摘要：量子计算正从当前有限的硬件过渡到容错量子计算时代，面临严峻挑战。容错量子计算时代可以主动纠正错误。慕尼黑工业大学的 Tobias Forster、Nils Quetschlich 和 Robert Wille 正在研究现有的简化量子电路的方法能否有效降低纠错所

量子计算正从当前有限的硬件过渡到容错量子计算时代，面临严峻挑战。容错量子计算时代可以主动纠正错误。慕尼黑工业大学的 Tobias Forster、Nils Quetschlich 和 Robert Wille 正在研究现有的简化量子电路的方法能否有效降低纠错所固有的巨额量子比特开销。他们的研究探讨了一个根本问题：优化技术是否必须完全重新开发才能实现容错，还是现有方法能够提供坚实的基础？该团队探索了不同的优化策略如何影响容错电路的资源需求估算，揭示了哪些技术在量子计算机向实际应用扩展时能够带来最大的优势。最终，这项研究表明，应用量子电路优化可以改进容错量子计算的资源估算，为未来开发高效的量子算法提供宝贵的指导。

近年来，量子硬件和软件都取得了长足的发展。然而，目前可用的量子计算机仍然受到噪声的严重影响，限制了优化技术的有效性。量子应用的扩展需要纠错技术来可靠地执行电路，并进入容错量子计算时代，这需要数万个物理量子比特来实现具有足够保真度的单个逻辑量子比特，以进行复杂的计算。

工业量子应用和当前挑战

本文总结了关于量子计算的现状、挑战和未来方向及其在各行各业应用的研究成果。尽管量子计算仍处于早期阶段，但它拥有颠覆众多领域的巨大潜力，需要采取涵盖硬件开发、软件工具、算法设计和员工培训等全方位的策略。这一动力源于学术界和产业界日益增长的兴趣和投入，以及人们对量子计算能够解决传统计算机难以攻克的难题的期望。一些关键行业有望从量子计算中受益。

在金融领域，量子算法可以改进投资组合优化、风险管理、欺诈检测和算法交易。药物研发和医疗保健领域将从量子模拟中获益，量子模拟加速了药物设计、材料研发和个性化医疗，尤其是在模拟分子相互作用和蛋白质折叠方面。材料科学可以从设计具有特定特性（例如超导性或高强度）的新材料中受益。物流和供应链优化可以解决与路线规划、调度和资源分配相关的复杂问题。最后，量子机器学习算法可以增强模式识别、数据分析和模型训练。

目前正在开发各种量子计算技术。超导量子比特是最成熟的技术，IBM、谷歌和 Rigetti 等公司都在使用。捕获离子提供高保真度和长相干时间，IonQ 和 Quantinuum 正在努力实现这一目标。光子量子比特利用光子作为量子比特，具有室温操作和可扩展性的潜力。中性原子是一项新兴技术，具有高连接性和可扩展性的潜力。

硅量子比特利用现有的半导体制造基础设施。构建稳定、可扩展且容错的量子 计算机面临诸多挑战，包括维持量子比特的量子态（退相干）、在保持保真度的同时增加量子比特数量（可扩展性）、保护计算免受错误影响（纠错），以及精确控制和测量量子比特。开发量子算法和软件工具至关重要。Shor算法（因式分解）、Grover算法（搜索）、变分量子特征求解器 (VQE) 和量子近似优化算法 (QAOA) 等算法正在研究中。

量子编程框架（例如 Qiskit（IBM）、Cirq（谷歌）和 PennyLane）正在开发中，同时还有量子编译器和优化器，它们可以将高级程序转换为机器可执行代码。量子模拟器使用经典计算机模拟量子算法，也用于测试和开发。相当一部分研究致力于量子纠错。量子纠错码（例如表面码和拓扑码）以及逻辑量子比特的概念正在研究中，逻辑量子比特将量子信息编码到多个物理量子比特中以防止错误。

这项研究旨在设计能够可靠运行、即使出现错误也能实现的量子计算机，为容错量子计算铺平道路。准确的资源估算和基准测试至关重要。Azure Quantum Resource Estimator 等工具用于估算运行量子算法所需的资源（量子比特、门数、运行时间）。开发标准化基准测试来比较不同量子计算机的性能也至关重要，MQT Bench 就是量子计算设计自动化工具的基准测试套件。设计自动化工具的重要性日益凸显，人们对此也日益认可。

量子电路合成工具可以根据高级规范自动生成量子电路。量子电路映射工具将电路映射到特定的 硬件架构上。量子布局布线工具可以优化量子比特和连接的物理布局。需要一个强大的软件生态系统来支持量子计算的发展，例如正在开发的 t|ket>、PyLiqtr 和 Qualtran 等工具。目前仍存在一些关键挑战。

构建稳定、可扩展且容错的量子计算机是一项重大挑战。发现超越经典算法的新型量子算法也至关重要。创建强大且用户友好的量子软件工具至关重要。培养一支熟练的量子计算人才队伍至关重要。建立量子计算硬件和软件的标准也至关重要。

未来的方向包括结合量子计算机和经典计算机的优势（混合量子-经典计算）、通过云端访问量子计算机（量子云计算）、开发基于量子原理的新型机器学习算法（量子机器学习）以及利用量子现象进行精确测量（量子传感和计量）。研究参考了大量相关著作和工具，包括 Qiskit、Cirq、PennyLane、Azure Quantum、AWS Braket、Google Quantum AI、MQT Bench、t|ket>、PyLiqtr、Qualtran、表面码、拓扑码和 Azure Quantum Resource Estimator。总之，本研究全面概述了量子计算的现状、潜在应用以及充分发挥其潜力所需应对的挑战，强调了学术界、产业界和政府之间合作努力以加速这一变革性技术发展的重要性。

NISQ 优化提升容错潜力

科学家们已经证明，针对当前噪声量子计算机开发的量子电路优化技术可以显著提升容错量子计算的潜力，从而为更具可扩展性的量子系统铺平道路。这项研究证实，随着量子计算从噪声中尺度量子 (NISQ) 时代过渡到容错量子计算 (FTQC) 时代，优化无需从零开始。该团队研究了各种优化过程对一系列量子电路的影响，并利用资源估算比较了 NISQ 和 FTQC 场景下获得的收益。结果表明，将现有的优化技术应用于量子电路可以显著降低容错计算所需的资源需求。

研究人员使用 IBM 的 Qiskit 和 Quantinuum 的 TKET 中的工具对电路进行了评估，评估了优化对 FTQC 所需量子比特和门的预估数量的影响。这种方法可以直接比较 NISQ 和 FTQC 环境下的优化优势，从而揭示哪些技术对未来的量子系统最为有效。这些研究提供了宝贵的见解，表明哪些优化效果能够为 FTQC 带来比 NISQ 更显著的改进，为将现有技术迁移到下一代量子 计算机奠定了基础。通过展示当前优化工具的可重用性，这项工作为构建能够解决复杂问题的实用、可扩展的量子计算机奠定了至关重要的基础。

来源：二哈爱科学