基于文献计量和知识图谱的量子计算研究演进探析

王东浩　王天辰

摘  要：收集有关量子计算研究的国际文献，基于WOS数据分析和数据挖掘，运用文献计量学、数理统计分析和内容分析法，以及数据透视表、CiteSpace、VOSviewer知识图谱可视化等工具，全面分析量子计算的研究进展、研究热点、研究力量，探析量子计算的未来研究趋势。量子计算的未来研究将面临三个主要挑战：可扩展纠错的量子计算机硬件、可促进技术应用的量子算法和量子软件工具、可防止量子计算机攻击和破解的后量子密码学。文末探讨了量子计算+人工智能的研究方向。

关键词：文献计量；量子计算；量子算法；量子硬件；知识图谱；可视化

中图分类号：TP391.1；G353 文献标识码：A 文章编号：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学领域的一个重要分支，是一种基于量子力学理论规律对量子信息进行高速运算、存储和处理的新型计算模式。量子计算机利用基本信息单元量子比特的叠加与纠缠状态，应用量子相干性和不可克隆性等原理，可提供强大的并行计算和模拟能力，其计算能力明显优于传统经典计算机。可以有效解决多个应用领域中大规模复杂计算的难题和超级计算机难以处理的特定问题，如人工智能、数据分析、新药研发、密码通信、清洁能源、化工开发、金融建模、天气预测等，被称之为未来人类社会发展的重大颠覆性技术，其未来目标是实现可通用化、实用化的量子计算机。

近年来，世界上排名靠前的科技发达国家高度重视量子科技研究与应用，各国政府、科研机构正在加速进行战略部署，加大研发投入，加快引领新一轮科技革命和产业变革。量子计算作为量子科技研究领域的重中之重，量子硬件开发和量子软件/算法的巨大进步促使量子计算更加接近于现实。本文对量子计算研究方面的相关国际文献进行收集和分析，揭示量子计算的研究特点与发展趋势，概述量子计算的研究进展、研究热点和研究力量，探析量子计算的未来研究趋势，展望量子计算+人工智能的研究方向，为相关理论的研究与实践探索提供参考。

1  数据与方法

1.1  数据收集与样本选择

文献数据和样本选用Clarivate Analytics旗下的Web of Science核心合集，该数据库具有质量高和范围广的优势，是全球最具影响力的科学引文索引。为确保数据的准确完整，选用SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH、ESCI、CCR-EXPANDED、IC，检索的时间跨度设定为：1980年1月至2021年12月；检索表达式为：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"），删除编辑材料、会议摘要、信件、笔记和其他文件类型，从物理学、光学、粒子与原子核物理、原子与分子物理、应用物理学、电气与电子工程、数学物理、计算机科学、量子信息科学、凝聚态物理和材料科学等多个学科的46 170篇论文中获得了相关数据。

量子信息科学是多学科交叉融合而形成的新兴科技领域，鉴于各国参考文献的引用范围各有不同，基于Eugene Garfield的文献集中定律和Derek John de Solla Price的普赖斯定律，对检索式中与“量子计算”相关的23个主题文献引文信息进行遴选，如式（1）所示：

Ｎ＝０.７４９×√nmax（1）

原始数据中文献被引最高次数是11 819次，代入式（1）中得出81.428，本文确定被引次数≥82的高被引文献为3 378篇。分别下载完整的记录、引用的参考文献，以及重要文献的全文，以供后续的内容分析和可视化之用。被引次数是长期累积的结果，所选文献具有较高的学术价值和影响力，有助于确定所属领域的突破性研究和所做出的重要贡献。

1.2  研究工具与方法

基于WOS數据分析和数据挖掘，运用文献计量学、数理统计分析和内容分析法，以及数据透视表、CiteSpace、VOSviewer知识图谱可视化等工具进行全面的研究。

2  量子计算研究的年度分布概述

检索Web of Science核心合集得到相关数据，利用数据透视表工具，绘制以时间（年）为横坐标，发文量（篇）、累积量（篇）为纵坐标的年度分布与研究趋势图，呈现出量子计算研究的发展和变化趋势，如图1所示。从发文量和研究趋势来看，量子计算研究可分为3个阶段：1980—1990年为量子计算研究的起始阶段；1991—2009年为量子计算研究的探索阶段；2010—2020年为量子计算研究的发展阶段。

3  量子计算的研究进展

3.1  起始阶段

1980—1990年间，由于网络和信息技术的局限性，每年的文献刊出量仅为个位数，量子计算研究基本处于底部酝酿期，这一阶段主要表现为对一些相关理论的浅层次研究。量子计算和量子计算机的研究起始于20世纪70年代末，1980年Paul Benioff提出按照图灵机的组成部分和操作模式，构造基于量子系统的哈密顿模型，这也是学术界首次提出量子计算的可能性。Richard Phillips Feynman认为构建一种以量子体系为框架的计算机可以实现量子模拟，这表明量子系统的演化可以视为一种计算方法。David Deutsch于1985年提出量子计算的抽象模型，率先设计首个量子算法——Deutsch算法，而此时的量子计算对于解决一些实际问题仍存在不确定性。

3.2  探索阶段

1991—2009年间，量子计算研究进入发展初期，此阶段的研究主要集中在探索不同物理体系中实现量子计算的实验验证。如图1所示，相关文献量呈逐年递增、高速上升的趋势，区间最高值达到2009年的1 976篇，首个高峰期显示出强劲的增长势头，也预示着该领域的巨大潜力。1992年，Deutsch和Jozsa对之前的Deutsch算法进行了拓展改进，以量子特性为基础，模拟查询oracle判断函数的类型，在n个量子比特下实现指数级加速。1994年，Peter Shor提出量子算法大整数分解和离散对数，相比经典质因数分解算法从指数时间降到多项式时间，能快速有效地解决实际问题。Shor的量子并行算法可破解RSA公钥加密，继而攻破通用的RSA公钥体系，这一具有里程碑意义的算法迅速引起国家相关部门和产业的高度重视。Grover于1996年验证了量子搜索算法[1]，其可在离散无序的搜索空间里找到全局最小值，从经典的N步缩小到根号N步，解决了无序数据库的搜索问题。后期还出现了利用量子傅里叶变换寻找周期的Simon算法[2]、Hallgren算法，基于哈密顿量的基态连续演化最优解的绝热量子算法，求解线性方程组的HHL算法，混合经典计算/量子计算用于解决组合优化、最大分割难题的量子近似优化算法（QAOA）[3]，借鉴量子计算理论在传统计算机上加速运行经典推荐系统的量子启发算法等数百种量子算法。至此，量子算法开始广泛应用于诸多领域，其中包括密码学、搜索和优化、量子系统模拟、求解线性方程组以及机器学习等。

经典计算机使用逻辑门操作存储在比特中的信息，如AND、OR、NOT、NAND、XOR等。同样，量子计算机使用量子门来操纵量子位元，通过系统集成硬件的方法实现对量子比特的控制、编程和读取。量子态上的变换被表示为希尔伯特空间的旋转，所有变换都是线性的和可逆的[4]。量子硬件发展的一个主要挑战来自量子比特的退相干，即量子比特与环境的相互作用而使其失去相干特性。20世纪90年代中后期，离子阱量子比特理论被提出[5]，第一个量子逻辑门利用离子阱演示，确定了操作的退相干效应[6]。自此，量子比特控制技术助推小规模实验演示并实现了简单的量子算法。90年代末，Nakamura等证明了超导电路可用作量子比特，实现了在固态电子设备中对量子比特的电相干控制[7]。随后，Divincenzo于2000年提出5条准则和两个量子信息通信标准，只有具备这些条件的物理体系才能探索构建量子计算机[8]。不仅仅是离子阱和超导体，研究人员还在光量子[9]、中性原子、核磁共振、半导体、金刚石NV色心、拓扑量子材料[10]中测试量子比特，以寻觅最稳定的量子比特载体。

3.3  发展阶段

随着HHL算法的出现，量子计算在机器学习、数据拟合、人工智能等领域展示出其独有的优势。机器学习系统在处理大数据时需要高速计算，目前经典计算机已接近其物理极限，而量子计算则可以满足机器学习系统的高速计算需求[11]。研究人员探索量子计算和机器学习之间的相互作用，力求使用一个领域的结果和技术来解决另一个领域的问题，将人工智能用于量子实验设计和执行部分应用研究，取得了初步成功。同时，Giuseppe Carleo等推动机器学习技术在多个学科领域的应用与交叉融合，例如机器学习技术在粒子物理学和宇宙学、量子多体物理学、量子计算，以及化学和材料物理学中的应用[12]。另有研究人员探讨用于构造量子人工神经网络的量子行走，并以指数级加快量子机器学习算法的计算速度。Alchieri等阐释了量子机器学习和量子计算领域的技术和方法，量子自然梯度和量子支持向量机等算法，以及最新的量子深度学习技术量子神经网络[13]。

2011年，全球首款商用量子计算机“D-Wave One”发布，得到洛克希德·马丁的意向购买和论证[14]，并与NASA、Google合作组建量子人工智能实验室（Quantum Artificial Intelligence Lab）。随后，IBM开发出四量子比特电路，一些大学实验室分别制作出硅基量子门、可编程量子计算机[15]。2018年，Intel和Google分别测试了49位Tangle Lake超导量子芯片和72位量子计算机Bristlecone。翌年，Google发布54量子比特数的超导量子芯片Sycamore，宣称实现量子霸权（量子优越性）[16]，成为嘈杂中级量子（Noisy Intermediate-Scale Quantum， NISQ）时代的一个重要里程碑。2020年，提出“量子优势”工业基准的IBM，推出64量子体积的超导量子计算系统。2021年，66个比特组成的二维可编程超导量子处理器“祖冲之二号”，可以快速完成量子随机电路取样[17]。同时，迅速升级到133个光子的“九章二号”，使用144模式干涉仪执行高斯玻色子采样，速度比最快的超级计算机提高了1024倍[18]。近几年，全球相关研究机构不断推出升级版的量子芯片或量子计算平台。

当前，量子计算硬件的发展路线主要是超导量子计算和离子阱量子计算。作为实验平台之一的超导电路具有低耗散和高可扩展的特性[19]，可采用现有的半导体工业技术，缺点是量子比特退相干时间较短，必须在极度的低温下工作。另一个平台离子阱具有量子比特退相干时间长，双量子门保真度高等特性[20]，缺点是量子门操作速度慢，需要在超高真空环境中运行。超导量子计算、离子阱量子计算，以及光学量子、中性原子、金刚石NV色心、硅基半导体等技术，能否扩展到大规模纠错量子计算机的实用阶段尚不确定。

4  量子计算的研究热点

4.1  研究热点叠加分析

采用VOSviewer文献计量可视化网络分析工具，汇总分析相关文献信息，读取数据，提炼核心内容关键词，绘制关键词科学知识图谱。Co-occurrence，Unit of analysis：Author keywords，Counting method：Full counting，共有36 025个关键词，≥5的高频关键词有2 628个，实现了研究热点叠加可视化，如图2所示。同时，为了准确表示量子计算的研究热点主题内容，在原始数据中去重合并，制作高频主题词数据集，如表1所示。

叠加可视化中，量子计算研究相关文献关键词按共现次数排序，依次为：quantum computing、quantum information、quantum entanglement、quantum cryptography、quantum computation、entanglement、quantum algorithms、quantum key distribution、quantum optics、quantum dots等，體现了过去十几年的研究热点变化情况。

分析逐渐变红的较大节点，有可以安全抵御量子计算机攻击的，基于格、基于代码、基于哈希和基于多元的后量子密码学（系统）：

1）基于格的加密系统算法运算主要为线性运算，应用数字签名和密钥交换，具有较高的加密和解密效率，研究人员证明在最坏的情况下其安全性和抗量子特性均有保障，是未来主流加密标准研究热点。

2）基于代码的加密系统源于经典的McEliece加密系统，相比RSA公钥加密速度更快，加密/解密过程是矩阵乘法和信息纠错，可通过逻辑单元在数字电路、FPGA等廉价嵌入式设备中直接实现，但其密钥长度大，难以在高效信道中使用。目前，Nir Drucker等在经典McEliece加密体制的基础上提高了安全参数，其中较有潜力的主要有基于QC-MDPC码的BIKE加密方案、基于AVX512和VPCLMUQDQ乘法指令的HQC加密方案等[21]，分别入围NIST PQC标准化项目第三轮决赛备选加密方案。

3）基于哈希的加密系统是散列函数的数字签名，哈希函数有很强的调整性，当一个散列函数存在不安全情况时，会被另一个函数安全取代。该加密系统的另一个特性是抗碰撞性，弱碰撞会影响系统的稳定性，强碰撞则会影响系统的安全性。最近，Thanalakshmi等提出一种基于散列函数安全的新型签名方案[22]，采用的方法具有无密钥暴露、满足语义、不可转移、不可伪造等安全保证。

4）基于多变量的加密系统加密方法主要分为多元数字签名、多元加密/解密或其他基于公钥密码系统的方法，具有高安全性和较短签名，对于低成本设备及简单的运算，使用该方案非常有效。Ding和Schmidt提出的Rainbow签名方案就是一个多变量密码系统，被认为可以抵御所有已知的攻击。NAKAMURA S等使用Grobner basis算法，对Rainbow-Band-Separation攻击的复杂性得出一个新的理论值[23]，精确度得以提高。基于身份信息的应用程序和文件，可以在量子攻击中通过数字签名和加密过程获得安全保障，应用于通信技术、智能交通、医疗设备、网络服务（云服务）[24]等领域。

可促进量子计算技术应用的量子软件工具（Quantum Software Tools），目前主要有量子编程语言、基于量子计算的编译器、基于量子计算的控制系统，下面分别予以阐述，此外，详细说明基于量子计算的调度与优化、基于量子计算的纠错和检测：

1）量子编程语言用于控制现有物理设备，估计未来设备上量子算法的执行成本，验证并实现量子算法[25]。量子编程语言需要线性逻辑相关类型理论，以反映量子资源的不可克隆特性。Fu等通过对单面体范畴的某些纤维化定义这种类型的一般语义结构，探索未来量子编程语言的语义技术。而现有的汇编语言，相对于C++和Java等经典编程工具，仍处于较低水平，类似的高级量子编程目前还不成熟。

2）基于量子计算的编译器主要包括量子语言和编译器（QLC）、静态编译（SC）、动态编译（DC）、经典协同处理（CCP）、自动门编译（AGC）、门指令编译器（CGLI）、编译时间（CT）。Frederic T.Chong等人提出一种混合系统，支持门和机器级指令的算法编译，时间、内存和编译时间的成本优化，确保并行性和最优调度操作，以及量子和经典处理之间的协调编译。

3）对于基于量子计算的控制系统来说，处理量子硬件的软件可提供高效率、高质量应用先进量子控制技术的能力，可对局部和全局最优解决方案进行模拟优化控制，同时还可以进行适当的物理调度。

4）基于量子计算的调度和优化过程对于减少量子电路的延迟，提高性能，进行适当的电路分配以及实现进程之间资源的有效共享非常重要。Leon Riesebos等提出一个调度工具包，使用可配置traversal算法对基于定向的无环图进行调度实验，实现调度器与量子控制系统之间的通用反馈。

5）在基于量子计算的纠错与检测中，量子误差校正是为了保护量子信息免受因量子噪声和退相干而产生误差的影响。量子系统检测到的误差与经典系统检测到的误差完全不同，因为误差可能会因量子态的振幅或相位的变化而存在。量子纠错和检测机制要实现容错量子计算，不仅要处理所存储量子信息中的噪声，而且还要处理错误的量子测量和错误的量子门。

优于经典计算的量子机器学习（Quantum Machine Learning），是量子计算和机器学习之间协同作用的技术与方法，使用量子计算增强分析数据和挖掘数据的能力[13]。目前主要有3个方法：一是基于经典模型到量子环境中的平移，保留经典模型的一般逻辑，复杂度较高的部分替换为相应的量子版本，依靠某种算法实现加速，降低算法的时间和空间复杂度；二是根据量子系统的特性来寻找经典模型的相似处，经过量子系统训练应用于经典机器学习的求解难题，促进机器学习算法的创新；三是通过经典机器学习强大的数据分析能力，有效辅助量子系统的研发。

规划构建和扩展未来的量子互联网（quantum internet），其是现有互联网基础上具有量子特性的新型基础设施，是基于量子通信技术，运用量子资源的新型功能网络。Stephanie Wehner等构想了量子互联网功能发展规划，总共分为6个阶段：第一阶段是可信中继网络；第二阶段是制备测量网络；第三阶段是纠缠分发网络；第四阶段是量子存储网络；第五阶段是容错量子比特网络；第六阶段是量子计算网络。量子互联网通过整合新的通信技术来提高计算能力，使分布式量子计算成为可能。因其使用量子力学定律，网络设计的主要约束条件是传送、纠缠、量子测量和无克隆。误差控制机制是经典计算的一个基本假设，但是在量子网络中并不奏效，需要借助量子纠缠和隐形传输等量子特性，其网络设计需要进行重大范式转变。此外，量子比特的脆弱性、退相干和保真度、长距离纠缠分发转换数据、内部计算和高帶宽通信机制、依赖量子特性的Web应用与网络应用程序兼容等问题，使量子互联网面临诸多挑战。因此，需要整合经典通信资源和量子通信资源，采用统一的接口，使量子传感器、量子计算机和量子互联网应用程序之间能够安全、高效地进行数据交换。

4.2  研究热点聚类分析

量子计算研究所涉及的学科领域较多，对该领域的研究热点进行聚类分析，Unit of analysis：All keywords，总计包括扩展的48 293个关键词，绘制量子计算研究热点网络可视化图形。全部关键词主要分为6大类簇，以不同颜色区分，如图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。

网络可视化中，较大节点间普遍存在跨类簇的密集连线，说明各研究领域之间存在密切的交叉关系，通过数据分析和数据挖掘可知最新的研究趋势：

1）随着物联网应用程序的发展，云服务的使用量呈指数级增长，大量用户的动态变化需求增加了云数据中心的成本和碳足迹，进一步影响云服务的可持续性。研究人员针对超级计算机和云数据中心消耗大量能源的问题，提出将量子计算和经典计算相结合的混合计算，量子计算执行高能量部分，经典计算执行低能量部分[26]，合理优化成本和降低碳排放，探索可持续云计算的模型和能源系统的应用[27]。

2）量子计算有助于解决高温超导、固态物理学、过渡金属催化等经典计算化学难以解决的问题。Sam McArdle等综述计算化学与量子计算，展示了如何将化学问题映射到量子计算机处理解决问题，进一步推动跨学科跨领域量子计算化学的发展与创新。

3）制药领域开始关注和探索量子计算，药物研发过程中采用适当的计算方法，可以以较低的成本快速高效地发现先导候选药物。Silva等探讨量子计算对抗生素药物研究的效用，用以解决药物研发过程中遇到的技术难题。Zinner等对量子计算在药物研发、制造和供应等方面的应用，提出了量子计算制度化建议[28]，该建议与经典计算机辅助药物设计（CADD）和人工智能辅助的发展路线相类似。

4）有关量子计算在金融领域的应用，Rebentrost等提出一种用于金融衍生品蒙特卡罗定价的量子算法，在量子叠加中准备相关的概率分布，通过量子电路实现支付函数，使用量子测量来提取金融衍生品的价格，该项工作为进一步研究量子计算和金融的接口打通了一个通道。

5）硅基自旋量子比特的设计和表征取得重大进展，包括单次自旋读数，基于两个电子的单量子比特演示和核自旋，硅中精确的晶格位置定位，两个电子相干自旋和快速的SWAP操作等实验。Muhonen和He等证实基于硅量子比特的量子电路[29]，有望扩展为另一种量子计算平台。

6）集成光子学将在未来量子系统中发挥重要作用，集成光量子技术能够进行可编程量子信息处理、芯片到芯片网络、混合量子系统集成和高速通信。Bogaerts等探讨了可编程光子集成电路技术的模块构建、电路架构、电子控制和编程策略以及不同应用空间的最新进展。Moody等阐释了集成光量子几个关键研究领域的新兴技术，包括光子平台、量子和经典光源、量子频率转换、集成探测器以及它们在计算、通信和传感中的应用[30]。

5  量子计算的研究力量

5.1  国家/地区、机构分析

目前，全球有100多个研究机构和实验室正在进行量子系统构建和监测的探索，各大科技巨头和初创公司也在致力于未来可通用化的量子计算机研究。对相关的国家/地区、隶属机构、资助机构进行分析，时间范围选择1980年1月1日至2021年12月31日，数据分析结果如图4所示。发文量居前的国家/地区为美、中、德、英、日、加、意、法、澳、印等，美国总发文量占比26.19%，中国总发文量占比24.36%，占总数的50%以上。从近5年的数据分析来看，中国的发文量和被引量分别是5 376篇和43 468次，美国的发文量和被引量分别是4 730篇和76 759次，表明中国在该领域的相关研究处于高速增长态势，显示出后发者的潜力。

5.2  研究人员比较分析

高被引文献具有较高的学术价值和影响力，高被引作者则是世界上极具影响力的研究人员。将前述确定的3 378篇高被引文献数据导入CiteSpace文献计量可视化网络分析工具，Node Types：Author，共有10 401位研究人员，≥5篇文献的研究人员有560位，绘制高被引研究人员网络可视化，如图5所示。

结合Web of Science原始数据，对量子计算研究领域73 107位研究人员进行比较分析，其中总被引次数、H指数较高的为：奥地利科学院Anton Zeilinger、Peter Zoller、Rainer Blatt，哈佛大学物理系Mikhail Lukin，德国马克斯普朗克协会（MPS）Ignacio Cirac、Harald Weinfurter，RIKEN理科学研究所、密歇根大学Franco Nori，日内瓦大学Nicolas Gisin，加州大学系统（UCS）John Martinis、Gerard J MIlburn，中国科学院、中国科学技术大学郭光灿、潘建伟，耶鲁大学Steven Girvin、Michel Devoret等研究人员，数据分析结果如表2所示。

6  未来研究趋势

从研究趋势来看，量子计算硬件开发总体表明，不同物理体系中的实验验证，发展到不同领域的各项突破，不同物理载体的研究成果不断刷新和扩展新的实验记录，与实现大规模实用化、通用化的量子计算机更进一步。量子计算软件研究表明，量子软件/算法的不断改进与完善，在量子模拟中持续探索多个应用领域的交叉与融合，向有效解决现实中遇到的复杂计算难题和特定问题更加迈进一步。当前，量子计算研究与应用所面临的主要挑战来自3个方面：可扩展纠错的量子计算机硬件，可促进技术应用的量子算法和量子软件工具，可安全抵御量子计算机攻击和破解的后量子密码学。

6.1  可扩展纠错的量子计算机硬件

除了量子比特和量子门的发展，还需要复杂的经典控制电路，如电磁场、冷却系统、用户界面、网络和数据存储能力的应用。其硬件可根据功能划分为“量子数据平面”“控制与测量平面”“控制处理器平面”和“主机处理器”4层。“量子数据平面”是存储量子比特并通过“控制和测量平面”进行操作和测量的位置，算法中的操作顺序由“控制处理器平面”处理，“主机处理器”执行操作系统/用户界面、大型存储阵列和高带宽网络连接。这其中需要重点解决的技术问题是噪声和退相干时间问题，由于光子可以保持较长的相干时间，集成光量子技术将在未来量子系统中发挥重要作用，可以从少数量子比特发展到数万量子比特。未来的量子光子集成平台（QPIC）需要一种异构方法，将多种PIC材料结合起来，通过集成激光器和放大器、无源元件、调制器、量子频率转换器、高效探测器或芯片到光纤耦合器来实现高级功能和控制逻辑。集成光子量子几个关键研究领域的新兴技术，包括光子平台、量子和经典光源、量子频率转换、集成探测器以及在计算、通信和传感中的应用。随着材料、光子设计架构、制造和集成工艺、封装、测试和基准测试的进步，研究人员期待在未来十年从单一和少数功能原型过渡到多功能和可重构设备的大规模集成。

6.2  可促进技术应用的量子算法和量子软件工具

若要有效运行一个量子算法，需要借助大量的量子比特，同時要求经典计算机与量子芯片之间的紧密连接。优化量子计算和经典计算相结合的混合计算，开发大规模的高级量子编程系统，提升量子算法的硬件效率，有效解决物理学、化学、生物学相关的大型复杂计算难题；改进量子计算机内部的计算、纠错、检测、误差校正和通信机制，通过高内存、高带宽在量子传感器、量子计算机和量子互联网应用程序之间建立有效的通信，实现数据交换和信息交互；构建高级别的量子机器学习模型，提高机器学习算法的扩展性和效率，提供更卓越的计算能力处理大规模数据、可持续云计算、能源系统优化等多个应用领域的难点问题；未来还需要在量子机器学习模型中注入更多的自由度和系统复杂性，改进优化技术和策略，使之改善量子计算机内部的资源管理。对资源的有效管理能够降低噪声波动以及减小对硬件的影响，通过强大的数据分析能力，有效辅助高级别的量子系统研发。

6.3  可安全抵御量子計算机攻击和破解的后量子密码学

随着大型量子计算机的出现，各种经典的密码系统会受到威胁和破坏，需要建立可有效抵御风险的后量子密码系统，并且还要求该系统具有预测安全问题的能力。后量子密码研究主要是采用基于格的、基于代码、基于哈希和基于多变量的4种算法，已在研究热点部分做以表述。未来需要探索更加安全的量子密码系统，可以集成现有的后量子密码系统，或者出于节约成本考虑实行混合应用。高级别的后量子密码系统将会应用于通信技术、智能交通、医疗设备、金融系统、网络服务（云服务）等领域，如医疗设备中的机器人技术、智能交通无人车辆、无人飞行器、无人潜航器等，为未来互联网安全、人工智能时代应用程序安全运行提供有效保障。在涉及人员切身利益和重要基础设施的领域，提供不可破解的安全性。

7  结  论

通用化的量子计算机必须满足两个基本条件，一是可操纵几万到几百万个量子比特，二是具备“纠错容错”功能，以及享有各类软件/算法的支撑。有关量子计算机何时在复杂任务中取代经典计算机仍不能确定，即使实现了这一目标，超级计算机也将作为补充继续存在。通用量子计算机在不久的将来会广泛应用于更多的学科领域，例如，强人工智能对算力的要求较高，经典CPU芯片难以完成更复杂的任务，量子计算可赋予强人工智能高速计算的需求，强人工智能则有效辅助量子计算更高级别的软/硬件开发。基于硬件的量子计算整合量子机器学习、量子神经网络、量子随机行走等人工智能算法和技术，融合多个学科领域形成规模化、系统化的研究，建立工程、技术等层面的体系架构，如取得重大技术突破，实现真正思考、推理和解决问题，具有思维能力的超级人工智能，将会推动人类社会各个方面的高质量发展。

参考文献：

[1] GROVER L K. Quantum mechanics helps in searching for a needle in a haystack [C]//CCAST“量子纠缠态与量子信息”研讨会.北京：[出版者不详].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：王东浩（1975—），男，汉族，山东潍坊人，助理研究员，硕士，研究方向：文献计量分析、信息管理与知识管理。

收稿日期：2023-01-30