尽管量子计算目前仍处于产业发展的早期阶段，但军工、金融、化工、材料、生物、航空航天、交通等众多行业已开始关注到其巨大的应用发展潜力，空客、摩根大通、JSR等纷纷开始通过投资或合作等方式探索相关应用，量子计算的产业生态链日渐壮大。在量子计算研究和应用发展的同时，其产业基础配套也在不断完善。2019年，英特尔与Bluefors和Afore合作推出量子低温晶圆探针测试工具，加速硅量子比特测试过程；中国本源量子创立本源量子计算产业联盟，携手中船重工鹏力（南京）超低温计算有限公司共建量子计算低温平台。量子计算的接入途径主要有两种，一是使用专门搭建的量子系统，二是通过量子计算云平台。由于量子处理器对环境的要求十分苛刻，运行条件和维护成本高，目前只有少数企业和科研机构能够独立拥有量子计算系统，应用发展受限。通过云服务接入量子处理器的量子计算云平台成为量子计算推广应用的重要手段，为自己的量子计算云平台扩大受众面也成为了各大企业的竞争热点。近年来，越来越多的量子计算公司和研究机构发布量子计算云平台，如IBM的Q Experience[11]、Microsoft的Azure Quantum[12]、Amazon的AmazonBraket[13]、Rigetti的Forest[14]、 Qutech的Quantum Inspire[15]和QC Ware的Forge[16]等。此外，英国布里斯托大学也搭建了4位量子比特的光量子系统并提供云服务。中国互联网企业和初创公司开发的量子计算云平台包括华为的HiQ[17]、本源量子的本源量子云[18]、阿里巴巴与中科院联合推出的超导量子计算云平台、清华大学早期推出的核磁共振量子计算云平台。量子计算云平台兼具科普、教学和编程等功能，可为更多用户提供利用量子计算资源的机会，使量子计算在各行业领域都能得到最大化的探索。量子计算未来发展不仅需要研发能力的进一步提升，同时也需要用户积极发掘出更多的应用价值。根据波士顿咨询公司预测，截止到2030年，量子计算应用的市场规模将达到500 亿美元[19]，其发展前景被业界看好。当前阶段，量子计算的主要应用目标是解决大规模数据优化处理和特定计算困难问题（如NP问题）。在量子比特数量、容错能力、相干时间等条件尚不具备实现通用量子计算机之前，专用量子计算机成为量子计算领域的近期发展目标。结合量子计算和量子模拟应用算法等方面的研究，在大数据分析、量子体系模拟、分子结构解析、人工智能等领域有望出现体现量子计算优势的应用，以此打开量子计算技术的实用化之门。下面将分析量子计算若干潜在的应用场景。数学中的优化问题简单来说就是利用数学方法找出离散事件中的最优解或进行最优的编排、分组。组合优化问题是目前算法中最热门的问题之一，尤其是在人工智能领域，是影响算法质量的关键因素。现有针对组合优化问题所开发的量子组合优化算法包括量子近似优化算法（Quantum Approximate Optimization Algorithm，QAOA）和量子退火算法（Quantum Annealing Algorithm，QAA）。由于技术限制，量子计算机中的噪声干扰是很难攻克的一个技术难题，嘈杂中型量子（Noisy Intermediate-Scale Quantum，NISQ）时代成为当下量子计算应用发展所默认的背景。QAOA算法也是基于NISQ设计的一种组合优化算法，它是在量子计算机中实现更高级机器学习算法和离散优化算法等其他应用算法的基础。许多企业已经将QAOA算法实现为软件开发包，并实现开源，由此利用QAOA算法有望实现更多的量子计算应用。量子退火是实现量子组合优化的另一种途径，利用随机扰动影响工作的量子，其计算结果能够接近局部最优解，多次进行量子退火能够使结果更加接近全局最优解。目前，量子退火机的处理能力已达到2000位量子比特，D-Wave的2000Q量子处理器[20]已用量子退火实现了对多类应用问题的求解，D-Wave的报告显示，在利用D-Wave系统所开展的应用探索中，与量子优化相关的内容高达50%。例如，D-Wave与德国航天中心（DLR）合作利用量子退火机实现了飞行门的优化分配；D-Wave与宝马合作在制造工厂中利用量子退火实现了机器人运动的优化；D-Wave与 Recruit Communications和早稻田大学利用量子退火处理器实现了广告展示优化；D-Wave联合英国电信以及伦敦大学学院、布里斯托大学探索电信产业中的可优化方向；大众的科研人员联合Hexad和 PTV Group的专家，开发了量子路由算法和数据管理系统，并将研发的交通管理系统部署在D-Wave量子计算机上，利用量子计算机提供的强大算力实现了快速路线规划。可以预见，量子退火计算在未来的制造业、商业、电信业和智慧交通与车联网领域，将会带来更高效率、更多收益、更加安全灵活的优化方案。量子理论的提出为人们对微观世界以及复杂随机系统的探索带来了全新的方式。费曼提出通过创造一个人工的符合量子规律的有效系统，且系统所满足的量子方程与所被模拟的对象完全一致，就能通过人工系统进行试验，得到无法通过计算得出的解，这一理论成为量子模拟的基础。由于量子模拟不仅能够实现对量子多体系统随时间所发生的变化的模拟，还能够实现强关联多体系统的模拟。这两个关键要素，刚好能够完美地解决多类问题所遇到的瓶颈，并拓展出相应的分支，例如量子化学、量子统计力学、凝聚态物理等。随着量子模拟技术的发展,其在化学、生物、金融等众多领域都发挥着至关重要的作用。利用量子模拟技术对化学分子进行建模，能够极大地推动制药行业药品研发、药物审核以及材料行业新材料研发。生物领域的应用小到模拟分子的生物结构，大到模拟神经网络，甚至在未来可能模拟人工生命。由于金融市场复杂度较高，且和量子系统一样具有随机性，利用量子计算来模拟金融市场具有相当优势，已被Rigetti收购的QxBranch正在与澳大利亚联邦银行合作开发量子计算模拟器，有望用于银行的金融服务。可以预见，未来量子模拟的应用领域会非常广泛，尤其在随机性和复杂度较高的应用中。算法是计算领域技术发展的基石，人工智能领域的应用是推动算法发展的一大要素，人工智能与量子计算两大新兴领域的交汇融合，有望催生出更有价值的应用。目前，针对人工智能产生的量子算法潜在应用包括量子神经网络、自然语言处理、交通优化和图像处理等。量子神经网络作为量子科学、信息科学和认知科学多个学科交叉形成的研究领域，可以利用量子计算的强大算力，提升神经计算的信息处理能力。量子神经网络是量子计算最早与机器学习相关联的研究内容，最早可追溯到1995年。量子神经网络的概念提出以后，研究人员陆续提出各类量子神经网络模型。有研究结果表明，人脑处理信息的过程可能与量子现象有关。因此，量子神经网络极有可能会突破传统人工神经网络，而更好地模拟人脑的信息处理过程。2020年4月，剑桥量子计算公司宣布在量子计算机上执行的自然语言处理测试获得成功[21]。这是全球范围内量子自然语言处理应用获得的首次成功验证。研究人员利用自然语言的“本征量子” 结构将带有语法的语句转译为量子线路，在量子计算机上实现程序处理的过程，并得到语句中问题的解答。利用量子计算，有望实现自然语言处理在“语义感知”方面的进一步突破。除此之外，量子图像处理也是量子算法的另一重要应用方向。目前，科研人员已经针对图像算法领域的不同方向，例如图像存储、图像检索、图像压缩、图像变换等，研发了对应的量子图像算法。作为量子计算较早发展的一个应用领域，量子图像处理已经具备了基础的理论体系,也有部分实际应用落地。例如，量子图像处理系统已在医学图像处理、工业探伤图像处理和军事瞄准制导系统中得到运用。虽然目前量子图像处理的应用仍然处于在现有的硬件设备和成像的基础上进行量子处理，但随着未来量子成像模块制造技术的成熟，量子图像处理技术的应用将能够实现质的突破，并在人们日常生活中得到应用。目前，量子计算+人工智能作为交叉融合的热点研究方向，仍有诸多开放性科学问题在探索和试错之中，如机器学习中的数据与特征的量子编码与量子制备问题、量子版本的机器学习是否可以真正发挥量子计算的优势、复杂且灵活的量子机器学习任务如何与量子计算硬件进行协同适配等。随着这两大新兴领域的相互促进，学术与工业界的不断投入和技术攻坚，量子计算+人工智能的结合有望在未来大放异彩。量子计算目前正处于技术验证和原理样机研制的关键阶段，技术突破日新月异、产业生态不断完善，但整体研究发展水平距离实用化仍有距离。量子计算机按应用范围不同可以分为通用量子计算机和专用量子计算机，其中通用量子计算机需要上百万甚至更多物理量子比特，具备容错能力以及各类量子算法软件的支撑。大规模可纠错可编程的通用量子计算机实用化，业界普遍预计仍需十年以上时间。当前阶段，量子计算的主要应用目标是解决大规模数据优化处理和特定计算困难问题。在量子比特数量、容错能力、相干时间等条件尚不具备实现通用量子计算机之前，专用量子计算机将成为量子计算领域的近期发展目标。量子计算机研制属于巨型系统工程，仍需要科学层面和工程层面的持续投入和协同推动。
参考文献
[1] Quantum Flagship. Strategic research agenda of the quantum flagship[R]. European Quantum Flagship, 2020.
[2] D. P. DiVincenzo. Physical implementation of quantum computation[J]. Fortschritte Der Physik, 2010,48(9):771-783.
[3] 吴冰冰, 吕博. 量子计算,全球“算”得怎么样了. 人民邮电报, 2019-11-28(005).
[4] IBM. IBM Q system[EB/OL]. (2019-04-02)[2020-05-20]. https: //www.ibm.com/quantum-computing/learn/what-is-ibm-q/.
[5] Qiskit. Qiskit for educators[EB/OL]. (2019-08-20)[2020-05-20]. https://qiskit.org/.
[6] Github. Cirq[EB/OL]. (2019-09-04)[2020-05-19].https://github.com/ quantumlib/cirq/.
[7] TensorFlow. TensorFlow quantum[EB/OL]. (2019-03)[2020-05-20]. https://www.tensorflow.org/quantum/.
[8] Github. Microsoft quantum development kit libraries[EB/OL]. (2020-05-18)[2020-05-20]. https://github.com/microsoft/quantumlibraries/.
[9] 中国科学院. 软件所发布国内首个量子程序设计平台isQ[EB/OL]. ( 2019-12-25)[2020-05-20]. www.cas.cn/zkyzs/2019/12/231/yxdt/201912/ t20191231_4729802.shtml/.
[10] 中国信息通信研究院. 量子信息技术发展与应用研究报告(2019), 2019.
[11] IBM. IBM Q experience[EB/OL]. (2019-04-02)[2020-05-20]. https:// www.ibm.com/quantum-computing/technology/experience/.
[12] Microsoft Azure. Microsoft azure quantum[EB/OL].(2020-05-19)[ 2020-05-20]. https://azure.microsoft.com/en-us/services/quantum/.
[13] Amazon. Amazon braket[EB/OL]. (2020-04-02)[2020-05-20]. https: //aws.amazon.com/cn/braket/.
[14] Chad Rigetti. Rigetti forest[EB/OL]. (2017-06-20)[2020-05-20]. https://medium.com/rigetti/introducingforest-f2c806537c6d/.
[15] Quantum Inspire. Quetch quantum inspire[EB/OL].(2020-04-06)[ 2020-05-20]. https://www.quantuminspire.com/.
[16] QC Ware. QC ware forge[EB/OL]. (2019-09)[2020-05-20]. https:// forge.qcware.com/.
[17] 华为软件技术有限公司. HiQ[EB/OL]. (2020-03-18)[2020-05-20]. https://hiq.huaweicloud.com/.
[18] 合肥本源量子计算科技有限责任公司. 本源量子计算云服务平台[EB/OL]. (2018-07-11)[2020-05-20].http://www.qubitonline.cn/.
[19] Boston Consulting Group. The coming quantum leap in computing[R], 2018.
[20] The Quantum Computing Company. D-Wave 2000QTM system[EB/OL]. (2020-05-20)[2020-05-23]. https://www.dwavesys.com/d-wave-two-system/.
[21] Konstantinos Meichanetzidis. Quantum natural language processing[EB/OL].(2020-04-07)[2020-05-20].https://medium.com/cambridge-quantum-computing/quantum-natural-language-processing-748d6f27b31d/.
张海懿
中国信息通信研究院技术与标准研究所副所长，正高级工程师，享受国务院特殊津贴。工业和信息化部通信科技委传送与接入专家咨询组成员，CCSA TC6 WG1和 ST7WG1副组长，IMT-2020（5G）推进组5G承载工作组组长，主要从事5G承载、高速 WDM/OTN、量子信息等方面的技术研究与标准制定工作。
崔 潇
中国信息通信研究院技术与标准研究所助理工程师，主要从事SDN、人工智能和量子信息领域研究工作。
吴冰冰
中国信息通信研究院技术与标准研究所高级工程师，博士，主要从事光模块器件、光传送网和量子信息领域研究工作。
论文引用格式：
张海懿，崔潇，吴冰冰. 量子计算技术产业发展现状与应用分析[J]. 信息通信技术与政策, 2020(7):20-26.