum software tools that can promote the application of technology， and post quantum cryptography that can prevent quantum computer attacks and cracking. The research direction of quantum computing and artificial intelligence is discussed at the end of the paper.

Keywords： bibliometric; quantum computing; quantum algorithm; quantum hardware; knowledge graph; visualization

0? 引? 言

量子計算是量子信息科學領域的一個重要分支，是一種基于量子力學理論規律對量子信息進行高速運算、存儲和處理的新型計算模式。量子計算機利用基本信息單元量子比特的疊加與糾纏狀態，應用量子相干性和不可克隆性等原理，可提供強大的并行計算和模擬能力，其計算能力明顯優于傳統經典計算機?？梢杂行Ы鉀Q多個應用領域中大規模復雜計算的難題和超級計算機難以處理的特定問題，如人工智能、數據分析、新藥研發、密碼通信、清潔能源、化工開發、金融建模、天氣預測等，被稱之為未來人類社會發展的重大顛覆性技術，其未來目標是實現可通用化、實用化的量子計算機。

近年來，世界上排名靠前的科技發達國家高度重視量子科技研究與應用，各國政府、科研機構正在加速進行戰略部署，加大研發投入，加快引領新一輪科技革命和產業變革。量子計算作為量子科技研究領域的重中之重，量子硬件開發和量子軟件/算法的巨大進步促使量子計算更加接近于現實。本文對量子計算研究方面的相關國際文獻進行收集和分析，揭示量子計算的研究特點與發展趨勢，概述量子計算的研究進展、研究熱點和研究力量，探析量子計算的未來研究趨勢，展望量子計算+人工智能的研究方向，為相關理論的研究與實踐探索提供參考。

1? 數據與方法

1.1? 數據收集與樣本選擇

文獻數據和樣本選用Clarivate Analytics旗下的Web of Science核心合集，該數據庫具有質量高和范圍廣的優勢，是全球最具影響力的科學引文索引。為確保數據的準確完整，選用SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、ESCI、CCR-EXPANDED、IC，檢索的時間跨度設定為：1980年1月至2021年12月；檢索表達式為：TS=（"quantum information*" OR "quantum bit" OR "quantum superposition" OR "quantum entanglement" OR "quantum cryptography" OR "quantum password" OR "quantum turing machine" OR "quantum computation" OR "quantum computer" OR "quantum simulation" OR "quantum computing" OR "topological quantum computation" OR "quantum gate" OR "quantum circuit" OR "superconducting quantum circuit" OR "quantum algorithm*" OR "quantum genetic algorithm" OR "shoralgorithm "OR "grover algorithm" OR "HHL algorithm" OR "quantum approximate optimization algorithm" OR "quantum machine learning*" OR "quantum deep learning*" OR "quantum neural network"），刪除編輯材料、會議摘要、信件、筆記和其他文件類型，從物理學、光學、粒子與原子核物理、原子與分子物理、應用物理學、電氣與電子工程、數學物理、計算機科學、量子信息科學、凝聚態物理和材料科學等多個學科的46 170篇論文中獲得了相關數據。

量子信息科學是多學科交叉融合而形成的新興科技領域，鑒于各國參考文獻的引用范圍各有不同，基于Eugene Garfield的文獻集中定律和Derek John de Solla Price的普賴斯定律，對檢索式中與“量子計算”相關的23個主題文獻引文信息進行遴選，如式（1）所示：

Ｎ＝０.７４９×√nmax（1）

原始數據中文獻被引最高次數是11 819次，代入式（1）中得出81.428，本文確定被引次數≥82的高被引文獻為3 378篇。分別下載完整的記錄、引用的參考文獻，以及重要文獻的全文，以供后續的內容分析和可視化之用。被引次數是長期累積的結果，所選文獻具有較高的學術價值和影響力，有助于確定所屬領域的突破性研究和所做出的重要貢獻。

1.2? 研究工具與方法

基于WOS數據分析和數據挖掘，運用文獻計量學、數理統計分析和內容分析法，以及數據透視表、CiteSpace、VOSviewer知識圖譜可視化等工具進行全面的研究。

2? 量子計算研究的年度分布概述

檢索Web of Science核心合集得到相關數據，利用數據透視表工具，繪制以時間（年）為橫坐標，發文量（篇）、累積量（篇）為縱坐標的年度分布與研究趨勢圖，呈現出量子計算研究的發展和變化趨勢，如圖1所示。從發文量和研究趨勢來看，量子計算研究可分為3個階段：1980—1990年為量子計算研究的起始階段；1991—2009年為量子計算研究的探索階段；2010—2020年為量子計算研究的發展階段。

3? 量子計算的研究進展

3.1? 起始階段

1980—1990年間，由于網絡和信息技術的局限性，每年的文獻刊出量僅為個位數，量子計算研究基本處于底部醞釀期，這一階段主要表現為對一些相關理論的淺層次研究。量子計算和量子計算機的研究起始于20世紀70年代末，1980年Paul Benioff提出按照圖靈機的組成部分和操作模式，構造基于量子系統的哈密頓模型，這也是學術界首次提出量子計算的可能性。Richard Phillips Feynman認為構建一種以量子體系為框架的計算機可以實現量子模擬，這表明量子系統的演化可以視為一種計算方法。David Deutsch于1985年提出量子計算的抽象模型，率先設計首個量子算法——Deutsch算法，而此時的量子計算對于解決一些實際問題仍存在不確定性。

3.2? 探索階段

1991—2009年間，量子計算研究進入發展初期，此階段的研究主要集中在探索不同物理體系中實現量子計算的實驗驗證。如圖1所示，相關文獻量呈逐年遞增、高速上升的趨勢，區間最高值達到2009年的1 976篇，首個高峰期顯示出強勁的增長勢頭，也預示著該領域的巨大潛力。1992年，Deutsch和Jozsa對之前的Deutsch算法進行了拓展改進，以量子特性為基礎，模擬查詢oracle判斷函數的類型，在n個量子比特下實現指數級加速。1994年，Peter Shor提出量子算法大整數分解和離散對數，相比經典質因數分解算法從指數時間降到多項式時間，能快速有效地解決實際問題。Shor的量子并行算法可破解RSA公鑰加密，繼而攻破通用的RSA公鑰體系，這一具有里程碑意義的算法迅速引起國家相關部門和產業的高度重視。Grover于1996年驗證了量子搜索算法[1]，其可在離散無序的搜索空間里找到全局最小值，從經典的N步縮小到根號N步，解決了無序數據庫的搜索問題。后期還出現了利用量子傅里葉變換尋找周期的Simon算法[2]、Hallgren算法，基于哈密頓量的基態連續演化最優解的絕熱量子算法，求解線性方程組的HHL算法，混合經典計算/量子計算用于解決組合優化、最大分割難題的量子近似優化算法（QAOA）[3]，借鑒量子計算理論在傳統計算機上加速運行經典推薦系統的量子啟發算法等數百種量子算法。至此，量子算法開始廣泛應用于諸多領域，其中包括密碼學、搜索和優化、量子系統模擬、求解線性方程組以及機器學習等。

經典計算機使用邏輯門操作存儲在比特中的信息，如AND、OR、NOT、NAND、XOR等。同樣，量子計算機使用量子門來操縱量子位元，通過系統集成硬件的方法實現對量子比特的控制、編程和讀取。量子態上的變換被表示為希爾伯特空間的旋轉，所有變換都是線性的和可逆的[4]。量子硬件發展的一個主要挑戰來自量子比特的退相干，即量子比特與環境的相互作用而使其失去相干特性。20世紀90年代中后期，離子阱量子比特理論被提出[5]，第一個量子邏輯門利用離子阱演示，確定了操作的退相干效應[6]。自此，量子比特控制技術助推小規模實驗演示并實現了簡單的量子算法。90年代末，Nakamura等證明了超導電路可用作量子比特，實現了在固態電子設備中對量子比特的電相干控制[7]。隨后，Divincenzo于2000年提出5條準則和兩個量子信息通信標準，只有具備這些條件的物理體系才能探索構建量子計算機[8]。不僅僅是離子阱和超導體，研究人員還在光量子[9]、中性原子、核磁共振、半導體、金剛石NV色心、拓撲量子材料[10]中測試量子比特，以尋覓最穩定的量子比特載體。

3.3? 發展階段

隨著HHL算法的出現，量子計算在機器學習、數據擬合、人工智能等領域展示出其獨有的優勢。機器學習系統在處理大數據時需要高速計算，目前經典計算機已接近其物理極限，而量子計算則可以滿足機器學習系統的高速計算需求[11]。研究人員探索量子計算和機器學習之間的相互作用，力求使用一個領域的結果和技術來解決另一個領域的問題，將人工智能用于量子實驗設計和執行部分應用研究，取得了初步成功。同時，Giuseppe Carleo等推動機器學習技術在多個學科領域的應用與交叉融合，例如機器學習技術在粒子物理學和宇宙學、量子多體物理學、量子計算，以及化學和材料物理學中的應用[12]。另有研究人員探討用于構造量子人工神經網絡的量子行走，并以指數級加快量子機器學習算法的計算速度。Alchieri等闡釋了量子機器學習和量子計算領域的技術和方法，量子自然梯度和量子支持向量機等算法，以及最新的量子深度學習技術量子神經網絡[13]。

2011年，全球首款商用量子計算機“D-Wave One”發布，得到洛克希德·馬丁的意向購買和論證[14]，并與NASA、Google合作組建量子人工智能實驗室（Quantum Artificial Intelligence Lab）。隨后，IBM開發出四量子比特電路，一些大學實驗室分別制作出硅基量子門、可編程量子計算機[15]。2018年，Intel和Google分別測試了49位Tangle Lake超導量子芯片和72位量子計算機Bristlecone。翌年，Google發布54量子比特數的超導量子芯片Sycamore，宣稱實現量子霸權（量子優越性）[16]，成為嘈雜中級量子（Noisy Intermediate-Scale Quantum， NISQ）時代的一個重要里程碑。2020年，提出“量子優勢”工業基準的IBM，推出64量子體積的超導量子計算系統。2021年，66個比特組成的二維可編程超導量子處理器“祖沖之二號”，可以快速完成量子隨機電路取樣[17]。同時，迅速升級到133個光子的“九章二號”，使用144模式干涉儀執行高斯玻色子采樣，速度比最快的超級計算機提高了1024倍[18]。近幾年，全球相關研究機構不斷推出升級版的量子芯片或量子計算平臺。

當前，量子計算硬件的發展路線主要是超導量子計算和離子阱量子計算。作為實驗平臺之一的超導電路具有低耗散和高可擴展的特性[19]，可采用現有的半導體工業技術，缺點是量子比特退相干時間較短，必須在極度的低溫下工作。另一個平臺離子阱具有量子比特退相干時間長，雙量子門保真度高等特性[20]，缺點是量子門操作速度慢，需要在超高真空環境中運行。超導量子計算、離子阱量子計算，以及光學量子、中性原子、金剛石NV色心、硅基半導體等技術，能否擴展到大規模糾錯量子計算機的實用階段尚不確定。

4? 量子計算的研究熱點

4.1? 研究熱點疊加分析

采用VOSviewer文獻計量可視化網絡分析工具，匯總分析相關文獻信息，讀取數據，提煉核心內容關鍵詞，繪制關鍵詞科學知識圖譜。Co-occurrence，Unit of analysis：Author keywords，Counting method：Full counting，共有36 025個關鍵詞，≥5的高頻關鍵詞有2 628個，實現了研究熱點疊加可視化，如圖2所示。同時，為了準確表示量子計算的研究熱點主題內容，在原始數據中去重合并，制作高頻主題詞數據集，如表1所示。

疊加可視化中，量子計算研究相關文獻關鍵詞按共現次數排序，依次為：quantum computing、quantum information、quantum entanglement、quantum cryptography、quantum computation、entanglement、quantum algorithms、quantum key distribution、quantum optics、quantum dots等，體現了過去十幾年的研究熱點變化情況。

分析逐漸變紅的較大節點，有可以安全抵御量子計算機攻擊的，基于格、基于代碼、基于哈希和基于多元的后量子密碼學（系統）：

1）基于格的加密系統算法運算主要為線性運算，應用數字簽名和密鑰交換，具有較高的加密和解密效率，研究人員證明在最壞的情況下其安全性和抗量子特性均有保障，是未來主流加密標準研究熱點。

2）基于代碼的加密系統源于經典的McEliece加密系統，相比RSA公鑰加密速度更快，加密/解密過程是矩陣乘法和信息糾錯，可通過邏輯單元在數字電路、FPGA等廉價嵌入式設備中直接實現，但其密鑰長度大，難以在高效信道中使用。目前，Nir Drucker等在經典McEliece加密體制的基礎上提高了安全參數，其中較有潛力的主要有基于QC-MDPC碼的BIKE加密方案、基于AVX512和VPCLMUQDQ乘法指令的HQC加密方案等[21]，分別入圍NIST PQC標準化項目第三輪決賽備選加密方案。

3）基于哈希的加密系統是散列函數的數字簽名，哈希函數有很強的調整性，當一個散列函數存在不安全情況時，會被另一個函數安全取代。該加密系統的另一個特性是抗碰撞性，弱碰撞會影響系統的穩定性，強碰撞則會影響系統的安全性。最近，Thanalakshmi等提出一種基于散列函數安全的新型簽名方案[22]，采用的方法具有無密鑰暴露、滿足語義、不可轉移、不可偽造等安全保證。

4）基于多變量的加密系統加密方法主要分為多元數字簽名、多元加密/解密或其他基于公鑰密碼系統的方法，具有高安全性和較短簽名，對于低成本設備及簡單的運算，使用該方案非常有效。Ding和Schmidt提出的Rainbow簽名方案就是一個多變量密碼系統，被認為可以抵御所有已知的攻擊。NAKAMURA S等使用Grobner basis算法，對Rainbow-Band-Separation攻擊的復雜性得出一個新的理論值[23]，精確度得以提高?；谏矸菪畔⒌膽贸绦蚝臀募?，可以在量子攻擊中通過數字簽名和加密過程獲得安全保障，應用于通信技術、智能交通、醫療設備、網絡服務（云服務）[24]等領域。

可促進量子計算技術應用的量子軟件工具（Quantum Software Tools），目前主要有量子編程語言、基于量子計算的編譯器、基于量子計算的控制系統，下面分別予以闡述，此外，詳細說明基于量子計算的調度與優化、基于量子計算的糾錯和檢測：

1）量子編程語言用于控制現有物理設備，估計未來設備上量子算法的執行成本，驗證并實現量子算法[25]。量子編程語言需要線性邏輯相關類型理論，以反映量子資源的不可克隆特性。Fu等通過對單面體范疇的某些纖維化定義這種類型的一般語義結構，探索未來量子編程語言的語義技術。而現有的匯編語言，相對于C++和Java等經典編程工具，仍處于較低水平，類似的高級量子編程目前還不成熟。

2）基于量子計算的編譯器主要包括量子語言和編譯器（QLC）、靜態編譯（SC）、動態編譯（DC）、經典協同處理（CCP）、自動門編譯（AGC）、門指令編譯器（CGLI）、編譯時間（CT）。Frederic T.Chong等人提出一種混合系統，支持門和機器級指令的算法編譯，時間、內存和編譯時間的成本優化，確保并行性和最優調度操作，以及量子和經典處理之間的協調編譯。

3）對于基于量子計算的控制系統來說，處理量子硬件的軟件可提供高效率、高質量應用先進量子控制技術的能力，可對局部和全局最優解決方案進行模擬優化控制，同時還可以進行適當的物理調度。

4）基于量子計算的調度和優化過程對于減少量子電路的延遲，提高性能，進行適當的電路分配以及實現進程之間資源的有效共享非常重要。Leon Riesebos等提出一個調度工具包，使用可配置traversal算法對基于定向的無環圖進行調度實驗，實現調度器與量子控制系統之間的通用反饋。

5）在基于量子計算的糾錯與檢測中，量子誤差校正是為了保護量子信息免受因量子噪聲和退相干而產生誤差的影響。量子系統檢測到的誤差與經典系統檢測到的誤差完全不同，因為誤差可能會因量子態的振幅或相位的變化而存在。量子糾錯和檢測機制要實現容錯量子計算，不僅要處理所存儲量子信息中的噪聲，而且還要處理錯誤的量子測量和錯誤的量子門。

優于經典計算的量子機器學習（Quantum Machine Learning），是量子計算和機器學習之間協同作用的技術與方法，使用量子計算增強分析數據和挖掘數據的能力[13]。目前主要有3個方法：一是基于經典模型到量子環境中的平移，保留經典模型的一般邏輯，復雜度較高的部分替換為相應的量子版本，依靠某種算法實現加速，降低算法的時間和空間復雜度；二是根據量子系統的特性來尋找經典模型的相似處，經過量子系統訓練應用于經典機器學習的求解難題，促進機器學習算法的創新；三是通過經典機器學習強大的數據分析能力，有效輔助量子系統的研發。

規劃構建和擴展未來的量子互聯網（quantum internet），其是現有互聯網基礎上具有量子特性的新型基礎設施，是基于量子通信技術，運用量子資源的新型功能網絡。Stephanie Wehner等構想了量子互聯網功能發展規劃，總共分為6個階段：第一階段是可信中繼網絡；第二階段是制備測量網絡；第三階段是糾纏分發網絡；第四階段是量子存儲網絡；第五階段是容錯量子比特網絡；第六階段是量子計算網絡。量子互聯網通過整合新的通信技術來提高計算能力，使分布式量子計算成為可能。因其使用量子力學定律，網絡設計的主要約束條件是傳送、糾纏、量子測量和無克隆。誤差控制機制是經典計算的一個基本假設，但是在量子網絡中并不奏效，需要借助量子糾纏和隱形傳輸等量子特性，其網絡設計需要進行重大范式轉變。此外，量子比特的脆弱性、退相干和保真度、長距離糾纏分發轉換數據、內部計算和高帶寬通信機制、依賴量子特性的Web應用與網絡應用程序兼容等問題，使量子互聯網面臨諸多挑戰。因此，需要整合經典通信資源和量子通信資源，采用統一的接口，使量子傳感器、量子計算機和量子互聯網應用程序之間能夠安全、高效地進行數據交換。

4.2? 研究熱點聚類分析

量子計算研究所涉及的學科領域較多，對該領域的研究熱點進行聚類分析，Unit of analysis：All keywords，總計包括擴展的48 293個關鍵詞，繪制量子計算研究熱點網絡可視化圖形。全部關鍵詞主要分為6大類簇，以不同顏色區分，如圖3所示。#1中Spectroscopy、spin、silicon、nanowire等；#2中quantum computation、quantum computing、quantum algorithms等；#3中quantum information、quantum entanglement等；#4中atoms、dyanmics等；#5中photons、quantum optics、interference等；#6中quantum communication、quantum cryptography、key distribution等。

網絡可視化中，較大節點間普遍存在跨類簇的密集連線，說明各研究領域之間存在密切的交叉關系，通過數據分析和數據挖掘可知最新的研究趨勢：

1）隨著物聯網應用程序的發展，云服務的使用量呈指數級增長，大量用戶的動態變化需求增加了云數據中心的成本和碳足跡，進一步影響云服務的可持續性。研究人員針對超級計算機和云數據中心消耗大量能源的問題，提出將量子計算和經典計算相結合的混合計算，量子計算執行高能量部分，經典計算執行低能量部分[26]，合理優化成本和降低碳排放，探索可持續云計算的模型和能源系統的應用[27]。

2）量子計算有助于解決高溫超導、固態物理學、過渡金屬催化等經典計算化學難以解決的問題。Sam McArdle等綜述計算化學與量子計算，展示了如何將化學問題映射到量子計算機處理解決問題，進一步推動跨學科跨領域量子計算化學的發展與創新。

3）制藥領域開始關注和探索量子計算，藥物研發過程中采用適當的計算方法，可以以較低的成本快速高效地發現先導候選藥物。Silva等探討量子計算對抗生素藥物研究的效用，用以解決藥物研發過程中遇到的技術難題。Zinner等對量子計算在藥物研發、制造和供應等方面的應用，提出了量子計算制度化建議[28]，該建議與經典計算機輔助藥物設計（CADD）和人工智能輔助的發展路線相類似。

4）有關量子計算在金融領域的應用，Rebentrost等提出一種用于金融衍生品蒙特卡羅定價的量子算法，在量子疊加中準備相關的概率分布，通過量子電路實現支付函數，使用量子測量來提取金融衍生品的價格，該項工作為進一步研究量子計算和金融的接口打通了一個通道。

5）硅基自旋量子比特的設計和表征取得重大進展，包括單次自旋讀數，基于兩個電子的單量子比特演示和核自旋，硅中精確的晶格位置定位，兩個電子相干自旋和快速的SWAP操作等實驗。Muhonen和He等證實基于硅量子比特的量子電路[29]，有望擴展為另一種量子計算平臺。

6）集成光子學將在未來量子系統中發揮重要作用，集成光量子技術能夠進行可編程量子信息處理、芯片到芯片網絡、混合量子系統集成和高速通信。Bogaerts等探討了可編程光子集成電路技術的模塊構建、電路架構、電子控制和編程策略以及不同應用空間的最新進展。Moody等闡釋了集成光量子幾個關鍵研究領域的新興技術，包括光子平臺、量子和經典光源、量子頻率轉換、集成探測器以及它們在計算、通信和傳感中的應用[30]。

5? 量子計算的研究力量

5.1? 國家/地區、機構分析

目前，全球有100多個研究機構和實驗室正在進行量子系統構建和監測的探索，各大科技巨頭和初創公司也在致力于未來可通用化的量子計算機研究。對相關的國家/地區、隸屬機構、資助機構進行分析，時間范圍選擇1980年1月1日至2021年12月31日，數據分析結果如圖4所示。發文量居前的國家/地區為美、中、德、英、日、加、意、法、澳、印等，美國總發文量占比26.19%，中國總發文量占比24.36%，占總數的50%以上。從近5年的數據分析來看，中國的發文量和被引量分別是5 376篇和43 468次，美國的發文量和被引量分別是4 730篇和76 759次，表明中國在該領域的相關研究處于高速增長態勢，顯示出后發者的潛力。

5.2? 研究人員比較分析

高被引文獻具有較高的學術價值和影響力，高被引作者則是世界上極具影響力的研究人員。將前述確定的3 378篇高被引文獻數據導入CiteSpace文獻計量可視化網絡分析工具，Node Types：Author，共有10 401位研究人員，≥5篇文獻的研究人員有560位，繪制高被引研究人員網絡可視化，如圖5所示。

結合Web of Science原始數據，對量子計算研究領域73 107位研究人員進行比較分析，其中總被引次數、H指數較高的為：奧地利科學院Anton Zeilinger、Peter Zoller、Rainer Blatt，哈佛大學物理系Mikhail Lukin，德國馬克斯普朗克協會（MPS）Ignacio Cirac、Harald Weinfurter，RIKEN理科學研究所、密歇根大學Franco Nori，日內瓦大學Nicolas Gisin，加州大學系統（UCS）John Martinis、Gerard J MIlburn，中國科學院、中國科學技術大學郭光燦、潘建偉，耶魯大學Steven Girvin、Michel Devoret等研究人員，數據分析結果如表2所示。

6? 未來研究趨勢

從研究趨勢來看，量子計算硬件開發總體表明，不同物理體系中的實驗驗證，發展到不同領域的各項突破，不同物理載體的研究成果不斷刷新和擴展新的實驗記錄，與實現大規模實用化、通用化的量子計算機更進一步。量子計算軟件研究表明，量子軟件/算法的不斷改進與完善，在量子模擬中持續探索多個應用領域的交叉與融合，向有效解決現實中遇到的復雜計算難題和特定問題更加邁進一步。當前，量子計算研究與應用所面臨的主要挑戰來自3個方面：可擴展糾錯的量子計算機硬件，可促進技術應用的量子算法和量子軟件工具，可安全抵御量子計算機攻擊和破解的后量子密碼學。

6.1? 可擴展糾錯的量子計算機硬件

除了量子比特和量子門的發展，還需要復雜的經典控制電路，如電磁場、冷卻系統、用戶界面、網絡和數據存儲能力的應用。其硬件可根據功能劃分為“量子數據平面”“控制與測量平面”“控制處理器平面”和“主機處理器”4層?！傲孔訑祿矫妗笔谴鎯α孔颖忍夭⑼ㄟ^“控制和測量平面”進行操作和測量的位置，算法中的操作順序由“控制處理器平面”處理，“主機處理器”執行操作系統/用戶界面、大型存儲陣列和高帶寬網絡連接。這其中需要重點解決的技術問題是噪聲和退相干時間問題，由于光子可以保持較長的相干時間，集成光量子技術將在未來量子系統中發揮重要作用，可以從少數量子比特發展到數萬量子比特。未來的量子光子集成平臺（QPIC）需要一種異構方法，將多種PIC材料結合起來，通過集成激光器和放大器、無源元件、調制器、量子頻率轉換器、高效探測器或芯片到光纖耦合器來實現高級功能和控制邏輯。集成光子量子幾個關鍵研究領域的新興技術，包括光子平臺、量子和經典光源、量子頻率轉換、集成探測器以及在計算、通信和傳感中的應用。隨著材料、光子設計架構、制造和集成工藝、封裝、測試和基準測試的進步，研究人員期待在未來十年從單一和少數功能原型過渡到多功能和可重構設備的大規模集成。

6.2? 可促進技術應用的量子算法和量子軟件工具

若要有效運行一個量子算法，需要借助大量的量子比特，同時要求經典計算機與量子芯片之間的緊密連接。優化量子計算和經典計算相結合的混合計算，開發大規模的高級量子編程系統，提升量子算法的硬件效率，有效解決物理學、化學、生物學相關的大型復雜計算難題；改進量子計算機內部的計算、糾錯、檢測、誤差校正和通信機制，通過高內存、高帶寬在量子傳感器、量子計算機和量子互聯網應用程序之間建立有效的通信，實現數據交換和信息交互；構建高級別的量子機器學習模型，提高機器學習算法的擴展性和效率，提供更卓越的計算能力處理大規模數據、可持續云計算、能源系統優化等多個應用領域的難點問題；未來還需要在量子機器學習模型中注入更多的自由度和系統復雜性，改進優化技術和策略，使之改善量子計算機內部的資源管理。對資源的有效管理能夠降低噪聲波動以及減小對硬件的影響，通過強大的數據分析能力，有效輔助高級別的量子系統研發。

6.3? 可安全抵御量子計算機攻擊和破解的后量子密碼學

隨著大型量子計算機的出現，各種經典的密碼系統會受到威脅和破壞，需要建立可有效抵御風險的后量子密碼系統，并且還要求該系統具有預測安全問題的能力。后量子密碼研究主要是采用基于格的、基于代碼、基于哈希和基于多變量的4種算法，已在研究熱點部分做以表述。未來需要探索更加安全的量子密碼系統，可以集成現有的后量子密碼系統，或者出于節約成本考慮實行混合應用。高級別的后量子密碼系統將會應用于通信技術、智能交通、醫療設備、金融系統、網絡服務（云服務）等領域，如醫療設備中的機器人技術、智能交通無人車輛、無人飛行器、無人潛航器等，為未來互聯網安全、人工智能時代應用程序安全運行提供有效保障。在涉及人員切身利益和重要基礎設施的領域，提供不可破解的安全性。

7? 結? 論

通用化的量子計算機必須滿足兩個基本條件，一是可操縱幾萬到幾百萬個量子比特，二是具備“糾錯容錯”功能，以及享有各類軟件/算法的支撐。有關量子計算機何時在復雜任務中取代經典計算機仍不能確定，即使實現了這一目標，超級計算機也將作為補充繼續存在。通用量子計算機在不久的將來會廣泛應用于更多的學科領域，例如，強人工智能對算力的要求較高，經典CPU芯片難以完成更復雜的任務，量子計算可賦予強人工智能高速計算的需求，強人工智能則有效輔助量子計算更高級別的軟/硬件開發?；谟布牧孔佑嬎阏狭孔訖C器學習、量子神經網絡、量子隨機行走等人工智能算法和技術，融合多個學科領域形成規?；?、系統化的研究，建立工程、技術等層面的體系架構，如取得重大技術突破，實現真正思考、推理和解決問題，具有思維能力的超級人工智能，將會推動人類社會各個方面的高質量發展。

參考文獻：

[1] GROVER L K. Quantum mechanics helps in searching for a needle in a haystack [C]//CCAST“量子糾纏態與量子信息”研討會.北京：[出版者不詳].1999：100-103.

[2] SIMON D R. On the power of quantum computation [J].SIAM Journal on Computing，1997，26（5）：1474-1483.

[3] FARHI E，GOLDSTONE J，GUTMANN S. A Quantum Approximate Optimization Algorithm [J/OL].arXiv：1411.4028 [quant-ph].[2023-01-05].https：//arxiv.org/abs/1411.4028.

[4] KULKARNI V， KULKARNI M，A. PANT A. Quantum Computing Methods for Supervised Learning [J/OL].arXiv：2006.12025 [quant-ph].[2022-12-20].https：//arxiv.org/abs/2006.12025.

[5] CIRAC J I，ZOLLER P. Quantum Computations with Cold Trapped Ions [J].Physical Review Letters，74（20）：4091–4094.

[6] MONROE C，MEEKHOF D M，KING B. E，et al. Demonstration of a Fundamental Quantum Logic Gate [J].Physical Review Letters，1995，75（25）：4714-4717.

[7] NAKAMURA Y，PASHKIN Y A，TSAI J S. Coherent Control of Macroscopic Quantum States in a Single-Cooper-pair box [J].Nature，1999，398（6730）：786-788.

[8] DIVINCENZO D P. The Physical Implementation of Quantum Computation [EB/OL].[2022-12-16].https：//arxiv.org/PS_cache/quant-ph/pdf/0002/0002077v3.pdf.

[9] FULVIO F，NICOLO S，FABIL S. Photonic Quantum Information Processing： a Review [EB/OL].[2022-12-19].https：//d.wanfangdata.com.cn/periodical/777d0f81214d54814ab013a23b236a3e.

[10] HASAN M Z，KANE C. L. Colloquium： Topological insulators [J].Reviews of Modern Physics，2010，82（4）：3045-3067.

[11] BIAMONTE J，WITTEK P，PANCOTTI N，et al. Quantum Machine Learning [J].Nature，2017，549（7671）：195-202.

[12] CARLEO G，CIRAC I，CRANMER K，et al. Machine Learning and the Physical Sciences [J/OL].arXiv：1903.10563 [physics.comp-ph].[2022-12-19].https：//arxiv.org/abs/1903.10563v1.

[13] ALCHIERI L，BADALOTTI D，BONARDI P，et al. An Introduction to Quantum Machine Learning [EB/OL].[2022-12-13].https：//www.tandfonline.com/doi/full/10.1080/00107514.2014.964942.

[14] SERGIO B，ALBASH T，SPEDALIERI F M，et al. Experimental signature of programmable quantum annealing [EB/OL].[2022-12-10].https：//pubmed.ncbi.nlm.nih.gov/23811779/.

[15] DEBNATH S，LINKE N M，FIGGATT C et al. Demonstration of a small programmable quantum computer with atomic qubits [EB/OL].[2022-12-19].https：//www.researchgate.net/publication/305821843_Demonstration_of_a_small_programmable_quantum_computer_with_atomic_qubits.

[16] ARUTE F，ARYA K，BABBUSH R，et al. Quantum supremacy using a programmable superconducting processor [J].Nature，2019，574（7779）：505-510.

[17] WU Y L，BAO W S，CAO S R，et al. Strong Quantum Computational Advantage Using a Superconducting Quantum Processor [J].Physical review letters，2021，127（18）：180501.

[18] ZHONG H S，DENG Y H，QIN J，et al. Phase-Programmable Gaussian Boson Sampling Using Stimulated Squeezed Light [J].Physical review letters，2021，127（18）：180502.

[19] CASTELVECCHI D. IBM's quantum cloud computer goes commercial [J].Nature，2017，543（7644）：159.

[20] MONROE C，Kim J. Scaling the ion trap quantum processor [J].Science，2013，339（6124）：1164-1169.

[21] ROBERT J M，VERON P. Faster multiplication over F2[X] using AVX512 instruction set and VPCLMULQDQ instruction [J/OL].arXiv：2201.10473 [cs.CR].[2022-12-04]. https：//arxiv.org/abs/2201.10473.

[22] THANALAKSHMI P，ANITHA R，ANBAZHAGAN N，et al. A Hash-Based Quantum-Resistant Chameleon Signature Scheme [J].Sensors，2021，21（24）：8417.

[23] NAKAMURA S，IKEMATSU Y，WANG Y C，et al. New Complexity Estimation on the Rainbow-Band-Separation Attack [EB/OL].[2022-12-09].https：//www.xueshufan.com/publication/3037414585.

[24] WANG Y，ZHANG W F，WANG X M，et al. Improving the Security of LTE-R for High-Speed Railway： From the Access Authentication View [J].IEEE Transactions on Intelligent Transportation Systems，2022，23（2）：1332-1346.

[25] HEIM B，SOEKEN M，MARSHALL S，et al. Quantum programming languages [J].Nature Reviews Physics，2020，2（12）：709-722.

[26] GILL S S，BUYYA R. A Taxonomy and Future Directions for Sustainable Cloud Computing： 360 Degree View [J].ACM Computing Surveys，2019，51（5）：1-33.

[27] AJAGEKAR A，YOU F Q. Quantum computing for energy systems optimization： Challenges and opportunities [J/OL].arXiv：2003.00254 [quant-ph].[2022-12-07].https：//arxiv.org/abs/2003.00254v1.

[28] ZINNER M，DAHLHAUSEN F，BOEHME P，et al. Toward the institutionalization of quantum computing in pharmaceutical research [J].Drug Discovery Today，2022，27（2）：378-383.

[29] MUHONEN J T，LAUCHT A，SIMMONS S，et al. Quantifying the quantum gate fidelity of single-atom spin qubits in silicon by randomized benchmarking [EB/OL].[2022-12-25].https：//www.xueshufan.com/publication/2122082290.

[30] MOODY G，SORGER V J，BLUMENTHAL D J，et al.2022 Roadmap on integrated quantum photonics [EB/OL].[2022-12-09].https：//iopscience.iop.org/article/10.1088/2515-7647/ac1ef4/meta.

作者簡介：王東浩（1975—），男，漢族，山東濰坊人，助理研究員，碩士，研究方向：文獻計量分析、信息管理與知識管理。

收稿日期：2023-01-30