走進研究院 | 量子計算與量子模擬

編者按：本文是36氪「邊界計劃」的轉載內容，來自物理學報.2018, 67(12): 120301（點擊連結查看）；作者範桁，中國科學院物理所研究員，固態量子信息與計算實驗室主任，Q03組長；36氪經授權轉載。

摘要

量子計算和量子模擬在過去的幾年裡發展迅速，人們期望今後涉及多量子比特的量子計算和量子模擬將是一個發展的重點，本文將回顧這個領域的主要進展，包括量子多體模擬，量子計算，量子計算模擬器及量子計算雲平臺，量子軟體等內容，其中量子多體模擬又涵蓋量子多體動力學，時間晶體及多體局域化，量子統計和量子化學等的模擬，同時將對今後的發展方向做出展望．

1 、引言       

過去20多年，量子信息、量子計算與量子模擬獲得長足的發展, 而在最近幾年, 整個領域的發展又呈現出不同的特色，人們更加關注含有多量子比特數的量子計算和量子模擬，即在保證量子操作保真度的前提下，力圖提高量子比特的數目，最近的一些實驗所涉及的量子比特數目達到數十個，已經接近經典計算機所能模擬的最多量子比特數，進而有可能實現所謂的量子優勢或者量子霸權。但是另一方面，各個實驗平臺距離實用化量子計算所需要的成千上萬的量子比特數又有相當的距離，量子邏輯門保真度距離容錯性量子計算的閾值還有大幅提升的空間。所以最近幾年量子計算與量子模擬有其獨有的特色，即量子比特數目處於中等規模，從十多個到數百個，保真度較高，比如對應錯誤率在0.1-1%左右，但是並沒有達到大規模容錯性量子計算的閾值， 暫時不能實現含有很多邏輯門的量子計算任務。

本文將回顧最近多量子比特量子計算和量子模擬的發展，同時對近期的研究課題做一下展望，希望能對現階段量子計算和量子模擬的研究有所啟示。

2  多體量子模擬

2.1 量子動力學模擬

利用人工可控量子系統來比對模擬宇宙與自然界中各種不同量子及經典現象，並為此構建通用量子模擬器是費曼[1]提出的概念。特別對於量子系統，經典計算機由於規模和速度等限制常常並不能有效模擬其性質，而通用型量子模擬器則具有先天的優勢，另一方面通用型量子模擬器可以實現任意的量子態演化，則和通用型量子計算機具有完全同樣的功能，從這一點來說，量子計算機和量子模擬器實際是一個概念，而強調了不同的使用側重點，量子計算機側重其計算功能，量子模擬器則側重比對模擬。但是另一方面，現有的量子計算系統由於退相干影響及操控精度等問題，保真度並不理想，量子計算實現側重於幾個量子比特的小規模比特數和原理演示，距離實用化需求還有較大的距離。但是相對而言，量子模擬由於主要研究量子性質，對操控和測量精度等要求不高，所以已經接近較大規模的量子比特數。最近，哈佛大學[2]和馬裡蘭大學[3]的課題組分別實現了多達50多個量子比特數的量子多體模擬。哈佛大學Lukin課題組利用了中性銣87(87Rb)冷原子系統，系統哈密頓量寫為[2]， 

其中，算子坐標定義在原子能級上，而參數可實驗調控。他們實驗研究此系統的量子動力學性質，這是一種典型的量子模擬方法，即量子系統初態可以實驗製備，較為常見的方法是全部的量子比特都被製備為零態 ，然後根據我們研究的問題使得此初態按照特定的哈密頓量進行演化，其中哈密頓量可以是固定的，也可以對某些參數進行實驗調控，在特定的時間量子態會演化為具有一定性質的量子態，通過對量子態的讀出和分析從而實現對一定量子過程的模擬。Lukin課題組利用裡德堡型原子實現了哈密頓量（1）中參數的程序化調控，系統具有隨距離6次方衰減的相互作用，相干操控的原子數達到51個。實驗中當原子數目為7時，系統可以從初態演化到反鐵磁態，其佔比為68%，考慮到探測效率，修正後的機率可以達到77%左右，當系統擴大至51個原子時，反鐵磁態機率達到0.11%，考慮到系統保真度隨原子數目是指數衰減的，此反鐵磁態的實現結果已相當好。

量子模擬是研究量子動力學行為的理想方法，自然界中量子系統的演化很難控制和改變，所以不同參數下的量子動力學性質不能被系統的探知，但是量子模擬利用人工可控量子系統，不同的量子動力學可以通過調節參數實現並多次重複，從而使得其性質可以從多個角度來探索，比如對參數進行大範圍掃描。Lukin課題組也實驗展示了系統跨越量子相變點的量子淬火動力學行為，演示了疇壁（domain-wall）密度的震蕩行為，和數值計算的結果完全吻合。

馬裡蘭大學Monroe課題組利用囚禁離子平臺同樣模擬了多體量子動力學。此實驗展示了具有53個量子比特的量子模擬器[3]，其系統哈密頓量是橫場伊辛模型，可以寫為

其中，算子定義在量子比特空間，參數分別為相互作用和局域磁場，相互作用隨距離按照0.8-1左右的指數衰減，局域磁場對所有量子比特相同但可調，當取不同的數值時，可以使得系統處於不同的量子相，實驗中初態為，並進行通過相變點和不通過相變點的兩種量子淬火形式，隨時間變化量子態完美的演示了量子動力學性質，特別當通過相變點時會具有動力學相變行為[4],實驗通過測量平均自旋磁化率給出了量化結果。

2.2 時間晶體量子模擬

晶體結構一般是指空間特定方向晶格具有周期性性質，時間晶體的概念首先由諾貝爾獎獲得者威爾查克[5]提出，指在時間域可被探測的周期性行為，但時間是連續的，所以時間晶體伴隨有時間域的對稱破缺，相關理論研究也將原有的概念進行了進一步的推廣和修改[6]，時間晶體的實現最近有兩個實驗引起大家的關注，它們同樣是由Monroe[7]和Lukin[8]課題組分別完成，這裡我們對這些結果進行簡單的回顧。

時間晶體可以在量子多體系統通過周期驅動來實現，Monroe課題組的周期驅動過程由下面幾個哈密頓量分別進行描述[7]，

在一個周期內，系統按照時間順序分別根據各自的哈密頓量進行演化，系統初態仍然是直積態，第一個哈密頓量將使得系統自旋發生反轉，對應於量子比特的比特反轉操作，第二個哈密頓量描述系統中各個自旋間具有相互作用，而第三個哈密頓量代表有局域無序的磁場,系統按照上述三個過程重複周期演化。系統本身是周期驅動的，其哈密度量周期為T, 而量子態經過兩個周期變為原來的態，從而實現時間域的周期變化即時間晶體。Monroe組利用了10個鐿離子所構成的一維自旋鏈實驗模擬了時間晶體，其中單點磁化率被用來表徵量子態的演化過程。

Lukin小組[8]利用金剛石氮空位中心系綜來實現多量子比特，金剛石氮空位中心指金剛石中會有氮元素取代碳，並和緊鄰格點的空穴形成一個具有量子特性的電子態，由於金剛石相對純淨的環境，此量子態所實現的量子比特在室溫就具有超長的相干時間，可以作為量子比特的理想載體。但是這種氮空位中心是隨機產生的，一般相互間距離較遠且沒有相互作用，時間晶體的實現需要大量有相互作用的氮空位中心，所以實驗利用了氮空位中心濃度非常高的系綜。另外實驗施加了非常強的特定方向的微波場，使得系綜中幾乎各向同性的自旋海森堡相互作用變為一個方向的相互作用佔主導地位，這樣多量子比特系統有效哈密頓量可以寫為

其中，自旋間相互作用隨距離衰減，另外系綜中氮空位中心在空間是無序排列的，自然的實現了相互作用無序。實驗中量子比特被初始化後全部旋轉至和的疊加態， 隨後系統按照有效哈密頓量（4）進行演化並隨後進行相位反轉操作，這個操作是周期重複的，以此實現周期驅動，通過將自旋極化率數據進行傅立葉變換得到系統在周期驅動下的震蕩頻率，從而確認時間晶體的實現。

時間晶體的實現有兩個關鍵要求需要滿足，第一，初態是直積態，同時是相互作用哈密頓量的本徵態，實際也分別是比特反轉操作或者相位反轉操作的本徵態，第二，周期驅動過程中需要有強無序。時間晶體的實現機制為系統儘可能的保證處於初態及其對應的比特反轉或者相位反轉態上，但是同時必須有量子比特間相互作用，初態是此相互作用哈密頓量的本徵態，這樣可使得多量子比特能儘可能的保持同步演化，防止少數量子比特的誤差有積累效應。系統無序局域場或無序相互作用有兩個目的，保證系統處於多體局域化量子相，防止系統過快熱化變為不具有任何對稱破缺的熱態，同時避免少數量子比特的誤差快速擴展至整個系統，保證時間晶體的質量。

2.3  量子多體局域化模擬

局域化分為安德森局域化和多體局域化，其中安德森局域化為大家所熟知，而多體局域化在過去的十餘年也受到普遍的關注，兩種局域化的區別在於系統是否存在相互作用，和局域化對應的現象為熱化。安德森局域化存在於無相互作用多體系統，稱為局域態，與之對應的為擴展態。以固體系統為例，局域態和擴展態在有限溫度時都表現為金屬特性，但是在接近絕對零度時，擴展態系統表現為金屬特性，而局域態系統表現為絕緣體特性。多體局域態存在於有相互作用系統，和安德森局域化不同的是，由於相互作用的影響，系統溫度低於非零的臨界溫度時，多體局域態系統就從金屬轉化為絕緣體，這種現象對安德森局域只能在絕對零度發生。從系統模型方面來說，多體局域化系統的哈密頓量非可積，保證系統並不對應於自由費米子模型或者具有無窮多守恆量，而可積系統的局域化則對應於安德森局域。多體局域態存在於有限溫度，所以一般要求系統處於高激發態，而安德森局域則要求系統處於基態。

除了諸多的不同，安德森局域和多體局域相對於熱化又有很多的共同點。經典系統的熱化需要環境傳遞熱量，但是在孤立量子系統，熱化指系統從初態演化到具有特定性質的平衡態，其特徵表現為任意的子系統處於熱態，即其密度矩陣可以寫為的熱態形式，其中β對應溫度的倒數，與之對應，局域化則最大限度的保持初態的形式，其波函數演化緩慢或者幾乎不變，系統表現為沒有能量傳遞或者粒子輸運。在一般情況下，系統將傾向於熱化，而要實現多體局域化則需要有強的無序局域場存在，從而防止或者延緩熱化的發生。同時有理論指出，孤立系統的熱化對應於本徵值熱化假定，即考察系統哈密頓量的任意一個非特殊本徵態，得到的子系統約化密度矩陣都是熱態的形式，那麼孤立系統從一般的初態進行演化，一定會達到熱化。熱態的一個性質是其密度矩陣的馮諾依曼熵滿足體積率，即其大小和量子比特數成正比。簡要總結，熱化滿足本徵值熱化假定，長時間演化所達到的定態是熱態，其馮諾依曼熵滿足體積率，而局域態違反本徵值熱化假定，系統保持初態的形式，其馮諾依曼熵不滿足體積率。由於我們考察的是孤立量子系統，系統始終處於純態形式，子系統約化密度矩陣的馮諾依曼熵就是糾纏熵。

孤立量子系統的熱化對理解統計力學的一些基本假定有幫助，和經典系統的混沌存在深入的聯繫，同時局域化則是熱化的反面，可反映在系統哈密頓量本身的特性方面。系統熱化的發生需要哈密頓量能譜分布較為均勻，性質上表現為能級間距的分布滿足魏格納分布，而局域化的發生需要能級間距滿足泊松分布。

多體局域化，安德森局域化和熱化這三種不同的物態可以由一個指標區分出來，這個指標就是系統糾纏熵隨時間的變化行為。對熱化現象，糾纏熵快速增長至最大值並保持不變， 對安德森局域， 糾纏熵增長至一個較低的數值並長時間保持不變，而對多體局域化，糾纏熵保持長時間緩慢增長的特性，具體表現為隨時間對數增長。這些性質反映了系統演化的特性，多體局域化是系統局域無序場和粒子間相互作用競爭的結果，所以糾纏熵隨時間表現出由相互作用導致的增長現象和由局域無序場所導致的壓制熱化而糾纏熵增長速度非常緩慢這一結果。

量子模擬多體局域化在多個實驗系統已經實現，德國馬普所Bloch組[9]實驗實現了一維費米子準無序光晶格的多體局域化，其局域化強度用引入的非平衡度函數來量化，即熱化時粒子將處於平衡位置，則非平衡度為零，而粒子保持在非平衡的初態時，其非平衡度較大，實驗發現隨著無序強度增大，非平衡度也隨之增大，驗證了多體局域的實現。同時，歐洲另一組利用核磁共振系統的偶極關聯核自旋觀察到局域化與非局域化的轉變[10]。Bloch組同時也在二維玻色子無序光晶格中展示了多體局域化的實現[11], 在這個實驗中非平衡度和背離均方根兩種度量被用來量化局域化程度，初態被製備到高度非平衡態，通過調節局域無序場強度來控制多體局域化和熱化的產生。馬裡蘭Monroe組利用鐿的離子阱系統採用程序化的隨機無序局域場實現了多體局域化[12]，局域化程度用單粒子的磁化強度來量化，其初態製備在高能量的反鐵磁態。已知糾纏熵的時間演化可以很好的標定多體局域化，但是約化密度矩陣的讀取需要量子態層析法（state tomograophy），對實驗測量技術和精度的要求非常高，測量需要具有類似單光子分辨這樣的技術，前面回顧的這幾個實驗都沒能確認這一證據。

最近浙江大學，中科院物理所及中科大的相關課題組利用10量子比特的超導量子器件，也成功模擬了量子多體局域化，由於超導器件本身的特殊設計，使得量子比特間具有長程相互作用，其哈密頓量不可積，具備了實現多體局域化的條件，每個量子比特的局域磁場可以程序化施加，從而產生強度可調的無序局域場，實驗系統相干性足以保證實驗的高精度完成，量子態層析法得到了隨時間演化的約化密度矩陣，實驗數據顯示在強無序局域場下，糾纏熵隨時間對數增長，即糾纏熵按照時間對數函數線性增長[13]。

同樣是利用超導量子比特，谷歌的Martinis實驗組，利用其成一維排列的9量子比特樣品[14]，通過調節每個量子比特的失諧來實現局域無序場，實驗測量了系統的能譜，從而發現得到的能級分布滿足多體局域化所要求的泊松分布形式，證明多體局域化得到實現[14]。

2.4  熱力學、統計力學、拓撲、場論等量子模擬

量子多體問題的研究中經常會涉及熱力學、統計力學等的概念和方法，特別當涉及量子少體和多體系統、量子孤立系統的熱力學演化、非平衡態物理等研究，由於量子系統良好的操控和相干特性，低噪音及可控噪音設計，精確的量子態讀出都能使得我們可以高精度檢驗熱力學、統計力學及與量子科學結合方面的基本公式和原理，我們前面回顧的局域化所對應的熱化就是關於量子孤立系統的演化問題。

最近，非平衡統計中的加津斯基（Jarzynski）等式在離子阱系統就可被實驗驗證[15],精確模擬噪音可以研究馬爾科夫和非馬爾科夫過程的互相轉化，這個實驗在光子系統中實現[16]，熱力學中的可逆及不可逆過程在超導量子比特系統被實驗演示[17]。

同時也可以考慮對應模擬的形式，將一些非物理可觀測量對應為可物理探測量來研究，比如統計物理中的李-楊零點分布於複平面而不可觀測，經過對應則可以在實驗中實現並觀測到[18]。

量子多體系統會表現出拓撲特性，量子模擬可以用來模擬拓撲物態，也可以用來演示分數統計等特性，比如任意子的編織性質被分別在光量子系統[19]和超導量子比特系統模擬[20]。

量子場論常應用於高能粒子物理，量子計算機也可用來模擬量子場論，最近利用離子阱系統，奧地利Blatt組利用幾個量子比特模擬了格點規範理論中真空量子漲落[21],通過研究量子糾纏演化來模擬粒子反粒子的產生。

2.6  量子化學模擬

量子化學的基組計算方法將多原子分子的波函數表示為單原子的多軌道，基組中的軌道數量正比於分子中的原子數目。在利用量子比特系統來模擬波函數時，可以簡單的利用一個量子比特的態和態表示一個軌道的填充和非填充，同時需要注意這個量子比特是一種費米子表示，也可考慮在研究某些具體問題時只局限於某些確定基組或者子空間，從而減少對量子比特數的需求。在模擬中，可以利用量子相位估計法得到分子哈密頓量的能譜，隨著量子比特數的增加，比如幾百個量子比特，能譜的精確性可以達到或者超越現有計算技術，其中水分子的量子模擬被作為例子進行了系統的研究[22]，並考慮利用光量子系統來模擬水分子最小基組的情況[23]。

考慮到量子計算機的知識並不為量子化學領域熟知，谷歌等課題組也提供了一種直接將量子化學基組計算方法和費米體系計算轉化為量子計算機基本邏輯門操作的軟體，以期方便各領域的研究人員使用[24]。 

3 量子計算

建造量子計算機的主要目的之一是執行量子計算任務，即實現量子算法的運行。在過去的研究中，人們提出了各種量子算法，具有代表性的是舒爾(Shor)大數分解算法[25]，HHL解線性方程組算法[26]，格羅夫(Grover)搜索[27], 量子退火算法，玻色取樣等，這裡我們簡單回顧其中的進展。

解線性方程組HHL算法分別在光量子系統[28]和核磁共振系統 [29]以及超導量子計算系統[30]實現，這些實驗分別利用4個量子比特及邏輯門操作演示了二元一次方程組的求解，證明此算法的可行性。HHL線性方程組算法的優勢並不在於求解方程組本身，而考慮當我們對依賴解矢量所定義的量子態的某個觀測量感興趣的情況，即我們並不需要明確知道解矢量本身，而只是對某個算子的期望值感興趣，HHL算法會具有量子優勢。可以期望，當我們能精確測控更多量子比特數時，應該可以運行包含更多變量的HHL算法。

量子舒爾算法的實驗演示具有挑戰性，在過去的十多年裡也有一系列的進展，舒爾算法關於15的分解最早在核磁共振系統實現[31]，實驗中利用了7個核自旋量子比特，其中4個量子比特用來編碼數字15，3個量子比特作為周期探測。舒爾算法後續又在光量子系統[32]和離子阱系統等利用各種稍有不同的方案分別實現[33]，其中離子阱系統實驗雖然只用了5個量子比特，但是一個量子比特被重複使用從而減少了對量子比特總數的要求，科大杜江峰課題組利用絕熱量子計算方法在核磁共振系統成功演示了143的分解[34]和35的分解[35]。

量子算法中格羅夫搜索也曾在多種實驗系統實現[36,37]。

量子退火算法主要在D-Wave公司的超導量子模擬器運行和測試。 D-Wave最近幾年已經出品了從D-Wave, D-Wave II到D-Wave 2000Q等不斷升級的量子退火機，最新機型具有2000多量子位，其運行模式可以用系統哈密頓量來描述[38]，

其中量子比特間的相互作用按照其硬體8個一組進行耦合，而每組中的8個量子比特分為兩小組，每小組中4個量子比特和另外的4個兩兩相互耦合，而局域可控磁場和耦合方向一致也是在z方向，雖然這個哈密頓實際是經典伊辛模型的形式，但是由於其初態可以製備為疊加態形式，所以無疑是可以按照量子模式運行的。但是在量子比特數達到100多個量子比特時，還是需要確認量子退火算法在其運行過程中並不會變為熱態而失去量子效應[39]。

量子退火機可以被用來研究優化問題，因為其哈密頓量的基態對應某個優化問題的解，其運行模式是從初態按照哈密頓量進行演化到某個經典態，而哈密頓量參數根據所需要優化的問題來設計調控，例如希格斯（Higgs）的優化問題就可以用量子退火機來解決[40]。但是最關鍵的問題是，具有百量級到千量級量子比特數的這種中等規模量子位的量子退火機是否具有超越經典計算機的優勢，正如瑞士Troyer等人指出的，這個問題實際很難明確定義[41],即使考慮到量子比特數增長的趨勢，應該說現有D-Wave量子退火機是否具有量子優勢仍然沒有確定性結論[41,42]。

玻色取樣算法對應求矩陣積和式（permanent）的值,即矩陣行列式中的減號全部替換為加號，玻色取樣的實驗實現競爭也非常激烈[43,44,45]，先期的三個實驗幾乎同時宣布和發表，最近潘建偉小組的進展也引起大家的關注[46]，實驗中利用5光子9模式的幹涉效應來實現玻色取樣的演示。

4 數字式量子計算機模擬器及量子計算雲平臺

量子計算機的實現有很多種方案，各種方案各有優劣，但是面臨的共同問題除了擴展性所導致的量子比特數目限制，還有相干時間和邏輯門操作精度問題， 錯誤將導致邏輯門實現數目不多，精度有限。另一方面，量子計算機的所有運行規律是已知的，那麼我們實際可以利用經典計算機定義量子計算機的運行，從而用軟體實現量子計算的虛擬機。簡單的說，我們可以利用經典計算機建成一個量子計算機的模擬器，其運行完全遵照量子計算機的規律， 我們可以稱其為量子計算虛擬機，或者數字式量子計算機模擬器，這方面的研究剛剛起步，關於虛擬機數據和性能的結果有限，科研文章不多，這裡只是粗略的展示一下。

IMB的量子體驗網站提供了超導量子計算雲平臺[47]，作為超導量子計算的模擬輔助工具，此平臺也提供了兩種數字式量子模擬器，分別具有20個量子比特和32個量子比特，其中20個量子比特的模擬機具有跳轉的控制語句功能（即計算機if語句），而利用高性能伺服器平臺建設的32個量子比特模擬器沒有此功能， 另外，模擬器只是對公眾提供少於100個邏輯門的操作。量子計算需要有單發（single-shot）測量的功能，這是量子算法的基本需求，比如應用廣泛的量子隱形傳態就需要單發測量及反饋操作功能，有些量子測量結果可以用多次單發測量的統計平均得到，或者模擬器能給出測量機率數值。

中國科學院物理所作者小組提供了具有34個以上量子比特的量子計算虛擬機雲平臺(QtVM) [48], 具有跳轉控制功能，單發測量功能，循環語句控制，基於單發測量的反饋操作等， 運行量子彙編語言，量子邏輯門數量原則上沒有限制，20量子比特時每天可以運行約三百萬到一千萬門數量，是一種全功能的通用量子計算機數字模擬器。

中國本源量子提供基於半導體量子點的量子計算雲平臺和超導量子計算雲平臺[49]，也提供了具有32個量子比特的數字式量子計算模擬器，近期已經升級為具有64個量子比特的模擬功能，可以給出末態的機率。

瑞士Troyer小組也提供了雲量子計算虛擬機和量子彙編語言運行[50]。

量子計算虛擬機運行速度是一個重要指標，但是常常由於測試時伺服器還有其它進程而有較大差別，得到的測試數據並不完全可信，一般可以採取在不同時間段分別運行5次而取其中最少用時，但數據間有時也有數量級的差別。我們在中國科學院物理所的測試數據為20量子比特，100單比特旋轉門和100個受控非門，100次單發測量運行時間為2秒左右，而34個量子比特用時14.8小時。此系統還可以運行更多的量子比特，35個量子比特100邏輯門用時少於5個小時。由於IBM只提供少於100門操作，我們測試的數據顯示完成同樣任務，其最少用時仍然是我們的4倍多。應該注意的是利用經典計算機模擬量子計算機有很明顯的指數增長效應，比如多一個量子比特則運行時間倍增，而門數量、測量次數等一般也有同樣的現象。

現階段，數字式量子計算機模擬器相比於物理量子比特量子計算機的突出優勢是其功能齊全，邏輯門次數原則上沒有限制，因此是理想的量子算法和量子模擬測試平臺，但是隨著量子比特數的增長則需要呈指數增長的經典計算機資源，導致數字式全功能的通用量子計算機最大只能模擬大約不超過50個量子比特。如果降低通用功能要求，則能模擬的量子比特數會更多，這方面也是有意義的課題，而探索既能保證可信性，又能實現大規模量子系統模擬的方法，例如蒙特卡洛[51]、張量網絡態等技術[52]，一直都是重要的科學研究領域。

中科大潘建偉小組[53]和清華大學龍桂魯小組[54]也分別提供了超導量子計算機雲平臺和核磁共振量子計算雲平臺供科研人員及大眾測試。

5 量子軟體及量子機器學習

如同經典計算機具有功能多樣的軟體，量子計算機的人機互動也需要量子軟體，從而實現把各種任務轉化為量子計算機能運行的量子邏輯門操作和測量讀出， 如果和經典系統類比，量子軟體也可以說是量子計算機的靈魂。可以期望和經典計算機一樣，量子計算機最高端是高級語言，高級語言被編譯為量子計算機可執行的邏輯門操作，量子信息的傳輸等，比如表現為量子彙編語言，但是具體在量子硬體方面則還需要量子態控制和量子糾錯等技術[55]。

由於機器學習和人工智慧的巨大成功和發展潛力，量子機器學習[56]也被認為具有重要的應用前景，量子機器學習將致力於設計出特色量子軟體，以期利用線性方程組求解的HHL量子算法，D-Wave量子計算機的優化處理和玻爾茲曼機，量子向量機和量子形式的基礎線性代數程序（BLAS,Basic Linear Algebra Subprograms）等技術實現基於機器學習方法的量子加速。

如果我們著眼於量子軟體，則發現其應具有賦值、循環等基本功能，同時也應該包含測量讀出並反饋操作等功能，所以量子彙編語言並不能簡單的完全由通用量子邏輯門組成，也應具有測量反饋語句，中段測量結果處理等功能需要經典計算機完成，從這一點來說，量子計算機不應該理解為只是完全按照量子力學原理運行的計算機，而應該想像為具有量子功能器件，但其操控、優化、中間測量結果處理、經典信息存儲等系列任務仍然由經典計算機完成，是一種現有經典計算機的升級。

6 討論和展望

量子計算和量子模擬等發展迅速，重要結果和相關文獻繁多，本文主要內容是作者課題組近期重點關注的研究方向，出發點是為今後的研究打好基礎，所以不免在選題方面有所偏好，另一方面我們也希望儘量能對相關內容做一個全景式的綜述，涵蓋一些重要進展，希望能對讀者有所幫助。

量子計算與量子模擬最近一兩年呈現出爆發性發展的趨勢，整個領域的關注點也具有新的特色，可以總結為下面幾點：第一，研究趨向於中等規模量子比特數的科學問題和技術突破；第二，不局限於特定量子計算物理實現系統，而是更關注具有普適性的多量子比特量子計算和量子模擬問題；第三，關注點從原來的純粹原理性演示過渡到具有真正實用價值並超越經典計算機的問題；第四，更注重量子計算機各種功能的高效集成和更高的自動化。

總之，量子計算的發展已經進入到一個新的歷史階段，挑戰和機遇並存，進入量子計算這一令人激動的研究領域不再需要先掌握全面系統的量子計算知識，而是結合量子多體凝聚態系統、量子場論與統計、高能物理、量子化學，機器學習、大數據處理優化等方面的專門知識，輔助以量子計算基本原理，就可能在量子計算領域做出創新性成果，一方面反映出量子計算基本理論趨於完善，另一方面量子計算和各學科的融合才剛剛起步，未來的發展前景遠大。

而量子計算機的建成則科學性和工程性並存，一方面原理上沒有不可克服的困難，另一方面技術和工程上又具有很大的不確定性，需要在相干時間和操控精度等方面有系列突破才能建成量子計算原型機。

 

感謝中國科學院物理研究所向濤院士，潘新宇研究員，王磊研究員，孟子楊研究員，趙士平研究員，鄭東寧研究員，金貽榮副研究員，浙江大學王浩華教授，中國科大朱曉波教授，北京大學穆良柱副教授、何瓊毅教授，以及胡明亮，胡雪元，許凱，陳錦俊，彭益，葛自勇，曾昱，張煜然，王正安，劉尚，葉柄天，王賀明，王雯，王峻，韓兆宇，洪千坦等就相關課題所進行的多次深入討論， 感謝諸多合作者的幫助．

 

參考文獻

[1] Feynman R P 1982 Int. J. Theor. Phys. 21 467

[2] Bernie H et al 2017 Nature. 551 579-584

[3] Zhang J et al 2017 Nature. 551 601-604

[4] Heyl M, Polkovnikov A, Kehrein S 2013 Phys. Rev. Lett. 110 135704

[5] Wilczek F 2013 Phys. Rev. Lett. 111 250402

[6] Yao N Y, Potter A C, Potimiche I D, Vishwanath A 2017 Phys. Rev. Lett. 118 030401

[7] Zhang J et al 2017 Nature. 543 217-220

[8] Choi S et al 2017 Nature 543 221-225

[9] Schreiber M et al. 2015 Science 349 842-845  

[10] Alvarez G A, Suter D, Kaiser R M 2015 Science 349 846-848  

[11] Choi J Y et al 2016 Science 352 1547-1551

[12] Smith J et al 2016 Nat. Physics 12 907-911

[13] Xu K et al 2018 Phys. Rev. Lett. 120 050507

[14] Roushan P et al 2017 Science 358 1175-1179

[15] An S et al 2014 Nat. Physics 11 193-199

[16] Liu B H et al 2011 Nat. Physics 7 931-934

[17] Guo X Y et al 2017 arXiv:1710.10234

[18] Peng X H et al 2015 Phys. Rev. Lett. 114 010601

[19] Lu C Y et al 2009 Phys. Rev. Lett. 102 030502

[20] Zhong Y P et al 2016 Phys. Rev. Lett. 117 110501

[21] Martinez E A et al 2016 Nature 534 516-519

[22] Aspuru-Guzik A et al 2005 Science 309 1704-1707

[23] Lanyon B P et al 2010 Nat. Chemistry 2 106-111

[24] McClean J R et al 2017 arXiv:1710.07629

[25] Shor P 1997 SIAM J. Comput. 26 1484

[26] Harrow A W, Hassidim A, Lloyd S 2009 Phys. Rev. Lett. 103 150502

[27] Grover L K 1997 Phys. Rev. Lett. 79 325-328

[28] Cai X D et al 2013 Phys. Rev. Lett. 110 230501

[29] Pan J et al 2014 Phys. Rev. A 89 022313

[30] Zheng Y R et al 2017 Phys. Rev. Lett. 118 210504

[31] Vandersypen L M K et al 2001 Nature 414 883

[32] Lu C Y, Browne D E, Yang T, Pan J W 2007 Phys. Rev. Lett. 99 250504

[33] Monz T et al 2016 Science 351 1068

[34] Xu N Y et al 2012 Phys. Rev. Lett. 108 130501

[35] Xu K B et al 2017 Phys. Rev. Lett. 118 130504

[36] Jones J L, Mosca M, Hansen R H 1998 Nature 393 344-346

[37] Figgat C et al 2017 Nat. Commun. 8 1918

[38] Johnson M W et al 2012 Nature 473 194-198

[39] Boixo S et al 2014 Nat. Physics 10 218-224

[40] Mott A et al 2017 Nature 550 375-380

[41] Ronnow T F et al 2014 Science 345 420-424

[42] Heim B, Ronnow T F, Isakov S V, Troyer M 2015 Science 348 215-217

[43] Broome M A 2013 Science 339 794-798

[44] Spring J B 2013 Science 339 798-801

[45] Tillmann M 2013 Nat. Photon. 7 540-544

[46] Wang H 2017 Nat. Photon. 11 361-365

[47] IMB Q Experience, http://quantumexperience.ng.bluemix.net/qx/experience

[48] 中國科學院物理研究所QtVM, http://q.iphy.ac.cn

[49] 本源量子計算雲平臺, www.qubitonline.cn

[50] Station Q Zurich, http://www.comp.phys.ethz.ch/research/station-q-zurich.html

[51] Hao H et al 2017 Phys. Rev. X 7 041072

[52] Liao H J et al 2017 Phys. Rev. Lett. 118 137202

[53] 阿里量子計算雲平臺, http://quantumcomputer.ac.cn

[54] 清華大學NMRCloudQ, http://nmrcloudq.com/zh-hans/

[55] Chong F T, Franklin D, Martonosi M 2017 Nature 549 180-187

[56] Biamonte J et al 2017 Nature 549 195-202