1、6G與量子計算融合探討 崔春風 中國移動未來研究院 2023年7月15日 2 1 為什么：6G對算力提出更高要求 2 是什么：量子計算與算法現狀 3 怎么做：6G與量子計算的融合 目錄 3 6G明確六大典型場景，實現從移動通信向移動信息重大轉變 6G六大典型場景涵蓋“覆蓋全域化、性能沉浸化、要素融合化、網絡平臺化”特征，網絡將從通信服務向信息服務轉變 六大場景可分為三類：第一類是性能沉浸化：5G三大場景的增強 第二類是要素融合化：AI與通信的融合、感知與通信的融合 第三類是覆蓋全域化：泛在連接 網絡平臺化是基座：網絡成為聚合相關業務能力的“平臺”，供需動態匹配，為用戶提供多樣化的移動信息服務

2、4 ITU-R能力指標體系對6G網絡帶來全新挑戰 立足ITU-R能力指標體系，面向標準化開啟技術創新賽道 2 需要融合技術創新 3 需要網絡拓展創新 1 需要原創技術突破 技術創新面臨“三重挑戰”理論：容量逼近香農極限 產業：摩爾定律接近極限 需求：場景更極致更多樣 AI與通信的融合 感知與通信的融合 覆蓋 可持續性 互操作 定位等 5 技術布局：ITU技術指標到技術布局，網絡是關鍵，算力是瓶頸 ITU技術指標不是單點技術的要求、而是網絡系統性的要求，涉及4大方面算力瓶頸，需要考慮量子計算等變革性解決方案 ITU技術指標 不是單點技術的指標 而是網絡系統的指標 4 大挑戰 信號檢測 信道估計

3、預編碼 信道編解碼 網絡拓撲優化 路由優化 無線資源參數優化：算力資源優化 大規模業務信號處理 大規模業務優化（QoS/QoE保證）：預測、均衡、參數優化 大規模信號處理 大規模網絡優化 大規模業務處理 核心網 終端 無線網 新業務及場景 通感互聯 智慧工業 超能交通 全息交互 精準醫療 智能交互 元宇宙 SCU SCU SCU SCU 網絡整體性要求 大模型訓練 分布式AI 機器學習 算力瓶頸 量子 計算 6 1 為什么：6G對算力提出更高要求 2 是什么：量子計算與算法現狀 3 怎么做：6G與量子計算的融合 目錄 7 量子計算基本概念 1量子態制備（經典信息編碼成疊加態）經典比特 01量子

4、態調控（疊加態同步演化，并行計算的根源）01經典比特 量子計算是遵循量子疊加、量子干涉、量子糾纏等量子力學規律的新型計算模式。量子計算大致分為量子態制備、量子態調控和量子態測量三個核心步驟。量子計算基本單元是量子比特0和1。量子疊加：既是0,也是1 量子糾纏：多粒子綜合成整體 量子態測量（疊加態坍縮成經典態，讀取計算結果）量子干涉：多粒子相長相消 01 8 量子計算發展現狀（1/2）超導超導(22+)光量子光量子(9+)離子阱離子阱(11+)量子點量子點(8+)中性原子中性原子(7+)金剛石色心金剛石色心(4)信息通信信息通信 AI、安全、信號處理、資源優化 金融 投資組合優化 醫藥化學 化學

5、模擬、藥品研發、蛋白質折疊 物流/客運 客運/貨運優化 Azure Quantum 全棧開放云量子計算生態 軟軟件件平平臺臺 酷原量子云 量羲量羲 全平臺量子軟硬一體 HiQ 量子云平臺+開源量子開發框架 應應用用 Amazon Bracket 浙大太元一號 SQBM+TensorCircuit 開源量子模擬軟件框架 isQ 編程軟件 氦中電子氦中電子(1)拓撲（拓撲（2）量量子子技技術術路路線線 量子計算產業發展正從硬件、軟件、平臺、應用多層次快速發展，當前全球共有11種技術路線，240+（國內30+、）企業，22+（國內10+）量子云平臺，市場規模$10億，量子計算能力達433Q（IBM）

6、Qiskit(中國區通道已關閉)五岳量子五岳量子云平臺云平臺 Qpanda 華翊量子云 9 量子計算發展現狀（2/2）主主要要量量子子算算法法 主主要要企企業業量量子子路路線線圖圖 Deutsch算法-首個首個量子算法 1985 2014 2013 2011 2009 1995 1994 1992 Deutsch-Jozsa算法-量子并行計算理論基石 Shor算法-大數質因數分解（求階）-量子傅里葉變換 量子相位估計算法-量子算法核心子算法 Grover算法-平方級加速-量子振幅放大 Hamiltonian 模擬 量子近似優化算法-求解組合優化問題-VQE變體 變分量子特征求解器(VQE)-混

7、合經典計算與量子計算-適用于NISQ 量子神經網絡(QNN)-1995年初始模型-突破 Harrow Hassidim Lloyd(HHL)算法-求解線性方程-量子機器學習 1996 1998 量子退火算法-量子退火機 2020 2030 2029 2028 2027 2026 2025 2024 2023 2022 2021 AQ=log2(量子體積)65Q 127Q 433Q 1121Q 1K-1M Q 1000Q 10000Q 10萬Q 100萬Q 72Q 144Q 1024Q 5760Q 15路連接 改進相干性實現連接性 22AQ 25AQ 29AQ 64AQ 256AQ 384AQ

8、1024AQ 72Q 1000Q 10000Q 10萬Q 7000+Q 量子算法和量子計算能力是實現量子并行計算優越性的關鍵。核心量子算法早期發展就快，近期趨緩。量子計算能力（物理系統）早期發展較慢，近期加速，目前處于含噪中等規模（NISQ）階段，預期2030年達到大規模容錯階段（FTQC）。各大主要企業發布量子線路圖，但是否可兌現仍需檢驗。200Q 37Q 10萬Q 100Q 25Q 500Q 10 量子算法發展現狀 量子算法基本分類為純量子算法、量子-經典混合算法（變分量子算法）和偽量子算法三類。其中量子優化算法、量子搜索算法、HHL算法、量子機器學習算法是影響未來6G通信的主要算法，Sh

9、or算法帶來的安全風險必須關注 Grover類算法 量子梯度下降 量子優化 量子模擬 量子絕熱 量子退火 量子游走 HHL算法 Shor算法 基本算法 量子牛頓法 量子內點法 量子神經網絡 量子降維算法 量子聚類算法 量子分類算法 量子粒子群算法 量子蟻群算法 量子遺傳算法 量子進化算法 量子衍生ML 偽量子算法 量子奇異值估計 量子梯度估計 量子幅值估計 量子幅值放大 量子相位估計 純量子算法 量子衍生優化 量子算法 量子傅里葉變換 量子近似優化 變分量子ML 變分量子本征求解器 量子-經典混合算法 濾波變分量子算法 量子強化學習 11 潛在的量子算法 量子近似優化、量子絕熱/退火、量子搜索

10、/游走算法成為NP問題和信號處理重點解決方案，但研究剛起步，方案聚焦在二次無約束二值優化模型，部分場景驗證可行。量子衍生優化算法為學術熱點，但沒有充分體現量子計算優勢。量子機器學習在產業和學術上的關注度都很高，創新聚焦在機器學習中的矩陣運算加速。量子絕熱/退火算法 量子衍生優化算法 通過相位旋轉門生成和變異更豐富的種群 通過經典電路優化含參量子線路求解問題 利用量子隧穿效應將初始態演化到目標態 量子搜索算法 通過相位旋轉最大化搜索目標量子態概率 量子游走算法 利用路徑之間干涉更快遍歷到問題解空間 HHL算法 通過量子態相干調控與逆量子FT求解方程 量子近似優化算法 濾波變分量子算法 通過濾波變

11、分放大目標解在解空間的概率 量子回歸算法 利用HHL算法對矩陣計算進行指數級加速 量子神經網絡 通過量子疊加構造神經元，尋求量子優勢 12 目錄 1 為什么：6G對算力提出更高要求 2 是什么：量子計算與算法現狀 3 怎么做：6G與量子計算的融合 13 量子計算對通信領域的潛在影響 網絡優化 信號處理 AI 網絡 量子計算 算力網絡（量子云平臺量子云平臺）垂直應用 金融 化學 醫藥 物流 交通 制造 量子機器學習 大數據分析 模型訓練 量子圖像處理 物理系統研究 技術路線：超導、光量子、離子阱.專用計算機：量子退火、相干伊辛機 通用計算機：NISQ+FTQC 量子比特數、門速度、保真度.量子線

12、路 量子優化量子優化 量子計算將對信息通信帶來深刻影響：加速網絡優化、機器學習、信號處理，帶來算力網絡新資源，提升網絡能力和業務質量。同時，量子計算將顛覆傳統密碼體系，驅動6G進入后量子密碼時代。安全 量子信號處理量子信號處理 抗量子密碼 14 通信網絡中5+3：5個典型計算場景，3類典型計算問題 通信網絡從應用層、網絡層到物理層，主要問題場景是業務優化、網絡優化和信號處理，以及端到端的安全與機器學習，基本可以建模為運算類問題、優化類問題和搜索類問題，當前存在多類經典算法可求解。面向6G，問題規模隨同算法復雜度不斷增長，亟需尋求新的解決方案。物理層 網絡層 應用層 業務優化：業務預測、流量預測

13、、用戶行為預測、QoS/QoE預測、業務參數優化.信號處理：信道估計/均衡、信道反饋、預編碼、信道編譯碼、信號檢測.網絡拓撲優化、路由規劃、流量均衡.時延優化、算力資源優化、接入控制、調度.無線資源優化：容量、覆蓋、能效.運算問題 矩陣、張量、微積分、加解密 優化問題 線性/二次/半正定/分式規劃、組合優化 NP（難）問題:指配問題、最大獨立集、最大團、最大割、圖著色、最大分集度、背包問題、最大覆蓋、布爾滿足性問題 問題場景 問題識別 解決方案 動態規劃 內點法 分支定界法 貪婪算法 元啟發算法(擬)牛頓法 梯度類算法 蒙特卡洛法 窮舉 松弛法 對偶 回溯 乘子 Lanczos 算法、Kryl

14、ov子空間、QR分解、截斷牛頓法、RSA、ECC 機器學習 聚類 分類 回歸 降維 強化學習 搜索問題 搜索、查找、排序 盲搜索（寬度優先、深度優先.),Dijkstra算法,貪婪算法、A*算法 安全 網絡優化 15 網絡優化場景：以無線資源優化為例,min22,min.log1nnn nnnn jjj nPhpstChp%無線資源優化是網絡優化場景中的核心問題，根源來自于衰落與干擾，一般建模為覆蓋優化、容量優化和能效優化等優化問題。隨著問題從單天線到大規模多天線、單小區到多小區，待優化參數、約束條件和目標函數越來越多，求解算法愈加復雜。,22,maxlog1.n nnnn jjj nnTnh

15、phpstPP%覆蓋優化 容量優化 能效優化 1maxlog.TrHnnnnnnTstPIRH QHQmax num T+,3dB,3dB 1/,Nummax.n nnsamplesnTnhpNstPP%1minminTr.lognnHnnnnnstCQIRH QH單天線 多天線 多小區 max num T+,3dB,3dB 1/多小區樣本點 1maxlog.TrHnnnnncellularsnTcellularsstP IRH QHQ1minminTr.logcellularnncellularsHnnnnnstC QIRH QH，16 求解復雜組合優化問題的四種思路：1）將原問題等價轉化或

16、簡化為凸優化問題、二次規劃等模型，采用已有算法求解；2）采用獨立于問題結構的元啟發類算法；3）引入機器學習類算法；4）將原問題轉化為量子計算機支持的問題模型，采用量子優化算法求解 覆蓋優化覆蓋優化 容量優化 能效優化 高度非線性優化問題 組合優化問題 量子絕熱/退火算法 量子搜索算法 量子近似優化算法 濾波變分量子算法 專用量子計算機 通用量子計算機+經典計算機 通用量子計算機 QUBO模型/伊辛模型 網絡優化場景：以無線資源優化為例 17 量子優化算法應用示例1：QUBO模型 多小區覆蓋優化：MIMO波束選擇，最大化覆蓋率 基于QUBO模型采用相干伊辛機的優化 問題描述&計算難點 解決方法

17、QUBO模型 仿真效果&結論 問題描述 待優化區域被分割為眾多柵格，每個柵格都能收到來自每個扇區的波束，并測量得到所有波束的 RSRP。當波束的 RSRP 滿足閾值時，則認為該波束滿足覆蓋條件。每個扇區能夠為每個柵格提供 N 個可選擇的波束。優化目標：從每個扇區的可選波束中選擇 8 個波束，使待優化區域覆蓋率最大。覆蓋率=滿足覆蓋條件的柵格數/待優化區域總柵格數 挑戰&現有方案&目標 通常，當待優化區域的柵格數、扇區數、單個扇區可選波束數龐大時，為優化帶來巨大的計算挑戰?，F網中常用方法是啟發式智能算法（如粒子群算法）以及深度學習方法。期望借助量子計算的加速能力，實現更加快速的優化求解。玻色量子

18、的光量子相干伊辛機是一種專用量子計算機，即只能解決二次無約束二進制優化 QUBO 問題。例如最大割問題就可以通過一定的數學技巧構建其 QUBO 模型并求解。同樣地，多小區波束選擇覆蓋優化問題在經過數學建模后，轉化為適合相干伊辛機求解的 QUBO 模型，然后利用玻色量子真機進行試驗。18 量子優化算法應用示例1：QUBO模型 多小區覆蓋優化：MIMO波束選擇，最大化覆蓋率 仿真結果&分析 光量子計算機能夠在 23ms 的時間內完成小規模優化問題求解，且解的質量高于模擬退火、禁忌搜索等經典優化算法，并且隨著問題規模的增大，量子計算機的求解時間基本保持穩定。未來工作思路 未來將繼續針對多小區波束選擇

19、覆蓋優化問題，加強與省專業公司合作，開展更大數據規模的優化方案設計與試驗驗證。19 量子優化算法應用示例2：變分量子濾波 單小區覆蓋優化：優化天線權值組合，最大化覆蓋率 濾波變分量子算法 FVQA*一種經典-量子混合算法。濾波函數可以對有用量子態的概率進行放大。該算法量子線路淺，可以處理更靈活的問題，且現階段量子計算機可實現。在天線權值優化問題中，用戶的 RSRP 由經典計算機計算，約簡可能解、增大目標解概率由量子線路計算。max num T+,3dB,3dB /問題描述 待優化的天線權值包括：方向角、下傾角、水平波寬、垂直波寬。優化目標：通過選擇合適的天線權值組合，使單小區覆蓋率最大。覆蓋率

20、=滿足覆蓋條件的用戶數/待優化區域總用戶數 覆蓋條件為用戶的 RSRP 大于給定閾值-105dBm。公式：參數 取值 K_1(dBm)-105 P_T(dBm)53 頻率 f(GHz)2.6 撒點數 N 50200 6 量子比特算法電路 將天線權值優化簡化為一個 6 量子比特可實現的小規模問題，并設計 FVQA 量子線路。*Amaro,D.,Modica,C.,Rosenkranz,M.,Fiorentini,M.,Benedetti,M.,&Lubasch,M.(2021).Filtering variational quantum a*Amaro,D.,Modica,C.,Rosenkra

21、nz,M.,Fiorentini,M.,Benedetti,M.,&Lubasch,M.(2021).Filtering variational quantum algolgorithms for combinatorial optimization.Quantum Science&Technology,7.rithms for combinatorial optimization.Quantum Science&Technology,7.20 量子優化算法應用示例2：變分量子濾波 單小區覆蓋優化：實驗設置：真實芯片的量子比特及參數 本次實驗使用本源悟空 72 比特量子計算機，獲取結果后在本地

22、進行后處理。Q 37 Q 38 Q 39 Q 40 Q 41 Q 42 Q 43 Q 44 Q 45 Q 46 Q 47 Q 48 Q 49 Q 50 Q 51 Q 52 Q 53 Q 54 Q 55 Q 56 Q 57 Q 58 Q 59 Q 60 行 真機結果&結論行 優化前覆蓋率 50%優化后覆蓋率 93%濾波變分量子算法能夠實現小規模的天線權值優化 單比單比特特 弛豫時間（T1）退相干時間（T2）單比特門時長 單比特門保真度（獨立）單比特門保真度（并行）0態讀取保真度（并行）1態讀取保真度（并行）Q45 26.6us 354ns 30ns 99.75%99.63%96%89%Q46 2

23、3.8us 707ns 30ns 99.61%99.7%89%87%Q52 19.3us 977ns 30ns 99.81%99.68%96%84%Q53 31.4us 629ns 30ns 99.82%99.63%97%88%Q54 22.7us 6533ns 30ns 99.91%99.9%89%91%Q48 13.6us 339ns 30ns 99.69%99.53%92%88%雙比特雙比特 兩比特門時長 兩比特門保真度（獨立）兩比特門保真度（并行）Q45-Q46 40ns 97.31%96.33%Q46-Q52 40ns 97.11%98.20%Q52-Q53 40ns 98.16%9

24、7.59%Q53-Q54 40ns 98.00%97.89%Q54-Q48 40ns 97.68%96.84%21 機器學習場景：信號處理、網絡優化、業務優化 監督學習 人工智能尤其是機器學習在通信領域得到廣泛關注。監督學習、非監督學習和強化學習在物理層（信號處理）、網絡層（網絡優化）、應用層（業務優化）等不同場景與用例得到深度應用。面對未來不斷增加的網絡數據規模和大模型訓練需求，現有機器學習算法將面臨巨大的算力挑戰。非監督學習 強化學習 信道估計、信道均衡、信道譯碼、路損與陰影預測、AoA/DoA估計、波束成型、波束預測、波束跟蹤 物理層（信號處理）網絡層（網絡優化）應用層（業務優化）內容分

25、發、流量分類、異常識別、吞吐量優化、時延最小化 流量分類、通信場景分類 無人機移動模式預測、通信行為特征分析 多目標路由、網絡狀態預測，異常檢測、錯誤檢測、網絡參數預測 定位、多用戶接入、波束管理、信道估計、信號檢測 主動緩存、數據分流、計算卸載、錯誤預測、無人機控制 網絡拓撲優化、網絡資源分配、網絡參數優化 鏈路自適應，接入控制、資源優化、頻譜感知、功率分配、信道分配、同步 神經網絡（CNN、RNN、DNN、GNN）22 機器學習場景：潛在量子機器學習算法 量子分類與回歸算法 量子機器學習研究處于初級階段，部分算法復雜度理論上已證明比經典算法的加速優勢，在金融、化學、材料等領域已有應用案例，

26、量子機器學習開發框架和平臺已開始商用。但面向通信領域量子機器學習研究還很有限，網絡大數據分析、智能信號處理、大規模網絡優化值得關注。量子聚類與降維 量子神經網絡與強化學習 量子支持向量機 通信場景分類、相位估計、通信信號調制識別、移動話務量預測、干擾效果評估、基站能耗預測 量子強化學習：基于QNN的actor和critic 信道分配、功率分配、頻譜感知、信道估計、信號檢測、基站資源協同分配、無人機通信系統容量優化 量子回歸算法：頻偏估計、串擾消除、相干光通信色散補償、客戶流失預測、客戶分類 量子聚類：K-means 通信行為特征分析、可見光室內定位、無線業務分布預測、信號相位恢復 量子降維：量

27、子主成分分析 信道估計、信道互易性增強、網絡流量特征提取 量子神經網絡（QNN）：分類、聚類、回歸、強化學習的加速核模塊。分步多址無線網絡的資源分配、能效優化、通信信號識別、干擾抑制 23 量子量子應用算法應用算法研究與驗證研究與驗證 網絡優化量子算法網絡優化量子算法 量子機器學習算法量子機器學習算法 量子信號處理算法量子信號處理算法 量子云平臺與應用軟件量子云平臺與應用軟件“五岳五岳”量子云平臺量子云平臺 面對現網算力瓶頸與未來通信網絡升級需求，以量子應用算法和云平臺為重點和起步，明確量子算法在通信領域應用可行性，同步關注量子計算產業成熟度，積極推進量子計算與通信網絡融合發展 材料、芯片 系

28、統集成 實驗室環境 硬件 系統 云 平 臺 云平臺 應用軟件 通信領域量子算法 應用 算法 1 2 3 中國移動量子計算布局 24 中國移動戰略投資了玻色量子、華翊量子，目前與本源量子、玻色量子與啟科量子建立產業合作，與北京郵電大學等多家單位學術合作，并成為量子科技產學研創新聯盟、量子信息網絡產業聯盟、量子計算產業知識產權聯盟副理事單位，以通信網絡巨大應用空間拉動量子產業發展。中國移動量子計算產業合作 量子科技產學研創新聯盟量子科技產學研創新聯盟 量子計算產業知識產權聯盟量子計算產業知識產權聯盟 戰略投資 戰略投資/產業合作 產業合作 產業合作 學術合作 行業協作 行業協作 行業協作 分布式離

29、子阱量子計算與算法、現網+真機驗證 通信領域量子算法創新與可行性驗證 副理事長、應用示范組組長 離子阱量子計算與應用算法 副理事長、總體組副組長 超導量子計算與通信領域應用算法 副理事長、產業生態委員會副主任 相干伊辛機計算與網絡優化算法 25 量子計算應用面臨的挑戰 量子計算機還處于NISQ階段，量子比特數、退相干時間、保真度還不足以實現實用算法。量子計算還面臨硬件、算法設計以及在通信領域的應用等多方面的挑戰。退相干時間短，量子態易失效 受材料限制量子比特數難提升 門保真度不足以實現實用算法 量子糾錯技術還不成熟 量子計算前調校過程長 硬件挑戰 受量子力學規則限制（不可克隆、測不準），經典算

30、法設計方法無法直接移植 缺乏成熟設計范式 算法挑戰 量子計算在通信領域的應用研究力度和深度不足 量子計算加速效果缺乏統一評估方法標準 考慮初態制備與調參時間，真機加速優勢不明確 應用挑戰 26 總結與展望 6G為量子計算提供巨大應用空間，量子計算為6G提供潛在的算力解決方案，兩者融合發展已成為信息領域的重要趨勢。6G對算力提出更高要求，量子計算成為解決算力瓶頸潛在方案 專用量子計算已初步具備商用條件，通用量子計算機距離商用還有較長時間 量子計算在通信領域中的應用，如網絡優化和機器學習，已有初步研究，但研究廣度和深度還不夠 中國移動已經開展相關研究，部分示例已經證明量子計算的可行性與提升性能的價值 云平臺（非實時計算）邊緣平臺（準實時計算）基站/基帶（實時計算）根據量子計算機能力與部署條件等成熟度，積極穩妥階段性推進量子計算與6G的融合 小規模問題 中等規模問題 大規模問題 網絡/業務參數優化 機器學習模型云訓練 網絡資源優化 模型邊緣訓練 信號處理 量子計算產業成熟度 總結 展望 希望各位專家攜手努力，助力量子計算在6G網絡中的早日應用！謝 謝！