一項新研究提出了一個全面的路線圖，通過將量子處理器與經典高性能計算（HPC）系統集成整合，構建達到公用事業規模（大型實用規模）的超級量子計算機。

研究人員強調，混合量子-經典系統、先進的量子比特制備技術以及容錯糾錯的機制是將量子設備體量擴展到數百萬量子比特的關鍵因素。量子化學中的分子模擬等應用案例展示了量子計算的潛在優勢，通過改進算法和硬件，資源需求降低了兩個數量級。

一項名為 的研究發表在論文預印本平臺ArXiv上。科學家們詳細闡述了將量子計算機擴展為超級計算機的策略，這種超級計算機能夠解決經典計算機無法解決的問題。團隊還描述了他們對量子超級計算機的愿景，認為需要將量子計算機和經典高性能計算系統進行集成。

這項研究由幾家量子創業公司和機構 （如惠普實驗室、美國宇航局艾姆斯研究中心（NASA Ames）和威斯康星大學） 的研究人員組成的團隊共同發表，強調了構建公用事業規模的量子系統并將其與高性能計算系統相結合時，既面臨挑戰，也充滿機遇。他們認為：“量子計算機不應被視為取代經典計算機的通用處理器，而更應理解為加速器或協處理器，能在高性能計算 （HPC） 框架內高效執行專門的任務。”

混合量子-經典框架不僅在短期內，即含噪聲中等規模量子 （NISQ） 的時代至關重要，而且對未來的容錯量子計算 （FTQC） 也同樣重要，因為在可預見的未來，糾錯方案將嚴重依賴于經典的HPC，而邏輯量子比特數還相當少。為了實現真正的公用事業規模的量子計算，我們有必要進行現有異構HPC基礎設施的集成以及混合量子-經典全計算堆棧的開發。

論文還分析了工程方面的難題，如量子比特的制備和容錯糾錯，并提出將量子處理器與高性能計算 （HPC） 系統集成。這些發現可能有助于塑造量子計算的發展路徑，可能開啟藥物開發、優化和密碼學方面的應用。

研究人員指出，建造量子超級計算機需要重視系統工程學方法，以彌合科學研究規模和實際系統尺度的差距。團隊解釋說，系統工程的思想是指許多系統參數必須同時優化，應對復雜的系統。他們進一步表示，任何進步或突破都將依靠現代半導體工具的使用，量子比特品質的提高，以及混合量子-經典架構的設計。

從概念到現實的擴展

量子計算在很大程度上仍處于實驗階段，面臨著阻礙實際應用的可拓展性問題。現有的量子設備可以處理涉及數百個量子比特的問題，但公用事業規模的系統將需要數百萬個量子比特。該研究的關鍵發現包括：

?量子比特的品質和制備：研究員呼吁采用先進的制備技術，利用半導體工藝生產具有一致品質的量子比特。與傳統的電子產品不同，量子比特（或稱量子位）非常容易出錯。研究指出，目前的制備過程往往導致品質不均勻，而很低比例的量子比特就能降低整個系統的性能。

?混合量子-經典系統：文章強調了量子計算機與經典系統配對的重要性。研究人員認為，通過在經典處理器和量子處理器之間分配工作負載，混合系統可以克服數據管理和處理方面的瓶頸。

?容錯設計：量子糾錯對量子計算機的拓展至關重要。該研究介紹了實時管理錯誤的方法，例如將量子解碼器與GPU集成，以提高檢測和糾正錯誤的速度。

?晶圓級集成：團隊借鑒了半導體制造工藝，提出了晶圓級規模集成電路的設想，在單個芯片嵌入成千上萬的量子比特。這一方案將減少通信延遲，提高效率。

作者指出，這些方法結合在一起，為構建量子超級計算機提供了一條現實可行的途徑。

擴展量子計算在不同規模時的技術難題

研究人員表示，構建大規模量子計算機需要創新的解決方案，以應對隨著系統規模和復雜性增加而出現的挑戰。隨著處理器從目前含噪聲中等規模量子 （NISQ） 機器的數百個物理量子比特擴展到公用事業規模容錯量子計算 （FTQC） 所需的數百萬個物理量子比特，研究人員面臨著一系列熟悉的 （又可能是前所未有的） 困難。

在較小的規模下，擁有100到1000個物理量子比特的系統面臨著硬件質量和穩定性方面的挑戰。量子比特性能的變化，比如“肥尾”型錯誤分布——少數表現不佳的量子比特會影響系統整體性能——會帶來重大風險。由于兩級系統 （TLS） 中時變缺陷的影響，頻繁的重新校準會影響可靠性，而宇宙射線等外部因素也會加劇錯誤率。

系統擴展到1000至10000個量子比特級別時 ，會開始出現集成和成本問題。在空間有限的稀釋制冷機中，控制和讀出所需的密集布線使系統擴展變得復雜。冷卻系統和電子控制設備成為驅動成本的因素，需要半導體啟發下的設計來降低成本和功耗。

系統擴展到10,000至100,000量子比特時 ，管理糾錯成為瓶頸。容錯協議需要大量的物理資源，用于比錯誤積累速度更快地糾正錯誤。串擾和門錯誤進一步限制了可擴展性，調試這種復雜系統也變得越來越困難。與經典半導體電路相似，驗證工具和診斷技術必須針對量子架構進行適配。

達到10萬至100萬個量子比特的規模時 ，可能需要分布式量子計算，多個量子處理器之間互連，在獨立的稀釋制冷機中運行。這種方法引入了新的技術難題，包括如何管理處理器間的通信和動態分配計算工作負載。

對于這些不同的規模，該研究強調需要適應性的解決方案，例如混合量子-經典系統、創新的糾錯碼和先進的制備技術。研究人員認為，在每個階段解決這些技術難題，將是實現能解決現實世界問題的公用事業規模的量子計算機的關鍵。

鋪設路線圖

研究基于對不同尺度量子系統挑戰的系統分析，概述了從目前含噪聲中等規模量子 （NISQ） 系統到具有數百萬量子比特的容錯機器逐步發展路徑。

?硬件設計： 研究人員評估了超導量子比特，重點關注提高相干時間、減少錯誤和優化性能的方法。

?架構集成： 通過設計混合系統，該團隊試圖使量子處理器充當加速器，而非獨立的設備。這種方法模仿了使用GPU來補充CPU算力的經典超級計算系統。

?錯誤糾正： 研究強調了量子糾錯碼的重要性，這些糾錯碼可以減輕噪聲，防止錯誤在計算過程中級聯蔓延。

量子資源的估計凸顯了化學在擴展中的作用

研究人員還探討了量子比特品質的改進如何降低實際應用中的硬件需求和計算開銷。研究聚焦于公用事業規模系統的量子資源估計（QRE），尤其是在模擬化學和生物學中關鍵分子的電子結構時的應用。

研究團隊寫道，量子化學為容錯量子計算（FTQC）提供了關鍵的應用場合，因為分子基態能量的精確計算對藥物研發和材料科學等領域非常重要。該研究考察了兩種受關注的分子：對苯二炔（para-benzyne，一種癌癥藥物設計的候選者），以及鐵鉬輔因子（FeMoco，對農業固氮非常重要）。這樣的大分子系統是傳統計算機無法模擬的，因此成為了展現量子優勢的主要目標。

研究評估了兩種實現量子相位估計（QPE）算法的方法：傳統的Trotter化方案和現代量子比特化方案。這兩種方法都將分子規格模式轉化為量子電路，但二者在效率上有所不同。與Trotter化方案相比，量子比特化方案顯著降低了門的復雜性，它需要更少的量子比特，并實現了更快的運行時間。

對于對苯二炔，研究發現，實現化學級精度（誤差低于1.6毫哈特里）需要1000萬到1億個物理量子位，具體取決于硬件質量。模擬FeMoco分子涉及到更大的活性空間，需要高達1.5億個量子比特，運行時間也從幾天到幾年不等。

然而，團隊指出，通過提升量子比特保真度和改進算法設計，資源需求可以降低兩個數量級之多。根據這項研究，在先進硬件上，量子比特化方案相比Trotter化方案能將運行時間縮短50倍。

研究人員寫道：“雖然在經典可計算和不可計算的問題之間沒有明顯的分界線（這很大程度上取決于所研究系統中量子關聯的程度），但對于軌道數超過Norb ≈ 50的系統，量子優勢將逐漸顯現。”這些發現也為未來的研究提供了動力，即開發量子啟發式算法，將量子優勢的轉折點推進到更小的問題規模。這自然地延續了經典算法的發展路徑，從FCI算法保證到DMRG的啟發式算法，顯著減少了計算所需的資源。”

跨越量子與經典的困難

根據該研究，將量子計算集成到高性能計算(HPC)系統中需要面對著重大的設計挑戰和操作挑戰。這些挑戰不僅來自量子處理器(QPU)與經典組件之間的物理和操作差異，還包括內存管理、數據傳輸和程序效率方面的算法性難題。

在硬件方面，量子和經典組件在可靠性、操作時間尺度和通信帶寬方面存在差異。為了最大限度減少延遲和最大限度實現混合量子-經典算法的同步，可能需要將這些資源物理地放置在同一硬件節點內。例如，變分算法（一種量子與經典計算需要頻繁交互的算法）對數據傳輸的開銷特別敏感，這可能會削弱性能增益。

為了應對這些挑戰，研究人員主張將量子處理器（QPU）與經典的中央處理器（CPU）、圖形處理單元（GPU）和現場可編程門陣列（FPGA）緊密集成，所有這些組件共享系統資源，如內存和高速互聯。這種設計確保混合系統能夠高效地處理數據密集型任務。

同樣重要的是軟件基礎設施，需要使用戶能夠無縫地對這些系統進行編程。擴展現有的HPC編程環境，如HPE Cray編程環境(CPE)，是一種自然的解決方案。通過在熟悉的HPC框架中集成量子編程、編譯和調度工具，開發人員可以構建混合應用程序，而無需對經典工作流進行大量修改。這種方法不僅利用了現有的基礎設施，還支持新的量子功能。

該集成策略還注重模塊化設計，以適應多種量子技術，從超導量子比特到光子系統。研究團隊寫道，量子專用的軟件開發工具包(SDK)，如CUDA-Q、Qiskit、Cirq、Pennylane和Classiq，可以與HPC系統對接，支持量子工作負載的可擴展執行,通過解決硬件和軟件挑戰，本研究所提出的量子-HPC系統將有助于提供對用戶更友好的混合計算環境。

局限與挑戰

雖然該研究提供了一個全面的路線圖，但也存在局限性。研究也指出了幾項挑戰。

例如，擴展量子系統是很昂貴的，涉及到制造、冷卻和控制系統等方面的巨大成本。例如，超導量子比特所需的稀釋制冷機運行成本高，并且存在尺寸限制。

研究還強調了設計能跟得上大規模系統需求的錯誤糾正代碼的難度。即使在容錯設計下，由環境因素（如宇宙射線）引起的錯誤率仍然是一個挑戰。

研究人員指出，量子計算也無法避免供應鏈問題，并強調需要芯片制造商、系統集成商和量子初創企業之間的合作。

對于科技行業來說，這項研究為跨部門合作提供了指導。研究人員寫道：“量子計算機的發展必須利用半導體，HPC和量子研究群體的專業知識”，并主張通過建立聯合體來加速進展。

量子計算去向何方

路線圖提供了一些建議 （或指出了一些方向） 。

?標準化架構：作者呼吁開發一種通用量子操作系統，能夠跨越不同的量子和經典硬件平臺管理工作負載。

?跨學科協作：研究建議基于現有的經典計算模型，組建跨學科團隊，以解決工程瓶頸。

?改進算法：隨著硬件規模擴大，高效量子算法的開發將對更多實際應用的開啟至關重要。

由于這篇論文內容詳盡且技術性較強，本文只是對其關鍵點的總結，有一些內容沒有涵蓋，建議有興趣深入了解的讀者閱讀論文原文，以獲得更多技術細節。

論文鏈接：

該研究小組包括來自世界各地的幾家機構。團隊成員包括：惠普實驗室的研究人員Masoud Mohseni, K. Grace Johnson, Kirk M. Bresniker, Aniello Esposito, Marco Fiorentino, Archit Gajjar, Xin Zhan and Raymond G. Beausoleil；惠普企業團隊的Barbara Chapman和Soumitra Chatterjee；加拿大1QB信息技術公司（1QBit）的貢獻者Artur Scherer, Gebremedhin A. Dagnew, Abdullah Khalid, Bohdan Kulchytskyy, Pooya Ronagh, Zak Webb, and Boyan Torosov；滑鐵盧大學和理論物理學前沿研究所（兼任量子計算研究所和物理與天文學系的職務）的合作者Pooya Ronagh；以色列量子機器公司（Quantum Machines）的代表Oded Wertheim, Ziv Steiner和Yonatan Cohen；威斯康星大學麥迪遜分校物理系的代表Matthew Otten和Robert F. McDermott；加州大學圣巴巴拉分校電氣和計算機工程系的Kirk M. Bresniker和Kerem Y. Camsari做出了貢獻；Alan Ho和John M. Martinis來自加州Qolab公司。

其他貢獻者還包括來自費米國家加速器實驗室的Farah Fahim和Panagiotis Spentzouris，應用材料公司的Marco Fiorentino，以及來自USRA高級計算機科學研究所與NASA Ames量子人工智能實驗室的Davide Venturelli。其他公司還包括以Igor L. Markov和John Sorebo為代表的芯思科技（Synopsys），以及以Ruoyu Li和Robert J. Visser為代表的應用材料公司（Applied Materials）。

作者：Matt Swayne

譯者：HSC

由于微信公眾號亂序推送，您可能不再能準時收到墨子沙龍的推送。為了不與小墨失散，請將“墨子沙龍”設為星標賬號，以及常點文末右下角的“在看”。

轉載微信原創文章，請在文章后留言；“轉載說明”在后臺回復“轉載”可查看。為了提供更好的服務，“墨子沙龍”有工作人員就各種事宜進行專門答復：各新媒體平臺的相關事宜，請聯系微信號“mozi-meiti”；線下活動、線上直播相關事宜，請聯系微信號“mozi-huodong”。

墨子是我國古代著名的思想家、科學家，其思想和成就是我國早期科學萌芽的體現。墨子沙龍的建立，旨在傳承、發揚科學傳統，倡導、弘揚科學精神，提升公民科學素養，建設崇尚科學的社會氛圍。

墨子沙龍面向熱愛科學、有探索精神和好奇心的普通公眾，通過面對面的公眾活動和多樣化的新媒體平臺，希望讓大家了解到當下全球最尖端的科學進展、最先進的科學思想，探尋科學之秘，感受科學之美。

墨子沙龍由中國科學技術大學上海研究院及浦東新區南七量子科技交流中心主辦，受到中國科大新創校友基金會、中國科學技術大學教育基金會、浦東新區科學技術協會、中國科學技術協會及浦東新區科技和經濟委員會等支持。

關于“墨子沙龍”