崔春风：6G与量子计算融合探讨

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 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 2 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 3 立足ITU-R能力指标体系，面向标准化开启技术创新赛道 技术创新面临“三重挑战” 1 需要原创技术突破 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 2 需要融合技术创新 AI与通信的融合 感知与通信的融合 3 需要网络拓展创新 覆盖可持续性互操作定位等 4 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 量子 计算 新业务及场景 网络整体性要求 4大挑战 超能交通 通感互联 全息交互 元宇宙 智能交互 精准医疗 智慧工业 不是单点技术的指标 而是网络系统的指标 核心网 无线网终端 •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 大规模业务处 理 SCUSCU SCUSCU 大规 •网络拓扑优化 •路由优化 •无线资源参数优化： •算力资源优化 模网 络优算 化力 •大模型训练 •分布式AI 机器学习 瓶颈 •信号检测 •信道估计 •预编码 •信道编解码 大规 模信 号处 5 理 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 6 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干涉：多粒子相长相消 1 01 01 01 … … 经典比特 量子态制备 量子态调控 经典比特 量子态测量 （经典信息编码成叠加态） （叠加态同步演化，并行计算的根源）（叠加态坍缩成经典态，读取计算结果） 7 量子计算发展现状（1/2） 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） 应用 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 化学模拟、药品研 发、蛋白质折叠 物流/客运 客运/货运优化 软HiQ 件 TensorCircuit 开源量子模拟软件框架 Qpanda 华翊量子云 量羲全平台量子软硬一体 isQ 编程软件 平AzureQuantum 台全栈开放云量子计算生态 量子云平台+开源量子开发框架 AmazonBracket 五岳量子云平台 Qiskit (中国区通道已关闭) 酷原量子云 浙大太元一号 SQBM+ 量子技术路线 拓扑（2） 超导(22+)光量子(9+)离子阱(11+)量子点(8+)中性原子(7+)金刚石色心(4) 氦中电子(1)8 量子计算发展现状（2/2） 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。 主要量子算法 Deutsch-Jozsa算法 量子相位估计算法 Hamiltonian模拟 量子退火算法 量子神经网络(QNN) 量子近似优化算法 -量子并行计算理论基石 -量子算法核心子算法 -量子退火机 -1995年初始模型 -求解组合优化问题 -突破 1985 1992 1994 1995 1996 1998 2009 2011 -VQE变体 20132014 Deutsch算法 Shor算法 Grover算法 HarrowHassidimLloyd(HHL)算法 变分量子特征求解器(VQE) -首个量子算法 -大数质因数分解（求阶） -量子傅里叶变换 -平方级加速 -量子振幅放大 -求解线性方程 -量子机器学习 -混合经典计算与量子计算 -适用于NISQ … 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 1K-1MQ 1121Q 433Q 127Q 65Q 72Q 1000Q 10000Q 10万Q 100万Q 72Q 144Q 1024Q 37Q 200Q 主要企业量子路线图 5760Q15路连接 改进相干性实现连接性 22AQ 25AQ 29AQ 64AQ 256AQ 384AQ 1024AQ 7000+Q AQ=log2(量子体积) 25Q 500Q 100Q 10万Q 9 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，Shor算法带来的安全风险必须关注 量子算法 纯量子算法 量子-经典混合算法 伪量子算法 Shor HHL Grover 基算量 本法子 算游算算法类走法法 量量量 子子子 模退绝 拟火热 量滤波变量子子 优分量子近似 化算法优化 变分量变分子本征量子求解器ML 量子衍生ML 量子衍生优化 量量量量量子子子子子傅相幅幅奇里位值值异叶估放估值变计大计估换计 量量量 子子子 梯梯牛 度度顿 估下法 计降 量量量 子子子 内强神 点化经 法学网 习络 量量量 子子子 降分聚 维类类 算算算 法法法 量量量量子子子子蚁粒进遗群子化传算群算算法算法法 法 10 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 通过相位旋转门生成和变异更丰富的种群 ③量子衍生优化算法 ②量子绝热/退火算法 ①量子近似优化算法 量子近似优化、量子绝热/退火、量子搜索/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。 ④量子搜索算法 ⑤量子游走算法 ⑥HHL算法 通过相位旋转最大化搜索目标量子态概率 利用路径之间干涉更快遍历到问题解空间 通过量子态相干调控与逆量子FT求解方程 ⑦滤波变分量子算法 ⑧量子回归算法 ⑨量子神经网络 通过滤波变分放大目标解在解空间的概率 利用HHL算法对矩阵计算进行指数级加速 通过量子叠加构造神经元， 寻求量子优势11 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 12 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。 AI 量子机器学习 •大数据分析 •模型训练 •量子图像处理 量子计算 量子优化 网络优化 信号处理 网络 垂直应用 •金融 物理系统研究 量子信号处理 算力网络（量子云平台） •化学 •医药 •物流 •交通 •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... •量子线路 安全抗量子密码 •制造 •… 13 乘子 回溯 动态规划 分支定界法 元启发算法 内点法 梯度类算法 贪婪算法 (拟)牛顿法 蒙特卡洛法 松弛法 解决方案 对偶 穷举 Lanczos算法、Krylov子空间、QR分解、截断牛 顿法、RSA、ECC 盲搜索（宽度优先、深度优先...),Dijkstra算法,贪婪算法、A*算法 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。 ③运算问题 矩阵、张量、微积分、加解密 ①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 ②搜索问题 搜索、查找、排序 问题识别 ②网络优化 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... 应用层 网络层 物理层 14 ①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... ⑤安全 ③业务优化：业务预测、流量预测、用户行为预测、QoS/QoE预测、业务参数优化... ④ 机器学习 聚类分类回归降维 强化学习 问题场景 单天线 max Numh%p n,nn Nsamples 多天线 maxnum(𝑃T +�𝛩𝑖,𝛷𝑖,𝜃3dB,𝜙3dB −𝑃𝐿�≥𝐾1/� 多小区 maxnum(𝑃T +��,�,� ��3dB3dB ,� 覆盖优化 s.t.PP −𝑃� � 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。 nnT ≥𝐾1/�多小区样本点 h%p maxlogIR 1HQ HH maxlogIR 1HQ HH 1 maxnlog n,nn 2 nnnnn n nnnn jn n,jj s.t.TrQ P s.t.TrQ P 容量优化 s.t.n  PnPT 2 h%p nT cellulars nTcellulars minnPn  min TrQn minnTrQn 能效优化 h% 2 2 p h%pn n s.t.logIRn HnQnHn Cn cellulars s.t.logIRn HnQnHn Cn ，cellular s.t.log1  n,nn jn n,jj Cmin 1H min 1H min 15 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 容量优化 能效优化 高度非线性优化问题 专用量子计算机 滤波变分量子算法 QUBO模型/伊辛模型 量子绝热/退火算法 组合 优化通用量子计算机+ 量子近似优化算法 问题经典计算机 量子搜索算法 通用量子计算机 16 多小区覆盖优化：MIMO波束选择，最大化覆盖率 挑战&现