1、1/28前前言言2023年，ITU-R发布了IMT-2030框架，强调可持续性、安全性和弹性，将未连接的连接和无处不在的智能作为首要方面，作为普遍适用于所有使用场景的设计原则。在另一项关于2030 年及以后 IMT 未来发展的建议中，ITU-R 提到，与 RAN 相关的量子技术是一项潜在技术，可在允许通过网络实体合法交换敏感信息时确保安全性和弹性。因此，应用量子技术实现第六代（6G）及后续通信的安全性和弹性的目标变得更加明确。为此，在这份每年修订的白皮书中，我们介绍了过去一年量子信息技术（QIT）在通信、网络和计算领域应用的研究进展，并对2024年量子技术研究提出了一些预期。第二章重点介绍量子

2、安全通信，旨在通过应用量子机制保护关键信息。介绍从量子密钥分配（QKD）、量子随机数生成器（QRNG）和量子信息网络（QIN）方面不断进行的各种理论和实验开始，随后介绍了世界各地最先进的 QKD 标准化活动。对6G的影响分别介绍了在车联网上部署的量子加密演示，与 G.698.4 设备集成连续可变 QKD(CV-QKD)，以及量子密码技术在6G网络中的部署。第3章深入研究了如何通过应用量子计算来满足6G所期望的通信系统性能的大幅提升和创新业务的丰富多样性。首先分析了通信的计算场景和关键问题，包括信号处理、网络优化、业务处理、网络智能化等。其次，提出了具有强大计算基础的“经典+量子”混合计算平台，

3、为不同领域提供量身定制的计算支撑服务，促进研究创新和产品落地。第三，通过三个例子介绍了量子计算对6G的影响，分别应用量子计算解决经典通信问题。基于2023年的突破性成果，2024年或将成为量子计算技术的重要一年，由此开始量子计算领域有望从物理量子比特过渡到纠错逻辑量子比特，同时反量子密码学研究时间表也将提前。2/28目录目录前言.11.引言.32.量子通信与网络.52.1关键技术.52.1.1量子密钥分发.52.1.2量子随机数生成器.62.1.3量子信息网络.72.2量子密钥分发标准化活动.82.2.1中国标准化进展.82.2.2国际性标准化进展.102.3对 6G 的影响.132.3.1车

4、联网中的量子加密.132.3.2量子加密与承载网设备集成.142.3.3量子通信安全.143.量子计算.163.1通信计算场景及关键问题.163.1.1信号处理.163.1.2网络优化.173.1.3业务处理.173.1.4网络智能化.183.2量子混合异构计算.183.3对 6G 的影响.193.3.1单小区大规模 MIMO 天线优化.203.3.2多小区大规模MIMO波束选择.223.3.3毫米波信号相位校正.244.未来展望.275.致谢.283/281.引言引言这份每年修订的白皮书旨在介绍量子信息技术(quantum information technologies,QITs)的最新研

5、究进展，以满足6G或后6G时代在通信和计算方面所面临的严格要求。除了QITs为通信和网络，以及计算带来的预期收益之外，本版本的白皮书还提出了对2024年量子技术研究的一些展望。第第2章章 量子通信与网络量子通信与网络第2章将重点介绍量子安全通信，它利用量子力学原理来保护关键信息安全。2023 年，以下关键技术领域取得了持续不断的理论和实验进展。量子密钥分发(quantum key distribution,QKD)方面，科研成果和经典量子共传输研究取得了突破，并且 QKD 系统的性能也得到了进一步提升。量子随机数生成器(Quantum random number generator,QRNG)

6、技术正朝着更高效、更稳定的目标进行研发改进。许多实验室和研究机构开展了大量实验来验证量子信息网络(quantum Information Network,QIN)的可行性和稳定性。关于 QKD 的标准化活动，主要的标准化组织正积极制定相关的标准，涵盖术语定义、应用场景和需求、网络架构、设备技术要求、QKD 安全、测试评估方法等各个方面。最后，白皮书通过三个示例讨论了量子技术对6G的影响：车联网中的量子加密演示；将连续变量 QKD(CV-QKD)技术与 G.698.4 设备集成，从而使 QKD 融入现有经典通信网络，充分利用现有电信基础设施；在6G网络中部署量子密码技术，实现通信系统的整体安全管

7、理。第第3章章 量子计算量子计算为了满足 6G 预期的大幅提升的通信系统性能和丰富多样的创新业务，第3章将深入探讨如何利用量子计算技术来增强通信能力。首先，考虑到通信本质上是一系列的数学计算，白皮书从计算角度描述了一个分层的通信网络，以便分析通信计算场景和关键问题，包括信号处理、网络优化、业务处理和网络智能化。其次，提出了一种“经典+量子”混合计算平台，该平台拥有强大的计算基础，可提供针对不同领域的定制化计算支持业务，促进研究创新和产品实现。值得一提的是，这种混合计算平台的架构设计遵循了模块化、标准化、广泛兼容、自主安全和智能高效的原则和理念。第三，通过三个示例介绍了量子计算对 6G 的影响，

8、这些示例分别利用量子计算来解决经典通信问题。4/28这三个示例包括：使用滤波变分量子算法(Filtering Variational Quantum Algorithm,FVQE)解决单小区大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)天线优化问题；使用基于相干伊辛模型(CoherentIsing machines,CIM)设计的量子算法解决MIMO波束选择(MIMO beam selection,MBS)问题；以及通过在终端侧应用量子支持向量机(Quantum Support Vector Machine,QSVM)算法获得的相位偏移校正模型来解

9、决毫米波信号相位校正问题，从而降低参考信号开销。第第4章章 未来展望未来展望2023年最后一个季度，我们见证了量子领域的一个行业里程碑，即突破了1,000个量子比特的壁垒，赋予量子计算机前所未有的计算能力。与此同时，来自学术界的专家们创造了迄今为止拥有最多逻辑量子比特（即48个逻辑量子比特）的量子计算机。逻辑量子比特相较于硬件量子比特，有望显著减少量子计算机遭受的大量纠错开销。因此，2024年可能会成为量子计算技术的重要一年，届时量子计算领域预计将从物理量子比特转向纠错逻辑量子比特；与此同时，抗量子密码学研究也将加速发展。5/282.量子通信与网络量子通信与网络2.1 关键技术关键技术2.1.

10、1 量子密钥分发量子密钥分发量子通信利用量子叠加态或纠缠态来实现密钥分发或信息传输，在理论上具有无条件安全性。量子密量子密钥分发钥分发(Quantum key distribution,QKD)是发展最成熟的量子通信技术，其基于量子力学基本原理，并结合“一次一密”的加密方式在通信用户之间传输密钥。2023 年，围绕QKD开展了各种理论和实验，在科研成果和经典量子共传输等方面的研究取得了进展，并且QKD系统的性能进一步提升。由清华大学联合团队通过将测量互补性与量子非局域性联系起来，给出了设备无关 QKD(Dcvice-independent,DI-QKD)协议的安全证明，为DI QKD 的实用化

11、提供了新的理论工具1。由澳大利亚国立大学牵头的联合团队提出了一种测量设备无关的QKD协议，该协议需要制备高维量子态并使用相干总光子数方法进行测量，仿真表明当编码在7维度状态时，它可以在比双场协议更短的距离内突破 PLOB 极限2。由中国电信科学技术研究院牵头的合作项目成功地在光传输网络内演示了高达1 Tbps的总传输数据容量，该实验采用少模光纤在 100.96 公里实现共纤传输，生成为2.7 kbps的安全密钥速率(security key rate,SKR)3。使用固态单光子发射器进行 QKD 实验因其性能的快速提高和与未来量子网络的兼容性而日益受到关注。由英国赫瑞-瓦特大学牵头的联合团队使

12、用 InGaAs 量子点作为单光子源进行了QKD实验，在100公里的距离和一分钟的采集时间内生成了13 kbps的有限密钥4。这些研究成果有助于探索QKD应用并实现大规模 QKD 网络。目前，基于 QKD 和其他技术方案的量子通信系统已经在国内外实现商用。然而，商用 QKD 系统仍面临着安全密钥速率、传输距离、设备体积和成本高等方面的挑战。制备测量方案是商用 QKD 的主要技术手段-，可以-分为两种类型：连续变量 QKD(continuous variable QKD,CV-QKD)和离散变量 QKD(discrete variable,DV-QKD)。CV-QKD 的优势在于可以在城域距离内

13、利用经典通信检测方案实现较高的 SKR。2023 年，山西大学1https:/doi.org/10.1103/PhysRevLett.131.1408012https:/doi.org/10.1038/s41534-023-00698-53https:/doi.org/10.1364/OL.5004064https:/doi.org/10.1038/s41467-023-39219-56/28采用离散调制 CV-QKD 技术在 80 公里范围内生成了 2.11 Mbps 的 SKR5。上海交通大学利用发射端光源集成系统在 50 公里距离上实现了 0.75 Mbps 的 SKR6。丹麦技术大学采

14、用接收端集成方案系统在 10公里距离上实现了 300 Mbps 的 SKR7。滑铁卢大学给出了离散调制 CV-QKD 的有限密钥长度安全性证明，并通过实验演示了 QKD 传输距离可以超过 72 公里，密钥长度为 10128。DV-QKD 实验系统也在不断发展，SKR 和传输距离均取得了一定的提升。2023 年，日内瓦应用物理小组利用多像素超导纳米探测器(Superconducting Nanowire Single Photon Detector,SNSPD)编码的时分制QKD 技术，实现了 10 公里距离上的 64 Mbps SKR9。中国科学技术大学的研究团队利用多像素 SNSPDs取得了

15、双方面的突破：使用基于诱骗态 BB84 QKD 协议10，在 10 公里光纤链路上实现了 115.8 Mbps 的SKR 的新纪录；采用 3 强度发送-不发送双场量子密钥分发协议(Sending-or-not-sending Twin-field quantumkey distribution,SNS-TF-QKD)，实现了在 1002 公里光纤通道上无中继的 QKD。这些研究表明，当前的技术可以满足高带宽通信的加密需求，并且在长距离通信方面也具有可行性。实现 QKD 产业化需要低成本、可批量生产且实用的 QKD 设备。从商业应用的角度来看，量子通信的核心器件，包括 QKD 编码器和解码器，正

16、朝着小型化和高性价比的方向发展。中国信息通信科技集团旗下国家信息光电子创新中心研制了硅基偏振态调制器和解调器。靠着这两个模块，在 150 公里的距离上实现了基于量子位的时钟同步和芯片级偏振补偿，达到了 866 bps 的 SKR11。瑞士日内瓦大学和意大利光子学和纳米技术研究所的研究人员演示了一种基于芯片的 QKD 系统，该系统使用支持高速调制的硅基发射器芯片和铝硼硅酸盐玻璃中的偏振无关低损耗接收器芯片，在 151 公里的距离上实现了1.3 kbps的传输12。2.1.2 量子随机数生成器量子随机数生成器量子随机数生成器量子随机数生成器(Quantum Random Number Genera

17、tor,QRNG)是一种利用量子力学原理生成真随机数的器件。与传统随机数生成器不同，QRNG 基于真空态噪声、激光自发辐射的量子相位噪声和光子数统计等量子光学原理生成真随机数。它是迄今为止唯一在理论上可证的真随机数生成器，利用量子力学5https:/doi.org/10.1364/OL.4920826https:/doi.org/10.1364/PRJ.4733287https:/arxiv.org/abs/2305.196428https:/doi.org/10.1103/PRXQuantum.4.0403069https:/doi.org/10.1038/s41566-023-01168-

18、210https:/doi.org/10.1038/s41566-023-01166-411https:/doi.org/10.1364/PRJ.48294212https:/doi.org/10.1364/PRJ.4814757/28的不确定性来保证生成高度不可预测且不相关的随机数。QRNG 具有重要的应用价值。在密码学中，真随机数对于密钥生成、加密算法和认证等至关重要。QRNG 可以提供更高的安全性防止密码破解。需要注意的是，QRNG 仅保证生成序列的真随机性，并不包含分发过程的安全性。QRNG 技术正处于开发和改进阶段。许多研究机构和公司致力于研发更高效、更稳定的 QRNG。2023年，

19、来自根特大学牵头联合团队的研究人员通过实验演示了一种超快的随机数生成速率，达到 100 Gbit/s，将基于真空涨落的 QRNG 速率提升了一个数量级，创下新纪录13。英国Quantum Dice公司发布了其最新一代 APEX QRNG，该款生成器具有高达 7.5 Gbps14的后处理随机数生成速率，同时可以集成到现有基础设施中，并具备高安全性特性。德国联邦教育和研究部资助基于芯片级量子随机数生成器项目15，旨在开发一款基于量子光子效应的高速随机数生成芯片，并满足 IT 产品安全共同准则。随着量子科技的进一步发展，QRNG 预计将被用于更广泛的应用领域，并为信息安全和科学研究领域作出重大贡献。

20、2.1.3 量子信息网络量子信息网络量子信息网络量子信息网络(Quantum Information Networks,QIN)是基于量子力学原理的通信网络系统。它利用量子纠缠、量子隐形传态、量子中继等关键技术，旨在实现量子长距离通信、量子计算和量子信息互联网络等功能。QIN 目前是量子信息领域的研究热点，代表着未来通信和计算的前沿发展方向。近年来，国内外都在积极推进量子信息网络的研发和应用，许多实验室和研究机构开展了大量的实验来验证 QIN 的可行性和稳定性。2023年，中国科学技术大学、北京大学的研究人员在“祖冲之”超导量子计算机平台上实现了51位量子比特纠缠，使用了高保真并行量子门，实现

21、了51位的一维簇态和30位的二维簇态，保真度分别为0.637 0.030和0.671 0.00616。北京大学等的联合团队构建了基于芯片的多维量子纠缠网络。该网络由1个中央芯片通过光纤连接3个端芯片构成，利用混合复用技术，在端芯片有效实现了纠缠恢复和全连接，该成果为建设大规模、实用化的纠缠网络奠定了基础17。美国国家标准与技术研究院(National Institute ofStandards and Technology,NIST)搭建了 NG-QNet测试平台，用于验证 QIN 基础组件的功能18。林肯实验室领导的研究团队建造了一个 50 公里的三节点量子网络实验平台(Boston-Are

22、a Quantum Network,13https:/doi.org/10.1103/PRXQuantum.4.01033014https:/www.quantum- QIN 的研发。例如，Qunnect 公司与纽约大学合作，成功测试了使用高纠缠量子光子构建的 16 公里长的 QIN 链路22。这些努力和合作有望推动 QIN 的发展和应用。2.2 量子密钥分发标准化活动量子密钥分发标准化活动近年来，主要的标准化组织积极开展了 QKD 相关标准的制定工作，包括中国通信标准化协会(ChinaCommunications Standardization Association,CCSA)、中国密码工

23、业标准化技术委员会(China CryptographyIndustry Standardization Technical Committee,CSTC)、全国信息安全标准化技术委员会(National InformationSecurity Standardization Technical Committee,TC260)等国内机构；国际上则有国际标准化组织(InternationalOrganization for Standardization,ISO)、国际电信联盟(International Telecommunication Union,ITU)和欧洲电信标准化协会(Europ

24、ean Telecommunications Standards Institute,ETSI)等组织参与。这些标准的制定涵盖了术语定义、应用场景和需求、网络架构、设备技术要求、QKD 安全性、测试评估方法等方面。2.2.1 中国标准化进展中国标准化进展中国通信标准化协会中国通信标准化协会(CCSA)CCSA 是中国信息通信领域从事通信标准体系研究的标准化组织。CCSA 成立了量子通信和信息技术领域第七专项工作组(7th Special Task Group,ST7)，包括两个子工作组：量子通信工作组(QuantumCommunication Working Group，WG1)和量子信息处理

25、工作组(Quantum Information Processing WorkingGroup，WG2)两个分工作组。ST7 在术语定义、应用场景和需求、网络架构、设备技术要求、QKD 安全性和测试评估方法等方面启动了 25 个标准研制项目。其中，国家标准 GB/T 42829-2023 量子安全通信应用基本要求于 2023 年 8 月 正式发布。另外还有 12 项通信行业标准也已正式发布实施：19https:/doi.org/10.48550/arXiv.2307.1569620https:/uwaterloo.ca/news/science/connecting-canada-and-eu

26、rope-through-quantum-satellite?utm_source=miragenews&utm_medium=miragenews&utm_campaign=news21https:/journals.aps.org/prapplied/abstract/10.1103/PhysRevApplied.20.02404822https:/www.nyu.edu/about/news-publications/news/2023/september/nyu-takes-quantum-step-in-establishing-cutting-edge-tech-hub-in-.h

27、tml9/28量子密钥分发与经典光通信共纤传输技术要求(YD/T 4632-2023)量子密钥分发(QKD)系统测试方法第 2 部分：基于高斯调制相干态协议的 QKD 系统(YD/T3835.2-2023)量子密钥分发(QKD)网络 AK 接口技术要求第 1 部分：应用程序接口(API)(YD/T 4410.1-2023)量子密钥分发(QKD)系统技术要求第 2 部分：基于高斯调制相干态协议的 QKD 系统(YD/T3834.2-2023)基于 IPSec 协议的量子安全通信应用设备技术规范(YD/T 4303-2023)量子密钥分发(QKD)网络管理技术规范-第 1 部分：NMS 系统功能(

28、YD/T 4302.1-2023)量子安全通信网络架构(YD/T 4301-2023)基于 BB84 协议的量子密钥分发(QKD)的关键组件与模块-第 2 部分：单光子探测器(YD/T3907.2-2022)基于 BB84 协议的量子密钥分发(QKD)的关键组件与模块-第 1 部分：激光源(YD/T3907.1-2022)基于 BB84 协议的量子密钥分发(QKD)的关键组件与模块-第 3 部分：量子随机数生成器(QRNG)(YD/T 3907.3-2021)量子密钥分发(QKD)系统测试方法-第 1 部分：诱骗态 BB84 协议 QKD 系统(YD/T3835.1-2021)量子密钥分发(Q

29、KD)系统技术要求-第 1 部分：(YD/T 3834.1-2021)诱骗态 BB84 协议 QKD 系统(YD/T 3835.1-2021)中国密码行业标准化技术委员会中国密码行业标准化技术委员会(CSTC)QKD 技术涉及密码的生成、管理和使用。CSTC 开展了 QKD 技术规范和评测体系等密码行业标准研究。目前，已经正式发布了以下两项量子相关的密码行业标准：诱骗态 BB84 量子密钥分发产品技术规范(GM/T 0108-2021)诱骗态 BB84 量子密钥分发产品测试规范(GM/T 0114-2021)全国信息安全标准化技术委员会全国信息安全标准化技术委员会(TC260)TC260 是中

30、国信息安全技术领域从事信息安全标准化工作的技术组织，负责组织和开展国家信息安全相关的标准化技术工作。TC260 承担 ISO/IEC JTC1/SC27 等信息安全相关国际标准化组织的相应业务工作。10/28由全国信息安全标准化技术委员会主导推动的量子安全通信领域的两项国际标准提案，ISO/IEC 23837-1量子密钥分发的安全要求、测试和评估方法第 1 部分：要求和 ISO/IEC 23837-2 量子密钥分发安全要求、测试和评估方法第 2 部分：测试和评估方法已经正式发布。2.2.2 国际性标准化进展国际性标准化进展国际标准化组织国际标准化组织(ISO)ISO 是目前世界上最大、最权威的

31、国际标准化机构，国际电工委员会(International ElectrotechnicalCommission,IEC)负责电气和电子工程领域的国际标准化工作。国际标准化组织/国际电工委员会第一联合技术委员会(First Joint Technical Committee of the International Organization for Standardization/InternationalElectrotechnical Commission,ISO/IEC JTC1)是信息技术领域的国际标准化委员会，负责信息技术的国际标准化工作。其中，ISO/IEC JTC1 下设的信息技

32、术安全技术分委会信息安全、网络安全和隐私保护分委会(Information Security,Network Security and Privacy Protection Subcommittee,ISO/IEC JTC1 SC27)负责信息技术安全的一般方法和技术的标准化，包括确定信息技术安全业务的一般要求，开发安全技术和机制，提出安全指南，以及为管理准备支持性文件和标准。SC27 在 2023 年正式发布了由中国主导的两个量子密钥分发相关技术标准：ISO/IEC 23837-2:2023 信息安全-量子密钥分发的安全要求、测试和评估方法-第 2 部分：评估和测试方法ISO/IEC 238

33、37-1:2023 信息安全-量子密钥分发的安全要求、测试和评估方法-第 1 部分：要求:国际电信联盟国际电信联盟(ITU)ITU 是负责信息和通信技术事务的联合国机构，负责制定全球电信标准。ITU 下属的电信标准化部门密切关注量子信息技术的发展及其未来对信息通信网络和产业的影响。ITU-T 量子通信相关标准化工作目前处于世界领先地位。ITU-T 的量子通信相关技术标准包括 Q 系列-交换和信令及其相关的测量和测试，X 系列-数据网、开放系统通信和安全，以及 Y 系列-全球信息基础设施、互联网协议方面、下一代网络、物联网和智慧城市。Q 系列标准中与量子通信相关的部分是 Q.4160-Q.417

34、9：量子密钥分发网络的协议和信令。目前已经正式发布的标准包括：11/28ITU-T Q.4160(12/2023)：量子密钥分发网络-协议框架ITU-T Q.4161(12/2023)：量子密钥分发网络的 Ak 接口协议ITU-T Q.4162(12/2023)：量子密钥分发网络的 Kq-1 接口协议ITU-T Q.4163(12/2023)：量子密钥分发网络的 Kx 接口协议ITU-T Q.4164(12/2023)：量子密钥分发网络的 Ck 接口协议X 系列标准中与量子通信相关的部分是 X.1700-X.1729：量子通信。目前已经正式发布的标准包括：X.1702:量子噪声随机数生成器架构

35、X.1710:量子密钥分发网络的安全框架X.1712:量子密钥分发网络的安全要求和措施-密钥管理X.1714:量子密钥分发网络的密钥组合和保密密钥提供X.1715:集成量子密钥分发网络和安全存储网络的安全要求和措施Y 系列标准中与量子通信相关的部分是 Y.3800-Y.3999：量子密钥分发网络。目前已经正式发布的标准包括：Y.3800:支持量子密钥分发的网络概述Y.3801:量子密钥分发网络的功能要求Y.3802:量子密钥分发网络-功能架构Y.3803:量子密钥分发网络-密钥管理Y.3804:量子密钥分发网络-控制和管理Y.3805:量子密钥分发网络-软件定义网络控制Y.3806:量子密钥分

36、发网络-服务质量保证要求Y.3807:量子密钥分发网络-服务质量参数Y.3808:量子密钥分发网络和安全存储网络集成框架Y.3809:量子密钥分发网络部署的基于角色的模型Y.3810:量子密钥分发网络互联-框架Y.3811:量子密钥分发网络-服务质量保证的功能架构Y.3812:量子密钥分发网络-基于机器学习的服务质量保证要求Y.3813:量子密钥分发网络互联-功能要求Y.3814:量子密钥分发网络-机器学习启用的功能要求和架构Y.3815:量子密钥分发网络-韧性概述12/28Y.3816:量子密钥分发网络-基于机器学习的服务质量保证功能架构增强Y.3817:量子密钥分发网络互联-服务质量保证要

37、求Y.3818:量子密钥分发网络互联-架构Y.3819:量子密钥分发网络-自治管理和控制启用的要求和架构模型欧洲电信标准协会欧洲电信标准协会(ETSI)ETSI 是欧洲的一个独立的非盈利性区域信息通信技术标准化组织。ETSI 在 2008 年就成立了ISG-QKD 标准组，专门探索 QKD 的标准化。ETSI 发布了 12 份技术规范，涵盖术语定义、防护配置文件、系统组件、应用接口、安全证书、部署参数等方面。其中，应用接口、组件和内部接口以及控制接口均已发布了第二版：ETSI GS QKD 016 V1.1.1(2023-04)：量子密钥分发(QKD)：共同准则保护配置文件-成对制备测量式量子

38、密钥分发模块ETSI GS QKD 018 V1.1.1(2022-04)：量子密钥分发(QKD)：软件定义网络的编排接口ETSI GS QKD 015 V2.1.1(2022-04)：量子密钥分发(QKD)：软件定义网络的控制接口ETSI GS QKD 004 V2.1.1(2020-08)：量子密钥分发(QKD)：应用接口ETSI GS QKD 014 V1.1.1(2019-02)：量子密钥分发(QKD)：基于 REST 的密钥传递 API 的协议和数据格式ETSI GS QKD 012 V1.1.1(2019-02)：量子密钥分发(QKD)：用于 QKD 部署的设备和通信通道参数ETS

39、I GR QKD 007 V1.1.1(2018-12)：量子密钥分发(QKD)：词汇表ETSI GR QKD 003 V2.1.1(2018-03)：量子密钥分发(QKD)：组件和内部接口ETSI GS QKD 011 V1.1.1(2016-05)：量子密钥分发(QKD)：组件表征-用于 QKD 系统的光学组件表征ETSI GS QKD 008 V1.1.1(2010-12)：量子密钥分发(QKD)：QKD 模块安全规范ETSI GS QKD 005 V1.1.1(2010-12)：量子密钥分发(QKD)：安全证明ETSI GS QKD 002 V1.1.1(2010-06)：量子密钥分发

40、(QKD)：使用案例13/282.3 对对 6G 的影响的影响2.3.1 车联网中的量子加密车联网中的量子加密中国联通构建了量子密钥云平台，从 QKD 或 QRNG 获取量子密钥，安全存储和管理密钥。通过安全机制，可以将量子密钥分发到用户安全终端，提供高级别的安全保护。利用该量子密钥云平台，我们已经开展了一些量子加密演示，例如量子加密通话、量子公网集群对讲、量子视频会议和量子无人机巡逻。最近，我们展示了车联网场景中的量子加密。在此场景下，指挥调度信号需要高级别的安全性，以确保自动驾驶或远程驾驶下车辆的安全。我们将量子密钥云平台部署在车联网中，并通过专有网络连接到智能交通服务云平台、自动泊车系统

41、和远程驾驶舱。车辆和路侧单元(road side unit,RSU)可以通过承载网络连接。我们可以在平台和系统中集成量子软件开发工具包(SDK)，或者在终端侧部署量子密钥盒，可以从量子密钥云平台获取量子密钥，并对指挥调度信号进行量子加密。量子 SDK 也可集成到车辆的无线通信模块中，为车辆提供网络接入。安全终端和平台使用预加载的量子密钥进行身份认证和初始加密。车联网对网络传输延迟非常敏感，因为车辆行驶速度很快。因此，我们测试了加密/解密导致的额外延迟，并证明对原始服务没有太大影响。图 1 车联网场景中的量子加密14/282.3.2 量子加密与承载网设备集成量子加密与承载网设备集成通常，QKD

42、网络需要建立额外的光纤，这在承载网络中部署也非常昂贵。我们希望将 QKD 融合到经典通信网络中，这样可以节省光纤资源并利用现有的电信基础设施。G.698.4 系统是一种多通道双向密集波分复用(Dense Wavelength Division Multiplexing,DWDM)系统，可用于前传网络、城域承载网。该系统利用低成本的 C 波段可调谐激光器，并采用双向的 OD/OM/OADM 技术。对于城域或接入应用，其最大覆盖距离约为 20 公里，并且不使用光放大器。G.698.4 系统不包含光放大器，这在 QKD 系统中是不允许的。此外，CV-QKD 是一种新型技术，对经典通信引起的噪声具有更

43、强的鲁棒性，并且比 DV-QKD 便宜得多。因此，将 CV-QKD 与 G.698.4 设备集成非常方便。如图2所示，我们将 CV-QKD 与 G.698.4 设备集成。该设备包括 QKD 模块、光通信模块、WDM 模块、加密模块和控制模块。CV-QKD 的量子信号使用 WDM 模块与 G.698.4 系统的波长复用，并通过相同的光纤传输。经过共传输后，量子信号在接收端由 WDM 模块分离。QKD 模块产生的量子密钥被发送到加密模块，可以将明文数据转换为密文。我们还将QKD控制功能集成到G.698.4中，以实现加密参数设置，例如加密方法、量子密钥有效期。图 2 CV-QKD 与 G.698.4

44、 设备的集成2.3.3 量子通信安全量子通信安全量子通信是一种利用量子力学原理进行信息传输的新型通信方式，它利用量子态的特殊性质，例如量子叠加态和量子纠缠，实现信息的安全传输。量子密码技术是量子通信安全的核心技术，是量子通信技术的基础。量子密码技术是指利用量子态作为信息加密和解密的核心技术，其中 QKD 结合了量子力学和量子密码学的原理。量子密码技术通过利用量子态生成和分发加密密钥来确保密钥的安全性。15/28量子密码技术主要通过量子密钥实现机密传输，数据机密性通过相应的单光子量子交换来实现。在量子密钥层，量子密钥将为每个用户提供相应的量子密钥通信服务。在实际传输过程中，单光子的量子形式难以被

45、观察和复制，并且在传输过程中使用“一次一密”的方法。因此，只有双方同时使用各自的密钥才能实现数据信息的解密，从而可以提高传输过程中的数据信息机密性，并确保数据信息不会被窃取和篡改。通过在 6G 网络中部署量子密码技术，实现通信系统的整体安全管理。量子密码技术将量子密钥作为主要保密手段，为 6G 通信中具有相应权限的用户分发量子密钥，在数据存储和传输过程中进行非顺序替换和形态变化，实现 6G 通信的端到端安全保障。16/283.量子计算量子计算3.1 通信计算场景及关键问题通信计算场景及关键问题通信的本质是一系列数学计算。从计算的角度来看，通信网络可以简单地分为物理层、网络层和应用层，如图 3

46、所示。其中，物理层物理层主要负责通信信号处理，网络层网络层负责拓扑、接入、路由、资源管理，应用应用层层则主要负责服务优化和流量管理。为了提高处理性能，机器学习机器学习(machine learning,ML)被引入到每一层，并成为通信领域一种特殊的重要计算场景。此外，每一层的安全性安全性一直是默认的计算场景。图 3 计算视角的分层通信网络3.1.1 信号处理信号处理通信信号处理是通信的基础计算。以无线信号处理为例，信号处理涉及发射端和接收端双方的信号变换、滤波、编码、解码、调制、解调、传输、检测、估计和干扰协调等操作。对于大规模 MIMO 系统、大带宽正交频分复用(Orthogonal Fre

47、quency Division Multiplexing,OFDM)系统和大规模终端接入系统，信道估计、预编码、信号检测以及信道编码和解码等信号处理的计算复杂度会显著增加。大规模 MIMO 信号处理。大规模 MIMO 信号处理存在于大规模天线阵列系统、分布式天线系统和蜂窝无蜂窝系统中，涉及信道估计、预编码、信号检测等处理过程，包括矩阵乘法、求逆、张量积、共轭转置、分解等高维矩阵运算。这些基本操作需要大量的计算资源，对系统设计提出了重大挑战。目前，为了解决这个计算问题，通常采用压缩感知或关键参数估计等方法，利用高维信号的稀疏特性，以较小的计算代价实现有效的信号处理。大规模终端接入信号处理：无线通

48、信系统连接的终端（用户）数量日益增加。在多个终端共享接入资源的情况下，随着终端数量的增加，无线接入信号的维度也会增加，给信道估计、多用户信号检测和干扰17/28协调带来困难。高频率和大带宽信号处理：毫米波、太赫兹和可见光频段可以提供更大的带宽，但宽带无线信号带来更大的矩阵运算和信道编码解码，尤其是长码的复杂性。另一方面，高频宽带无线系统也将用于目标测距、测速、测角等定位场景，需要进行雷达信号计算。3.1.2 网络优化网络优化网络优化的总体目标是通过网络拓扑、功能、服务、参数和资源等方面的优化方法来提高客户满意度。网络拓扑优化是指在满足整体流量传输和灾难恢复备份需求的前提下，尽量降低整体网络建设

49、成本。网络拓扑优化贯穿于网络规划、网络建设和网络运维的每一个环节。与此相关的是路由优化。网络覆盖优化是指通过网络参数配置最大化网络覆盖范围，主要包括盲区、弱区、重叠区和导频干扰区优化。对于大规模天线系统，需要优化的信号波束和数据波束参数较多，优化空间大，问题复杂。网络容量优化是指合理分配用户流量到网络资源中，以最大化系统容量。无线网络容量优化主要包括单站多用户接入控制、多用户调度和负载均衡。网络节能优化是指在满足既定服务需求的情况下，以最低的能源消耗成本为目标，重点优化最小速率约束下的功率控制、基站/载波切换和计算任务卸载/迁移。3.1.3 业务处理业务处理业务处理主要指网络中的源信号处理和业

50、务优化。大规模多模态业务的发展对计算能力提出了更高的要求。源信号处理是指对图像、视频、语音、文本等源内容进行采样、量化、表示、编码、压缩、传输和重构等一系列计算过程。随着元宇宙业务的逐步兴起，对 3D 视频的预制作或实时渲染需要更高的计算能力。近年来，基于自然语言处理、计算机视觉、语音识别等 AI 服务，特别是基于大型模型的业务，更是爆炸式地增加了计算能力需求。同时，语义通信技术取代符号表示，采用语义表示，提供了一种新的源编码传输方式，也为源信号处理带来了新的计算场景。业务优化是指通过调整网络和服务设备、功能、参数等，使网络状态与服务状态相匹配，保证端到端18/28的业务质量。业务优化的重点包

51、括流量预测、流量优化、用户行为预测、内容分发、缓存优化、业务迁移和业务参数优化等。3.1.4 网络智能化网络智能化机器学习将应用场景中的原始问题计算转化为机器学习中的计算，为信号处理、网络优化和业务优化提供了新的算法范式。智能信号处理：AI 技术在信号处理方面的应用已经在通信领域得到了广泛的开展。其中，监督学习具备回归和分类能力，用于信道参数检测和估计、调制模式检测和分类、频谱感知和检测。可以对信号进行聚类和降维的非监督学习，可用于降低高维通信信号的维数；强化学习擅长决策和预测，可用于频谱感知与共享；深度学习可以对通信信号进行分类、估计、消除干扰，以及完成信道估计、信号检测、波束管理等诸多信号

52、处理相关任务。这些 AI 方法在大数据分析、高效参数估计、交互式决策等方面有独特的优势，但是存在模型训练复杂度高、参数估计量大等问题，对通信系统的计算能力提出了很高的要求。智能网络优化：将优化问题转化为基于机器学习模型和算法的模型训练和推理计算。网络和 AI 也可以在架构层面实现深度融合。智能业务处理：几乎所有业务优化问题都可以通过引入机器学习来解决和提升，例如流量检测、分类和预测，内容分发和缓存优化，用户行为特征分析，业务参数优化等等。3.2 量子混合异构计算量子混合异构计算计算能力是 AI 行业发展的关键因素之一。训练大规模深度学习模型需要巨大的计算成本，许多企业和研究机构难以持续获得此类

53、资源进行开发。另一方面，量子计算有可能从理论、范式、硬件、算法和应用等多个维度增强AI的计算能力。这种增强显著提高了训练效率，同时降低了计算成本。此外，在特定或计算难解的问题领域，如组合优化、仿真和机器学习，量子计算自然具有优势，能够有效利用和扩展超越经典计算集群的计算资源。因此，针对来自各种应用驱动型企业和研究机构对计算资源的广泛需求，一种“经典+量子”混合计算平台将提供技术先进且经济实惠的计算服务。“经典+量子”混合计算平台在硬件层面由两部分组成：量子计算和经典计算。在软件方面，它既涵盖量子软件平台，也涵盖经典计算软件平台。解决方案的整体架构应遵循模块化、标准化、广泛兼容、自主安全和智能高

54、效的原则和概念。有效设19/28计和配置系统的硬件结构，确保其与软件的需求和特性相匹配，最大限度地发挥硬件能力，提高计算效率，满足未来发展和系统升级的需求。核心系统架构包括核心系统的硬件基础设施和软件基础设施。首先，核心硬件基础设施的主芯片和加速器芯片可以采用商用芯片和国产芯片结合的方式，以保证在复杂多变的国际环境中芯片供应链和应用生态的安全性。主芯片采用兼容 x86 的架构（包括国产的海光x86 处理器），加速器芯片则采用兼容主流 GPU 生态的架构。这种方式平衡了国际认可的硬件和国产可控的核心硬件，具有良好的生态兼容性。它可以广泛兼容大量成熟的应用软件和 AI 框架，便于集成各种计算资源，

55、满足 AI 训练、推理、数值模拟、大数据处理、量子计算等多种计算模式的需求。这种跨越众多应用场景的无缝兼容性降低了应用程序的开发成本。此外，硬件基础设施层采用多种计算设备，能够根据不同应用的差异化计算特性提供计算资源，从而实现灵活的资源分配。其次，核心系统的软件基础设施层需要集成 AI、高性能计算和大数据等多种计算框架。通过计算服务中间件的管理，实现工作空间管理、资源管理、资源调度、应用中心、计费管理、权限管理和用户管理等功能。在计算方面，AI 计算平台需要支持训练和推理两种不同的应用场景。它应该支持数据集管理、超参数调整、模型管理、模型开发、容器服务、镜像仓库、任务测量和应用部署等各种管理功

56、能。它应该支持主流的 AI 计算框架，例如TensorFlow、PyTorch、PaddlePaddle，以及 AI 算法开发平台。对于超级计算，它需要丰富的基础软件环境，包括编译器、数学库、自动配置工具和软件调优工具。云服务需要支持弹性扩展等功能。在量子计算领域，需要利用下一代量子模拟技术，在传统计算硬件上提供高效可靠的量子计算模拟服务，从而提高计算效率。统一的技术架构有利于支持各种应用场景，促进上层应用创新，培育繁荣的应用生态，吸引相关企业和人才。“经典+量子”混合计算平台凭借其强大的计算基础，提供针对不同领域的计算支持服务，促进科研创新和产品落地。计算服务中间件提供软硬件一体化的解决方案

57、，硬件层面拥有AI处理芯片，平台内置了各种 AI框架和工具包。该设置使户能够方便地完成算法移植、适配、开发和测试。适配后的应用程序可以通过应用管理平台通过容器镜像进行打包和部署，减少对部署环境的依赖。此外，它还可以根据应用程序的计算需求分配和调度底层的计算资源。并且，它提供完整的应用程序生命周期管理功能，包括创建、升级、暂停和终止，确保应用程序高效稳定运行。3.3 对对 6G 的影响的影响量子计算的关键影响在于三个方面：网络、机器学习和安全，如图 4 所示。量子优化、量子搜索、量20/28子信号处理和量子机器学习可以提升网络能力和服务质量。研究重点应放在设计用于网络优化和网络智能的量子计算算法

58、。图 4 量子计算对通信的影响3.3.1 单小区大规模单小区大规模 MIMO 天线优化天线优化需求分析需求分析以静态小区优化为例，该问题的优化目标是最大化单小区覆盖率，优化变量包括水平方位角、仰角（或倾角）、水平波束宽度和垂直波束宽度。假设基站位于(0,0)，采用单小区模型。小区用户分布在一个以基站为中心的扇形范围内，半径为 300米，扇形角为 120。小区内随机均匀分布有一些采样点。覆盖率是指 RSRP 大于阈值的门限值的采样点（即用户）数量与小区内所有采样点数量的比值。如果 RSRP 大于阈值，则认为该采样点可以被天线波束有效覆盖。21/28图 5 单小区大规模 MIMO 天线优化变量取值

59、范围如下：-水平波束宽度：15,25,45,65,90,105,110-垂直波束宽度：6,12,25-水平方位角-30:1:30-仰角：-15:1:15该问题属于 NP 困难的组合优化问题，可以通过量子算法进行求解。方案设计方案设计上述问题可使用滤波变分量子算法(Filtering Variational Quantum Algorithm,FVQE)进行求解。通过引入滤波算子，量子态演化为：F f H,|其中，f(H,)是单调递减函数，实现了基态的概率放大。利用参数（例如硬件高效模拟）的变分算法，借助参数平移规则逼近滤波算子。如果将大规模 MIMO 天线的权重优化问题重新建模为哈密顿量基态问

60、题，则可以使用该算法进行求解。由于该算法采用硬件高效模拟，因此无需过多考虑线路优化和线路映射问题。原始量子芯片悟空支持的基本量子门为 CZ,R，其中 是 XY 平面上的旋转轴与 X 正方向之间的夹角。通过 PyQPanda 内置的编译算法，任何 SU(2)门都可以转换为具有任意旋转轴的两个门以及一个 Vrital Z 门。有关 FVQA 的22/28更多细节请参见参考文献23。性能仿真验证与分析性能仿真验证与分析仿真结果表明，该算法可以优化覆盖率，效果与量子粒子群优化等经典优化算法相当。该算法的测试平台为原始的悟空 72 比特量子计算机。为了确保可靠的性能，选择芯片中链式耦合的 6 个量子比特

61、进行测试。该算法获得最佳解的概率达到 70.34%，实现了预设的覆盖率最大化目标。3.3.2 多小区大规模多小区大规模 MIMO 波束选择波束选择需求分析需求分析大规模 MIMO 技术利用大量天线和波束成形技术，可以同时提供多个数据流，从而实现更高的吞吐量和更好的信号质量。这有望改善蜂窝网络的覆盖范围和容量。然而，由于用户的高移动性和小区间干扰，传统的相对静态波束成形设置已无法满足网络覆盖的动态需求。MIMO 波束选择(MIMO Beam Selection,MBS)问题日益突出。MBS 指在给定约束条件下选择一组波束以最大化网络性能，例如改善信号质量和系统吞吐量。具体来说，在 MBS 问题中

62、，目标覆盖区域通常被划分为网格，每个波束在对应网格上都具有参考信号接收功率(Reference Signal Receiving Power,RSRP)值。网格的 RSRP 定义为该网格上接收到的最大 RSRP 值。MBS 问题就是要为每个小区找到一组波束，使每个网格的 RSRP 值最大化。MBS 问题是一个 NP 困难的组合优化问题，尤其是在具有大量小区和天线的 5G 系统中。例如，当多个小区拥有数百个波束时，从数十亿种波束组合中找到最优解非常困难。对于组合优化问题，经典算法包括贪婪算法、分支定界算法和模拟退火算法。贪婪算法简单高效，但可能陷入局部最优。分支定界算法可以保证全局最优，但计算成

63、本可能很高。模拟退火是一种元启发式优化算法，通过逐渐降低温度来促进优化向全局最优收敛，但并不能保证这一点。相干伊辛模型(Coherent IsingMachines,CIM)已被应用于多种场景，包括压缩感知和作业调度问题。研究小组将基于 CIM 设计量子算法来解决 MBS 问题。问题与解决方案问题与解决方案在 MBS 问题中，目标覆盖区域被划分为网格，如图 6 所示，每个网格由多个小型基站覆盖。每个小23Amaro,David et al.“Filtering variational quantum algorithms for combinatorial optimization.”Quan

64、tum Science&Technology(2022)7 015021.23/28区都有一组 MIMO 波束，MBS 问题就是要从每个小区中选择一定数量的波束，以使满足特定约束条件的网格数量最大化。如果网格中的最大 RSRP 值超过给定阈值，并且网格中最大 RSRP 值与次大 RSRP 值之间的差值超过给定值。则小区到网格的 RSRP 由所有波束中的最大 RSRP 决定。设置最大信号强度与次大信号强度之间差值阈值的原因在于，在 MIMO 系统中，波束之间存在互干扰。如果多个波束的信号强度相似，则会造成信号干扰，降低接收机的性能。图 6 MBS 的问题该问题可以转换为二元二次无约束优化(Qua

65、dratic Unconstrained Binary Optimization,QUBO)形式，具体细节请参见参考文献24。基于 QUBO 模型导出伊辛矩阵，将伊辛矩阵输入到 CIM 中，然后运行 CIM 来解决优化问题。CIM 仿真验证与分析仿真验证与分析CIM 仿真的目的是评估使用 CIM 作为 MBS 问题的解决方案是否可行，即解决方案的质量和问题规模是否适合 CIM。如图 7 所示，CIM 的工作方式不同于依赖半导体集成芯片的传统计算机。相反，它使用光纤中的激光脉冲作为基本计算单元，称为量子比特。早期研究集中于注入式同步激光伊辛机的想法。由于耦合激光器数量与量子比特的平方成正比增加，

66、因此提出了一种基于简并光参量振荡器(Degenerate Optical ParametricOscillator,DOPO)的改进方案，该方案利用非线性光学晶体。已经开发了两种基于 DOPO 的方法，分别是24Huang,Yuhong et al.“Quantum Computing for MIMO Beam Selection Problem:Model and Optical ExperimentalSolution.”GLOBECOM 2023-2023 IEEE Global Communications Conference(2023):5463-5468.24/28光延迟线 C

67、IM 和测量反馈 CIM。第一种方案的负载和精确控制要求不可接受。研究小组采用由北京玻色量子科技有限公司提供的第二种方法进行 CIM 仿真。图 7 CIM 原理图表 1 全面比较了 CIM 物理机、模拟退火(Simulated Annealing,SA)和 Tabu 搜索算法的性能。在所有情况下，CIM 物理机始终都能为算法实现找到目标函数的最优值。此外，CIM 物理机发现的解决方案的哈密顿量非常接近最优解的哈密顿量，这证实了该方法在简化模型和寻找接近最低能量值的解决方案方面的有效性。表 1 CIM 物理机、模拟退火和 Tabu 搜索性能比较3.3.3 毫米波信号相位校正毫米波信号相位校正需求

68、分析需求分析5G 毫米波频段的无线传输对相移更加敏感。此时，需要跟踪参考信号(Tracking Reference Signal,TRS)来跟踪数据信号的相位旋转并进行修正和补偿。这种方法可以实现更精确的性能补偿，但它需要连续发送参考信号进行测量，这需要大量的信令开销。随着机器学习的不断发展，AI 可以用于解决信号校正问题，例如支持向量机。然而，当样本量较大时，支持向量机需要大量的存储空间和计算时间。量子支持向量机(Quantum Support Vector Machine,QSVM)25/28算法是一种基于量子计算的机器学习算法，具有与经典算法相同的的功能，更低的计算复杂度和更快的计算速度

69、。该算法需要相应的性能报告和参数信令通知。基站根据终端的计算能力下发相位偏移校正模型，无需持续发送 TRS。终端可以根据模型直接校正信号相位偏移，从而减少对 TRS 的依赖并降低信令开销。方法描述方法描述方法描述如下：步骤 1：UE 接收 BS 发送的控制信令/配置规则，以确定 UE 使用的频率偏移校正方法。UE 根据指令确定使用的校正方法并进行相位校正。校正方法包括：使用参考信号校正、使用接收机算法校正、以及以上两种算法的联合校正。通过配置校正方法，网络可以考虑业务需求和终端能力，选择最合适的校正方法，在考虑接收端复杂性的同时考虑信令成本和延迟，选择最合适的校正方法。步骤 2：UE将终端能力

70、信息上报给BS。网络根据首次能力信息配置校正方法；首次能力信息是指 UE 支持的频率偏移校正方案，还可以包括以下几种终端能力信息：1）终端校正算法所需的处理时间；2）终端处理问题的规模（以量子比特衡量）；3）退相干时间；4）量子门保真度。校正方法根据控制信令确定，用于直接通知 UE。根据配置规则，可以通过 UE 接收网络侧配置的首次信息和校正方法之间的对应关系来确定校正方法，然后根据首次信息和对应关系确定校正方法。首次信息可以是 MCS 索引或处理延迟要求。步骤 3：网络侧完成训练模型，并根据首次能力信息通过 RRC 信令向 UE 下发合适的算法模型。具体方法为：网络侧存在一个训练数据集。训练

71、集数据包括特征向量和标签。例如，特征向量表示调制信号通过信道后的信号强度和相位，标签表示调制信号所属的类别。可以通过接收 M 个已知上行信号（例如已知上行信号）作为训练集数据。基于训练集数据构建 M 个线性方程组，实现 SVM 分类器，然后利用 HHL 算法求解方程组，训练 SVM 分类器，得到训练模型；使用不同样本大小训练多个模型，并根据 UE 能力信息向终端侧下发合适的训练模型；将接收到的信号输入训练好的分类器模型，对信号进行分类并进行偏移校正，输出其校正后的信号，完成信号校正。步骤 4：接收算法中的重复测量次数会影响相位校正的精度，需要根据指示信息确定。接收端可以根26/28据首次指示信

72、息确认重复测量次数。首次指示信息可以直接指示重复测量次数的信令，也可以与其他信令系统联合配置，例如 MCS。（RRC 需要为联合配置下发新的 MCS 指标表）27/284.未来展望未来展望2023 年最后一个季度，量子领域见证了划时代的里程碑突破了 1000 个量子比特的阈值，赋予量子计算机空前强大的计算能力。2023 年 11 月，量子初创公司 Atom Computing25宣布其新一代量子计算平台成功创建了 1,225 个原子阵列。2023 年 12 月，IBM 宣布研制出基于名为 Condor 的芯片的量子系统，这是迄今为止发布的最大的基于transmon的量子处理器，拥有 1,121

73、 个可运行的量子比特26。此外，由哈佛大学、QuEra Computing 公司、马里兰大学和麻省理工学院的专家组成的联合研究团队创造了迄今为止拥有最多逻辑量子比特的量子计算机27，实现 48 个逻辑量子比特。基于逻辑量子比特而非硬件量子比特的方法有望减少量子计算机遭受的大量纠错问题。其中，逻辑量子比特是通过量子纠缠连接的一组量子比特。逻辑量子比特计算机不依赖冗余的信息副本作为纠错协议，而是利用纠缠的内置冗余。研究小组在自然杂志上发表的论文中表明，他们的量子计算机在执行计算任务时，比其他基于物理量子比特的大型机器产生的错误更少。上述突破性的成就标志着迈向容错量子计算机的重要一步，这种计算机能够解决大规模问题。预计这将对医学、材料科学、制药、能源等领域产生突破性影响，引领这些领域进入目前计算机技术无法企及的阶段。与此同时，量子计算的颠覆性潜力也提出了数据安全方面的关键问题，并威胁到现有的加密标准，从而加快了抗量子密码学研究的日程。从 2024 年开始，量子计算领域预计将从物理量子比特转向纠错逻辑量子比特，抗量子密码学研究也将加速，这将是量子计算技术发展的重要一年。25https:/atom-