1、6G与量子计算融合探讨 崔春风 中国移动未来研究院 2023年7月15日 2 1 为什么：6G对算力提出更高要求 2 是什么：量子计算与算法现状 3 怎么做：6G与量子计算的融合 目录 3 6G明确六大典型场景，实现从移动通信向移动信息重大转变 6G六大典型场景涵盖“覆盖全域化、性能沉浸化、要素融合化、网络平台化”特征，网络将从通信服务向信息服务转变 六大场景可分为三类：第一类是性能沉浸化：5G三大场景的增强 第二类是要素融合化：AI与通信的融合、感知与通信的融合 第三类是覆盖全域化：泛在连接 网络平台化是基座：网络成为聚合相关业务能力的“平台”，供需动态匹配，为用户提供多样化的移动信息服务
2、4 ITU-R能力指标体系对6G网络带来全新挑战 立足ITU-R能力指标体系，面向标准化开启技术创新赛道 2 需要融合技术创新 3 需要网络拓展创新 1 需要原创技术突破 技术创新面临“三重挑战”理论：容量逼近香农极限 产业：摩尔定律接近极限 需求：场景更极致更多样 AI与通信的融合 感知与通信的融合 覆盖 可持续性 互操作 定位等 5 技术布局：ITU技术指标到技术布局，网络是关键，算力是瓶颈 ITU技术指标不是单点技术的要求、而是网络系统性的要求，涉及4大方面算力瓶颈，需要考虑量子计算等变革性解决方案 ITU技术指标 不是单点技术的指标 而是网络系统的指标 4 大挑战 信号检测 信道估计
3、预编码 信道编解码 网络拓扑优化 路由优化 无线资源参数优化：算力资源优化 大规模业务信号处理 大规模业务优化（QoS/QoE保证）：预测、均衡、参数优化 大规模信号处理 大规模网络优化 大规模业务处理 核心网 终端 无线网 新业务及场景 通感互联 智慧工业 超能交通 全息交互 精准医疗 智能交互 元宇宙 SCU SCU SCU SCU 网络整体性要求 大模型训练 分布式AI 机器学习 算力瓶颈 量子 计算 6 1 为什么：6G对算力提出更高要求 2 是什么：量子计算与算法现状 3 怎么做：6G与量子计算的融合 目录 7 量子计算基本概念 1量子态制备（经典信息编码成叠加态）经典比特 01量子
4、态调控（叠加态同步演化，并行计算的根源）01经典比特 量子计算是遵循量子叠加、量子干涉、量子纠缠等量子力学规律的新型计算模式。量子计算大致分为量子态制备、量子态调控和量子态测量三个核心步骤。量子计算基本单元是量子比特0和1。量子叠加：既是0,也是1 量子纠缠：多粒子综合成整体 量子态测量（叠加态坍缩成经典态，读取计算结果）量子干涉：多粒子相长相消 01 8 量子计算发展现状（1/2）超导超导(22+)光量子光量子(9+)离子阱离子阱(11+)量子点量子点(8+)中性原子中性原子(7+)金刚石色心金刚石色心(4)信息通信信息通信 AI、安全、信号处理、资源优化 金融 投资组合优化 医药化学 化学
5、模拟、药品研发、蛋白质折叠 物流/客运 客运/货运优化 Azure Quantum 全栈开放云量子计算生态 软软件件平平台台 酷原量子云 量羲量羲 全平台量子软硬一体 HiQ 量子云平台+开源量子开发框架 应应用用 Amazon Bracket 浙大太元一号 SQBM+TensorCircuit 开源量子模拟软件框架 isQ 编程软件 氦中电子氦中电子(1)拓扑（拓扑（2）量量子子技技术术路路线线 量子计算产业发展正从硬件、软件、平台、应用多层次快速发展，当前全球共有11种技术路线，240+（国内30+、）企业，22+（国内10+）量子云平台，市场规模$10亿，量子计算能力达433Q（IBM）
6、Qiskit(中国区通道已关闭)五岳量子五岳量子云平台云平台 Qpanda 华翊量子云 9 量子计算发展现状（2/2）主主要要量量子子算算法法 主主要要企企业业量量子子路路线线图图 Deutsch算法-首个首个量子算法 1985 2014 2013 2011 2009 1995 1994 1992 Deutsch-Jozsa算法-量子并行计算理论基石 Shor算法-大数质因数分解（求阶）-量子傅里叶变换 量子相位估计算法-量子算法核心子算法 Grover算法-平方级加速-量子振幅放大 Hamiltonian 模拟 量子近似优化算法-求解组合优化问题-VQE变体 变分量子特征求解器(VQE)-混
7、合经典计算与量子计算-适用于NISQ 量子神经网络(QNN)-1995年初始模型-突破 Harrow Hassidim Lloyd(HHL)算法-求解线性方程-量子机器学习 1996 1998 量子退火算法-量子退火机 2020 2030 2029 2028 2027 2026 2025 2024 2023 2022 2021 AQ=log2(量子体积)65Q 127Q 433Q 1121Q 1K-1M Q 1000Q 10000Q 10万Q 100万Q 72Q 144Q 1024Q 5760Q 15路连接 改进相干性实现连接性 22AQ 25AQ 29AQ 64AQ 256AQ 384AQ
8、1024AQ 72Q 1000Q 10000Q 10万Q 7000+Q 量子算法和量子计算能力是实现量子并行计算优越性的关键。核心量子算法早期发展就快，近期趋缓。量子计算能力（物理系统）早期发展较慢，近期加速，目前处于含噪中等规模（NISQ）阶段，预期2030年达到大规模容错阶段（FTQC）。各大主要企业发布量子线路图，但是否可兑现仍需检验。200Q 37Q 10万Q 100Q 25Q 500Q 10 量子算法发展现状 量子算法基本分类为纯量子算法、量子-经典混合算法（变分量子算法）和伪量子算法三类。其中量子优化算法、量子搜索算法、HHL算法、量子机器学习算法是影响未来6G通信的主要算法，Sh
9、or算法带来的安全风险必须关注 Grover类算法 量子梯度下降 量子优化 量子模拟 量子绝热 量子退火 量子游走 HHL算法 Shor算法 基本算法 量子牛顿法 量子内点法 量子神经网络 量子降维算法 量子聚类算法 量子分类算法 量子粒子群算法 量子蚁群算法 量子遗传算法 量子进化算法 量子衍生ML 伪量子算法 量子奇异值估计 量子梯度估计 量子幅值估计 量子幅值放大 量子相位估计 纯量子算法 量子衍生优化 量子算法 量子傅里叶变换 量子近似优化 变分量子ML 变分量子本征求解器 量子-经典混合算法 滤波变分量子算法 量子强化学习 11 潜在的量子算法 量子近似优化、量子绝热/退火、量子搜索
10、/游走算法成为NP问题和信号处理重点解决方案，但研究刚起步，方案聚焦在二次无约束二值优化模型，部分场景验证可行。量子衍生优化算法为学术热点，但没有充分体现量子计算优势。量子机器学习在产业和学术上的关注度都很高，创新聚焦在机器学习中的矩阵运算加速。量子绝热/退火算法 量子衍生优化算法 通过相位旋转门生成和变异更丰富的种群 通过经典电路优化含参量子线路求解问题 利用量子隧穿效应将初始态演化到目标态 量子搜索算法 通过相位旋转最大化搜索目标量子态概率 量子游走算法 利用路径之间干涉更快遍历到问题解空间 HHL算法 通过量子态相干调控与逆量子FT求解方程 量子近似优化算法 滤波变分量子算法 通过滤波变
11、分放大目标解在解空间的概率 量子回归算法 利用HHL算法对矩阵计算进行指数级加速 量子神经网络 通过量子叠加构造神经元，寻求量子优势 12 目录 1 为什么：6G对算力提出更高要求 2 是什么：量子计算与算法现状 3 怎么做：6G与量子计算的融合 13 量子计算对通信领域的潜在影响 网络优化 信号处理 AI 网络 量子计算 算力网络（量子云平台量子云平台）垂直应用 金融 化学 医药 物流 交通 制造 量子机器学习 大数据分析 模型训练 量子图像处理 物理系统研究 技术路线：超导、光量子、离子阱.专用计算机：量子退火、相干伊辛机 通用计算机：NISQ+FTQC 量子比特数、门速度、保真度.量子线
12、路 量子优化量子优化 量子计算将对信息通信带来深刻影响：加速网络优化、机器学习、信号处理，带来算力网络新资源，提升网络能力和业务质量。同时，量子计算将颠覆传统密码体系，驱动6G进入后量子密码时代。安全 量子信号处理量子信号处理 抗量子密码 14 通信网络中5+3：5个典型计算场景，3类典型计算问题 通信网络从应用层、网络层到物理层，主要问题场景是业务优化、网络优化和信号处理，以及端到端的安全与机器学习，基本可以建模为运算类问题、优化类问题和搜索类问题，当前存在多类经典算法可求解。面向6G，问题规模随同算法复杂度不断增长，亟需寻求新的解决方案。物理层 网络层 应用层 业务优化：业务预测、流量预测
13、、用户行为预测、QoS/QoE预测、业务参数优化.信号处理：信道估计/均衡、信道反馈、预编码、信道编译码、信号检测.网络拓扑优化、路由规划、流量均衡.时延优化、算力资源优化、接入控制、调度.无线资源优化：容量、覆盖、能效.运算问题 矩阵、张量、微积分、加解密 优化问题 线性/二次/半正定/分式规划、组合优化 NP（难）问题:指配问题、最大独立集、最大团、最大割、图着色、最大分集度、背包问题、最大覆盖、布尔满足性问题 问题场景 问题识别 解决方案 动态规划 内点法 分支定界法 贪婪算法 元启发算法(拟)牛顿法 梯度类算法 蒙特卡洛法 穷举 松弛法 对偶 回溯 乘子 Lanczos 算法、Kryl
14、ov子空间、QR分解、截断牛顿法、RSA、ECC 机器学习 聚类 分类 回归 降维 强化学习 搜索问题 搜索、查找、排序 盲搜索（宽度优先、深度优先.),Dijkstra算法,贪婪算法、A*算法 安全 网络优化 15 网络优化场景：以无线资源优化为例,min22,min.log1nnn nnnn jjj nPhpstChp%无线资源优化是网络优化场景中的核心问题，根源来自于衰落与干扰，一般建模为覆盖优化、容量优化和能效优化等优化问题。随着问题从单天线到大规模多天线、单小区到多小区，待优化参数、约束条件和目标函数越来越多，求解算法愈加复杂。,22,maxlog1.n nnnn jjj nnTnh
15、phpstPP%覆盖优化 容量优化 能效优化 1maxlog.TrHnnnnnnTstPIRH QHQmax num T+,3dB,3dB 1/,Nummax.n nnsamplesnTnhpNstPP%1minminTr.lognnHnnnnnstCQIRH QH单天线 多天线 多小区 max num T+,3dB,3dB 1/多小区样本点 1maxlog.TrHnnnnncellularsnTcellularsstP IRH QHQ1minminTr.logcellularnncellularsHnnnnnstC QIRH QH，16 求解复杂组合优化问题的四种思路：1）将原问题等价转化或
16、简化为凸优化问题、二次规划等模型，采用已有算法求解；2）采用独立于问题结构的元启发类算法；3）引入机器学习类算法；4）将原问题转化为量子计算机支持的问题模型，采用量子优化算法求解 覆盖优化覆盖优化 容量优化 能效优化 高度非线性优化问题 组合优化问题 量子绝热/退火算法 量子搜索算法 量子近似优化算法 滤波变分量子算法 专用量子计算机 通用量子计算机+经典计算机 通用量子计算机 QUBO模型/伊辛模型 网络优化场景：以无线资源优化为例 17 量子优化算法应用示例1：QUBO模型 多小区覆盖优化：MIMO波束选择，最大化覆盖率 基于QUBO模型采用相干伊辛机的优化 问题描述&计算难点 解决方法
17、QUBO模型 仿真效果&结论 问题描述 待优化区域被分割为众多栅格，每个栅格都能收到来自每个扇区的波束，并测量得到所有波束的 RSRP。当波束的 RSRP 满足阈值时，则认为该波束满足覆盖条件。每个扇区能够为每个栅格提供 N 个可选择的波束。优化目标：从每个扇区的可选波束中选择 8 个波束，使待优化区域覆盖率最大。覆盖率=满足覆盖条件的栅格数/待优化区域总栅格数 挑战&现有方案&目标 通常，当待优化区域的栅格数、扇区数、单个扇区可选波束数庞大时，为优化带来巨大的计算挑战。现网中常用方法是启发式智能算法（如粒子群算法）以及深度学习方法。期望借助量子计算的加速能力，实现更加快速的优化求解。玻色量子
18、的光量子相干伊辛机是一种专用量子计算机，即只能解决二次无约束二进制优化 QUBO 问题。例如最大割问题就可以通过一定的数学技巧构建其 QUBO 模型并求解。同样地，多小区波束选择覆盖优化问题在经过数学建模后，转化为适合相干伊辛机求解的 QUBO 模型，然后利用玻色量子真机进行试验。18 量子优化算法应用示例1：QUBO模型 多小区覆盖优化：MIMO波束选择，最大化覆盖率 仿真结果&分析 光量子计算机能够在 23ms 的时间内完成小规模优化问题求解，且解的质量高于模拟退火、禁忌搜索等经典优化算法，并且随着问题规模的增大，量子计算机的求解时间基本保持稳定。未来工作思路 未来将继续针对多小区波束选择
19、覆盖优化问题，加强与省专业公司合作，开展更大数据规模的优化方案设计与试验验证。19 量子优化算法应用示例2：变分量子滤波 单小区覆盖优化：优化天线权值组合，最大化覆盖率 滤波变分量子算法 FVQA*一种经典-量子混合算法。滤波函数可以对有用量子态的概率进行放大。该算法量子线路浅，可以处理更灵活的问题，且现阶段量子计算机可实现。在天线权值优化问题中，用户的 RSRP 由经典计算机计算，约简可能解、增大目标解概率由量子线路计算。max num T+,3dB,3dB /问题描述 待优化的天线权值包括：方向角、下倾角、水平波宽、垂直波宽。优化目标：通过选择合适的天线权值组合，使单小区覆盖率最大。覆盖率
20、=满足覆盖条件的用户数/待优化区域总用户数 覆盖条件为用户的 RSRP 大于给定阈值-105dBm。公式：参数 取值 K_1(dBm)-105 P_T(dBm)53 频率 f(GHz)2.6 撒点数 N 50200 6 量子比特算法电路 将天线权值优化简化为一个 6 量子比特可实现的小规模问题，并设计 FVQA 量子线路。*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 量子优化算法应用示例2：变分量子滤波 单小区覆盖优化：实验设置：真实芯片的量子比特及参数 本次实验使用本源悟空 72 比特量子计算机，获取结果后在本地
22、进行后处理。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 真机结果&结论行 优化前覆盖率 50%优化后覆盖率 93%滤波变分量子算法能够实现小规模的天线权值优化 单比单比特特 弛豫时间（T1）退相干时间（T2）单比特门时长 单比特门保真度（独立）单比特门保真度（并行）0态读取保真度（并行）1态读取保真度（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%双比特双比特 两比特门时长 两比特门保真度（独立）两比特门保真度（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 机器学习场景：信号处理、网络优化、业务优化 监督学习 人工智能尤其是机器学习在通信领域得到广泛关注。监督学习、非监督学习和强化学习在物理层（信号处理）、网络层（网络优化）、应用层（业务优化）等不同场景与用例得到深度应用。面对未来不断增加的网络数据规模和大模型训练需求，现有机器学习算法将面临巨大的算力挑战。非监督学习 强化学习 信道估计、信道均衡、信道译码、路损与阴影预测、AoA/DoA估计、波束成型、波束预测、波束跟踪 物理层（信号处理）网络层（网络优化）应用层（业务优化）内容分
25、发、流量分类、异常识别、吞吐量优化、时延最小化 流量分类、通信场景分类 无人机移动模式预测、通信行为特征分析 多目标路由、网络状态预测，异常检测、错误检测、网络参数预测 定位、多用户接入、波束管理、信道估计、信号检测 主动缓存、数据分流、计算卸载、错误预测、无人机控制 网络拓扑优化、网络资源分配、网络参数优化 链路自适应，接入控制、资源优化、频谱感知、功率分配、信道分配、同步 神经网络（CNN、RNN、DNN、GNN）22 机器学习场景：潜在量子机器学习算法 量子分类与回归算法 量子机器学习研究处于初级阶段，部分算法复杂度理论上已证明比经典算法的加速优势，在金融、化学、材料等领域已有应用案例，
26、量子机器学习开发框架和平台已开始商用。但面向通信领域量子机器学习研究还很有限，网络大数据分析、智能信号处理、大规模网络优化值得关注。量子聚类与降维 量子神经网络与强化学习 量子支持向量机 通信场景分类、相位估计、通信信号调制识别、移动话务量预测、干扰效果评估、基站能耗预测 量子强化学习：基于QNN的actor和critic 信道分配、功率分配、频谱感知、信道估计、信号检测、基站资源协同分配、无人机通信系统容量优化 量子回归算法：频偏估计、串扰消除、相干光通信色散补偿、客户流失预测、客户分类 量子聚类：K-means 通信行为特征分析、可见光室内定位、无线业务分布预测、信号相位恢复 量子降维：量
27、子主成分分析 信道估计、信道互易性增强、网络流量特征提取 量子神经网络（QNN）：分类、聚类、回归、强化学习的加速核模块。分步多址无线网络的资源分配、能效优化、通信信号识别、干扰抑制 23 量子量子应用算法应用算法研究与验证研究与验证 网络优化量子算法网络优化量子算法 量子机器学习算法量子机器学习算法 量子信号处理算法量子信号处理算法 量子云平台与应用软件量子云平台与应用软件“五岳五岳”量子云平台量子云平台 面对现网算力瓶颈与未来通信网络升级需求，以量子应用算法和云平台为重点和起步，明确量子算法在通信领域应用可行性，同步关注量子计算产业成熟度，积极推进量子计算与通信网络融合发展 材料、芯片 系
28、统集成 实验室环境 硬件 系统 云 平 台 云平台 应用软件 通信领域量子算法 应用 算法 1 2 3 中国移动量子计算布局 24 中国移动战略投资了玻色量子、华翊量子，目前与本源量子、玻色量子与启科量子建立产业合作，与北京邮电大学等多家单位学术合作，并成为量子科技产学研创新联盟、量子信息网络产业联盟、量子计算产业知识产权联盟副理事单位，以通信网络巨大应用空间拉动量子产业发展。中国移动量子计算产业合作 量子科技产学研创新联盟量子科技产学研创新联盟 量子计算产业知识产权联盟量子计算产业知识产权联盟 战略投资 战略投资/产业合作 产业合作 产业合作 学术合作 行业协作 行业协作 行业协作 分布式离
29、子阱量子计算与算法、现网+真机验证 通信领域量子算法创新与可行性验证 副理事长、应用示范组组长 离子阱量子计算与应用算法 副理事长、总体组副组长 超导量子计算与通信领域应用算法 副理事长、产业生态委员会副主任 相干伊辛机计算与网络优化算法 25 量子计算应用面临的挑战 量子计算机还处于NISQ阶段，量子比特数、退相干时间、保真度还不足以实现实用算法。量子计算还面临硬件、算法设计以及在通信领域的应用等多方面的挑战。退相干时间短，量子态易失效 受材料限制量子比特数难提升 门保真度不足以实现实用算法 量子纠错技术还不成熟 量子计算前调校过程长 硬件挑战 受量子力学规则限制（不可克隆、测不准），经典算
30、法设计方法无法直接移植 缺乏成熟设计范式 算法挑战 量子计算在通信领域的应用研究力度和深度不足 量子计算加速效果缺乏统一评估方法标准 考虑初态制备与调参时间，真机加速优势不明确 应用挑战 26 总结与展望 6G为量子计算提供巨大应用空间，量子计算为6G提供潜在的算力解决方案，两者融合发展已成为信息领域的重要趋势。6G对算力提出更高要求，量子计算成为解决算力瓶颈潜在方案 专用量子计算已初步具备商用条件，通用量子计算机距离商用还有较长时间 量子计算在通信领域中的应用，如网络优化和机器学习，已有初步研究，但研究广度和深度还不够 中国移动已经开展相关研究，部分示例已经证明量子计算的可行性与提升性能的价值 云平台（非实时计算）边缘平台（准实时计算）基站/基带（实时计算）根据量子计算机能力与部署条件等成熟度，积极稳妥阶段性推进量子计算与6G的融合 小规模问题 中等规模问题 大规模问题 网络/业务参数优化 机器学习模型云训练 网络资源优化 模型边缘训练 信号处理 量子计算产业成熟度 总结 展望 希望各位专家携手努力，助力量子计算在6G网络中的早日应用！谢 谢！
sgpjbg002
工作日 9:30 - 18:00
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
