科技議題

首頁> 科技議題 - 智慧科技> 提供國防部的量子科學與技術現狀及建議概述
提供國防部的量子科學與技術現狀及建議概述 Overview of the Status of Quantum Science and Technology and Recommendations for the DoD
Stuart A. Wolf; Lance G. Joneckis; Steven Waruhiu; John C. Biddle; Olivia S. Sun; Leonard J. Buckley
2019/06
The Institute for Defense Analyses (IDS)
https://www.ida.org/-/media/feature/publications/o/ov/overview-of-the-status-of-quantum-science-and-technology-and-recommendations-for-the-dod/d-10709.ashx
在近幾十年內,量子科學與技術已成世界關注焦點並獲得可觀的投資,美國國防分析研究所(Institute for Defense Analyses)彙整量子技術研究進展,確保國防部和美國在這一關鍵科學和技術領域保持目前的優勢。此報告將量子的技術應用區分為三大領域,分析量子感測、量子通訊以及量子運算的領先國家,並提出投資佈局提出建議。

量子科技在20世紀深入人類生活,像是電腦、手機、雷射、網路…等,無一不是奠基於對量子力學的了解,但其中幾個重要特性-疊加(superposition)、糾纏(entanglement)要到近幾十年才有機會導入科技產品,主要瓶頸在於維持疊加及糾纏非常困難,因為其操作的對象通常是單光子、電子、電子自旋、原子、特殊超導環及彼此之間的互動所建立起來的系統,往往在來不及操作之前,其脆弱的狀態已遭環境破壞,而這段可操作的時間稱之為同調時間(coherence time)。由粒子的物理特性可視為一種量子態(quantum state),例如電子具有上自旋及下自旋兩種量子態,這些量子態在被量測之前會線性疊加成量子疊加態(superposition state),所衍生而來的量子位元(quantum bit或 qubit)便是量子運算萌芽的種子。以量子運算為例,其所需同調時間需要至少1,000倍量子閘或量子位元的操作時間,且即便如此,仍需要誤差校正協定 (error-correcting protocol)來維持運算。

一、各國投入量子技術研究現況
就論文引用數排名前50的研究學者國籍來看,量子運算、量子感測與量子通訊以歐洲及美國為主,至於各國論文發表及論文引用數也是以歐洲及美國為主,但近五年在趨勢上出現變化,中國在量子感測器量子通訊的論文發表數衝到第一,甚至在量子感測器的論文引用數僅略低於美國。
在投資方面,英國在2013年制定了一項投資 5 年、耗資 4.4 億美元的國家量子技術計劃(National Quantum Technologies Program),將量子研發導入商業技術,並於2019年宣布接續投資1.91億美元於產業策略挑戰基金(Industrial Strategy Challenge Funding, ISCF),連同業界投資3.13億美元協助量子科技商業化。
中國在2006-2020年15年國家中長期科學和技術發展規劃綱要宣佈量子研究列為四項重大科學研究計劃之一,其年度資金估計為2.44億美元。並於 2017年宣佈將在合肥市開始建設一個耗資110億美元的國家量子實驗室,該實驗室將於2020年啟用,但這些數字的準確性難以查實。

二、量子感測與度量(Quantum Sensing and Metrology)
量子感測可以比傳統感測器更精確地感知和測量如磁場、電場、光場、電磁場等許多能場。此外,使用單一和多個量子位元的量子系統還可以更精確地測量時間、位置和加速度,許多重要的應用也紛紛浮上檯面。然而,迄今尚未有可信賴的示範案例(例如量子雷達),但國防部仍需了解其能耐及可能帶來的衝擊,因為這是量子科學和技術中必然成長的領域,以下節錄其中幾項相關應用如下:

(一)衡量量子感測器的關鍵指標:
包括靈敏度(或訊噪比,signal-to-noise ratio)、去同調(鬆弛)時間、動態範圍、採樣率、操作溫度等。

(二)量子雷達(Quantum Radar)或量子照明(Quantum illumination):
在單光子射向目標物進行量測之前,先與本地量子位元形成糾纏,量測該輔助量子位元可以抑制光子所在的雜訊源(註:因為量測會破壞量子態,所以如果光子是量測工具,就不能直接對光子進行量測,要先跟另一個(輔助)量子位元糾纏,再量測該量子位元,透過糾纏特性,間接了解光子的量子態),從而提高訊噪比,即便光子的糾纏特性遭環境雜訊破壞了仍可維持效果。應用在量子雷達時,訊噪比是傳統雷達的4倍,但是否足以讓隱形失效尚未實測,再加上應對隱形的戰術及科技本來就已經在發展中,故量子雷達未必能對現況形成太大的改變。但量子雷達在定位與即時的優勢可用於導彈或超音飛彈偵測,甚至是其它戰術應用,這是傳統雷達未及之處。

(三)原子蒸氣(Atomic Vapors):
原子曝露在高於室溫的磁場中,將發生能階躍遷,經光學測量可推算該磁場強度或梯度,美國國防先進研究計畫署(Defense Advanced Research Projects Agency, DARPA)於地球自然地形中的生物成像計畫(Biological Imaging In Earth’s Native Terrain, AMBIIENT)中採用此技術,預期將發展高精準度、低尺寸、重量和功率(size, weight ,and power, SWaP)的磁力計,可應用於醫學影像及導航。

(四)離子阱(Trapped Ions)
離子阱被用來量測不同類型的物理量,像是力、電場、磁場以及時間。透過電力或磁力捕捉離子,形成以量子模式運動的可控制晶體。環境外力會產生可量測的模式躍遷,能被應用於為高靈敏度的力或位移量測,也可用單離子版的做法,如利用射頻訊號(Radio Frequency signals, RF signals)能激發單離子成準穩態(quasi-stable state),作為精準時鐘的參考依據。如DARPA有一項強化原子鐘穩定度(Atomic Clock with Enhanced Stability, ACES)計畫,預期發展出更小更精準,僅晶片尺寸的原子時鐘。
量子重力計(quantum gravimetry)是此領域中相對成熟的技術應用,其能用於偵測偽裝的車輛或飛行器,甚至是具威脅的隱藏物品例如土製炸彈,目前已有商用量子重力計,例如美國AOSense、英國M Squared。
此外,在 GPS 導航失靈的時,慣性導航系統可用來確定移動物體的位置、方向和速度,特別是在水下或密集都會區等,但現行慣性導航系統會隨著時間產生漂移因而需要GPS的校正,英國已經在2018年著手開發量子導航系統,已有原型機可用於如船舶或火車的大型機具。

(五)雷得堡原子(Rydberg Atom)
雷得堡原子量子感測器將可克服學者朱蘭成所提出的經典天線小型化極限。DARPA 在量子輔助感測和輸出計畫(Quantum-AssistedSensing and Readout, QuASAR)中導入相關技術,並持續改進而發展出全頻段全頻譜無線電信號接收器 ,預期將大幅縮小現有通訊設備的SWaP。

量子感應器或許在短期(5年內)達到成熟應用,但這些技術不會對現行技術造成破壞性影響,因此,中國在這一領域的崛起不會導致任何可怕的戰略劣勢。報告建議國防部在這些技術領域跟上對手發展。

三、量子加密與通訊
量子通訊主要是利用量子的量測不確定性、不可複製性、糾纏等特性,從BB84通訊協定(Charles Bennett與Gilles Brassard於1984年發表的論文中提到的量子密碼分發協定,後來被稱為BB84協定)的發展,到2004年原子傳送的實驗展示,使用量子中繼器進行「傳送」的量子通訊和量子密鑰分發(quantum key distribution, QKD)一直是非常活躍的研究和開發領域, 迄今已有多家公司正在生產可用於「公里級」距離的QKD硬體。
中國是QKD技術的主要參與者——透過衛星網路展示了QKD,然而QKD本身尚有多個問題待克服(例如身份驗證),故尚無法在實際應用中使用。儘管克服這些挑戰可能被視為能力上的「量子跳躍」,但實現安全通訊的 QKD 有幾個非量子替代方案,故不建議國防部(DoD)投資這項領域。

(一)衡量量子通訊技術關鍵指標:通道損失、通道雜訊、傳輸率或金鑰產生率。

(二)量子網路(Quantum Networking):
利用量子網路技術達成高頻寬低損耗的發展目標,將受限於量子態的脆弱特性與不可複製性,目前有許多技術用來改善通道效率(channel efficiency),包括量子遙傳(quantum teleportation)、糾纏互換(entanglement swapping)、糾纏純化(entanglement purification)以及超密編碼(super-dense coding),上述技術讓中間節點(又稱為「量子中繼器(quantum repeater)」)能維持量子保真度(fidelity),從而實現長距離傳輸量子資訊。此外,光子有較長的同調時間及長距離的穩定性,故廣泛作為實際上執行量子通道的方式,因此許多量子網路的推動性技術涉及低損耗介質(例如光纖)、有效率產生單光子(特別是糾纏對)、準確調控光子態、存取光量子資訊(即量子記憶體)、有效率且準確量測光子態。
不同條件下的多維度量子資訊傳輸已經得到證實,其基礎技術相對成熟。然而,由於許多相關功能(如量子電腦)尚未實現,量子網路離實際應用仍相當遙遠。

(三)量子加密(Quantum Cryptography)、量子密鑰分發(QKD)
量子加密泛指採用前述量子資訊理論下,研究如何防止竊聽的研究,QKD為目前該領域最廣泛的研究,使用量子通道來完成傳統加密機制,因為量子的不可複製性,第三方竊聽形同掩耳盜鈴,必然被發現,這類的加密協助已被研究證實為「資訊理論上安全」,其保密強度是依據資訊理論,而非像公鑰加密機制是依賴硬體運算難度來確保安全。
但是QKD在硬體實踐上仍有需多瓶頸,例如,BB84協定假定使用單光子,但實務上的光子源可能偶爾會釋放出多個光子,使協議容易受到「分光」(photon-number-splitting)攻擊,或是仰賴光子極化導致曝露在被木馬攻擊的風險,是故QKD協定對於硬體的品質有一定的需求,且需發展對抗量子駭客攻擊的技術,例如預防分光攻擊的「誘餌狀態(decoy state)」協定。
目前已有幾家提供實施QKD協定的商業產品的公司,包括瑞士的ID Quantiquein、美國的MagiQ技術公司、澳大利亞QuintessenceLabs和法國的SeQureNet,最引人注目的莫過於中國量子科學實驗衛星(Quantum Experiments at Space Scale, QESS),其發射的墨子號衛星與位於中國及奧地利的地面站成功示範QKD。
但身份驗證是最大挑戰,這部份仍需仰賴傳統方法,另一個實務上的困難是如何認證通道所需要的硬體品質符合需求,像是光源、中繼器、偵測器等。事實上,美國政府已經注意到這些問題,而決定不認證QKD 系統來用於美國資訊安全上。
如前所述QKD仍有許多根本性的問題,像是身份驗證,而且相較於非量子方案(例如後量子加密術)的優勢仍然未知,持續投資QKD的理由過於薄弱。至於其他國家,特別是中國,似乎在這方面進行了大量投資,自然會有情報單位關注,故不建議DoD持續投資。


四、量子運算與模擬(Quantum Computing and Simulation)
鑒於保護通訊的加密方式主要是利用質因數分解,而量子電腦發展到能夠分解巨大數字的 Shor 演算法,將可能構成量子意外(quantum surprise)。這不僅是眾所周知的,也受到情報單位(Intelligence Community)的密切關注,但是其他潛在的意外對DoD的影響很小。迄今為止,在文獻中只發現了少量利基困境,顯示容錯量子運算(fault-tolerant quantum computing)較傳統方法更具優勢。不過,隨著研究人員對雜嘈中型量子(noisy intermediate-scale quantum,NISQ)電腦有更多經驗,這種情況可能會隨時間改變,DoD有必要 監控這領域發展。然而,除了對加密的潛在影響外,中國和其他國家在這一領域的崛起並無明顯策略優勢。

(一)量子運算模型(Quantum Computing Model)
量子運算的優勢來自於糾纏、疊加和同調變化,在同調狀態的振幅可以產生建設性或破壞性干涉,但維持同調相當困難。
量子電腦大致上可區分為幾種類型,本報告聚焦在符合量子圖靈機模型(quantum Turing machine model)的閘控(gate-based)量子電腦,其基於量子力學並經由不同的控制閘來操作量子態的運算,又稱之為數位量子電腦。相對於此,另一種類型的類比量子電腦,包括Coherent Ising Machine或是運用退火原理的D-wave機型,主要是處理最佳化問題。
古典電腦會設定一個閥值以刪除雜訊,但這些閥值在運算時,偶爾會帶來一些錯誤,需要偵錯及校正。數位量子電腦同樣需要消除錯的量子態,但基於量子特性要用比較不同的方式處理(因為觀測系統會破壞量子態)。但對類比電腦來說,雜訊會累積並造成量子態的失真,且因為量子態的離散特性,系統會結束在錯誤的量子態上。故類比量子電腦跟類比電腦面臨著相同的問題,亦即機器的性能只有在機器建造完並經過實測才知成果,故其實用性有待商榷。
數位量子電腦的規模受限於資源,雜訊的出現會讓大型系統需要更多的偵錯與校正;類比量子電腦的規模受限於雜訊,因雜訊在類比電腦運算時,無法預料會出現什麼錯誤,侷限了運算規模與類型。
數位量子電腦的發展進程可以分為三階段:元件量子運算(component quantum computation, CQC)、嘈噪中型量子運算(NISQ)以及容錯量子運算(fault-tolerant quantum computing, FTQC)。已經進入NISQ階段的技術是超導與離子阱,其它像是量子點還在CQC階段,全部皆與FTQC階段還有一段差距。

1.元件量子運算(CQC)
CQC階段主要是建立量子電腦的基本元件,用不同技術所建立的量子位元視為不同平台,滿足迪文森佐準則(DiVincenzo criteria)的5項基本需求才算是達成CQC階段目標,包括:(1)使用定義完整量子位元的可擴展的系統;(2)量子位元可初始化;(3)通用邏輯閘;(4)去同調時間要夠長,通常是百、千倍於邏輯閘操作時間;(5)準確量測量子位元。
離子阱是在立體或平面捕捉離子後,利用脈衝雷射控制邏輯閘,單量子位元與雙量子位元操作的保真度分別可達4個9(即0.9999,以此類推)或3個9,目前在這個技術領先的是IonQ公司。
超導體量子位元是使用傳統的超大型積體電路製程的固態裝置,最早的超導量子位元(transmon qubit)是由耶魯大學發展出來,晶片要冷卻至幾乎絕對溫度零度(milliKelvin),IBM、 Google、Intel以及Rigetti等公司都有開發。
其它像是量子點(quantum dot)、矽光子(photonic)、矽基磷摻雜(dopants in silicon)、光晶格補捉中子原子(neutral atoms)、鑽石空缺色心(color centers in diamond)、拓樸量子位元 (topological qubits)都尚未成熟。

2.嘈噪中型量子運算(NISQ)
在NISQ階段,只要有足夠的實體(physical)量子位元便可展現量子運算的優點,但要有足夠的品質跟數量的量子位元才有辦法實現邏輯(logical)量子位元,完成邏輯位元是邁向FTQC的第一步。提高保真度可以降低所需實體量子位元數量,初估保真度做到3個9所需的實體量子位元為10,000個,而目前也只有離子阱接近此要求。
而運算效能受限於實體量子位元的特性,例如同調時間,或運算(序列)深度較低的邏輯閘,即便是平行運算,也可能因為的操作數量過高而大幅增加控制系統的複雜度。
NISQ的目標之一是達成「量子霸權」,做到傳統電腦所無法運算的程度,但基於前述問題,要找到像Shor演算法這樣關鍵的演算法充滿挑戰,而變分量演算法(variational algorithms)是現階段最具商業價值的應用,但殘酷的是,如果無法在5年內產生收入來維持商業發展,企業收手後,政府就得準備接手開發了。

3. 容錯量子運算(FTQC)
有了邏輯量子位元之後,FTQC的目標是增加運算深度以及使用量子記憶體。運算深度受限於量子態的壽命,而經過糾錯可以延長量子態的壽命,儘管仍是極其有限。以10^12次操作產生一次錯誤為例,以1ns的閘控速率來算,10^12次操作便是維持1,000秒壽命的運算,如果每100ns進行一次靜態量子位元糾誤即可延長壽命至一天,足以完成某些運算,如果要更長的壽命則需要更複雜的邏輯量子位元或更好保真度的實體量子位元。
由於在運算類別的量子位元上,維持資料穩定性的成本相當高昂,當進行大量數據運算便需要量子記憶體,其特性便是需要具備極長壽命以儲存量子態,可稱為QRAM(類比於DRAM),比一般DRAM更強而有力的是,量子疊加的特性讓QRAM在定址存取時間數量級為O (log2 N),N為資料數量。
或許在開發通用型量子電腦之前,可以先針對比較有興趣的功能開發,例如情報單位可能會對Shor演算法有興趣,如此便能簡化設計。

(二)量子運算應用
如果量子運算的發展像人工智慧步入「量子寒冬」,而政府又對量子運算感興趣,那DoD勢必得雪中送炭,資助必要的研究以推進技術成熟度。
1.加密(Cryptographic)
雖然之前已談過量子運算可能對現今密碼系統產生顛覆性的破壞,但也因為如此,加密正步入後量子階段,將可抵抗量子攻擊,故不用太在意這部份的發展。

2.大數據(Big Data)
處理大型數據集對量子電腦是一大挑戰,目前量子電腦的發展是聚焦在運算類量子位元,而不是QRAM這種記憶體類量子位元或大型記憶體存取系統。

3.量子機器學習(Quantum Machine Learning)
機器學習會需要大量訓練資料,但如前所述,這對量子電腦來說是很沉重的負擔,不僅如此,光要把這些資料戴入QRAM所耗費的時間,就抵消了超多加速優勢,所以量子電腦所適合的是沒有大量外部數據的運算(現行機器學習主要應用是需要大量外部運算)。
近來已經出現複合式變分量方法的試行,所採用的是量子支援向量機(quantum SVMs),讓NISQ電腦得以單次單一訓練集讀取的方式進行運算,而量子電腦不僅用在訓練資料,包括執行的時候也需使用才能發揮量子優勢。使用變分量方法遇到量子量測所帶來的噪訊、非凸代價函數(non-convex cost functions)問題,需要隨機最佳化方法來克服。
但相對於閘控型量子電腦,如果是像D-Wave量子退火所使用的類比模擬手段,其經由不斷調整網路交互連結方式直到呈現波茲曼分佈(Boltzman-Gibbs distribution),可用於Hopfield神經網路與受限波茲曼機器(restricted Boltzmann machines),可加速完成古典電腦難以處理的問題,但其熱化(thermalization)倚賴於訓練樣本,且只有其於接近原點的少數幾個點有加速效果。

4. 最佳化(Optimization)
本報告所討論的最佳化是指非決定性多項式集合難題(Nondeterministic Polynomial Hard, NP-hard),有些也算是NP-complete。像是業務員行程規劃問題(traveling salesman problem)以及許多圖形演算法(graph algorithms),像是最大分割(max-cut)問題,雖然是NP-hard,但大部份都有好的啟發式方法(heuristic approaches),量子電腦在這方面難有相對優勢。
至於NP-complete問題,就算是量子電腦也難有超多項式加速優勢,只能在特定應用(像是尚無啟發式方法)或增強啟發式結果,例如最大分割只能保證優於最佳化的88%,剩於的12%是量子優勢可以發揮的空間,可能用於改善運轉時間(runtime)或耗電效率。
至於典型的Grover演算法在許多古典演算都有跟量子運算等效的表現,而量子電腦甚至還得等到FTQC階段才能應用,除非是超大型問題,否則也沒有使用效益。
變分量方法用於最佳化例子如量子近似最佳化演算法(Quantum Approximate Optimisation Algorithm, QAOA),或許有許多優勢但也面臨挑戰,例如雜訊或是演算法本質上是否優於傳統演算法的評估,但這也是少數能在NISQ電腦執行的演算法之一。

5.金融 (Finance)
量子退火在最佳化的優勢已在金融業展露無遺,像是最佳化投資組合、尋找套利機會與執行信用評分;數位量子電腦則被建議用於風險分析,但加速效益不大,或許華爾街有機會投資。

6. 模擬(Simulation)
量子模擬是使用量子電腦來了解量子系統的物理特性。兩大主要應用為:用來了解Hamiltonian 演化動態;預測量子分子或其它系統特性,像是基態能量(ground-state energy)。前者使用量子相位估算(quantum-phase estimatio, QPE)開發,後者則利用變分量技術開發。QPE需在FTQC階段才能實現所需準確度,以預估像鉬鐵輔助因子(FeMo-co,於固氮酶中負責固氮)的運算時間為例,即使用100-1000邏輯量子位元也要數日(含糾誤)。而變分量方法則可用於NISQ電腦,最大的挑戰是如何在有限的資源下模擬更加複雜的分子。

(三)演算法Algorithms
1. 代數演算法(Algebraic Algorithms)
簡單來說,在古典電腦中,數量級為指數的運算,在量子電腦可以降到多項式級(理想的話,是低階多項式)。而諸多演算法為何聚焦在Shor演算法?因為所需要資料集不會太大,但即便如此對NISQ電腦仍不可行。要分解目前古典電腦所無法完成的質因數分解,至少需擁有10^6 個實體量子位元的FTQC電腦才行,但這個時程約是一、二十年。

2.量子傅立葉轉換(Quantum Fourier Transform, QFT)及量子相位估算 (Quantum Phase Estimation, QPE)
QFT與QPE在其它演算法扮演重要角色,QFT演算法初是被Peter Shor開發用來作為Shor演算法的基礎,用來產生量子力學機率幅的傅立葉轉換。而QPE算法可用來估算特徵向量的相位。要得到實用的分子基態量需要高準度預測,而這會大幅提高量子電路的複雜度。另外,要任何用到QPE及QFT的演算法,都只能等到FTQC問世後才有機會用到。

3.量子漫步(Quantum Walk)
Grover演算法的搜尋速度可以從傳統演算法的O(N)加速至O(√N)次搜尋,但其不僅需要FTQC,還需要大量子記憶體來儲存資料,要拿來實務應用尚有難度。

4.線性代數(Linear Algebra (HHL 及其衍生的演算法))
HHL演算法是用作Ax=b的線性求解工具,其中A是N × N的稀疏矩陣(sparse matrix),相對於古典演算法可以從N 加速到 log (N)次運算,其指數型加速特性非常有潛力應用在機器學習及工程,但如何評估A矩陣夠大到具有足夠優勢又是另一個問題。此外,A矩陣通常仍需要載入QRAM,這又是相同問題。
另外,美國情報先進研究計畫局(IARPA)的Quantum Computer Science program曾做過評估,在2D待測物進行電磁散射的斷面運算,其N為332,020,680,在準度ε = 0.01,邏輯閘操作周期為1ns的情況下,仍需10^20秒,幾乎宇宙壽命等級的運算時間,顯然此類運算尚不實用。

5.用於最佳化的變分量子特徵值求解法 (Variational Quantum Eigensolver for Optimization)
變分量子特徵值求解法為利用量子電腦量測變分生成(variantionally generated)的量子態來運算目標函數,由於適用NISQ世代量子電腦,變分量方法引起越來越多人注意,最初是用來取代QPE解出分子基態能量,其量子態意即電子組態。但付出代價是,需要透過二次(quadratically)以上的操作來提供比QPE更長的同調演化。
設計用來運算目標函數的量子電腦非常適合處理古典運算無法處理的目標函數,量子化學古典方法像是(電子)密度泛函理論(density functional theory)及單一偶合簇理論(unitary coupled cluster theory),用來運算近似解,但受限於運算能力會有很大誤差,例如運算費米(ferminoic)系統的能量交互作用,量子變分近似求解法可以找到更接近的能態,更能快速收斂到全域最低點。
此外,此類變分法也被導入機器學習的最佳化運算,但也存在一些缺陷,像是疊代測試的起始點必預接近正確值才有機會成功,讓人難以看出有何量子優勢。
量子絕熱最佳化演算法(quantum adiabatic optimization algorithm,QAOA)則是利用變分法來求解NP-hrad問題,像是一種Trotterized版的量子退火(如D-Wave機),但不同於D-WAVE的是,有機會找出全域最佳解,但是否能優於古典演算法仍有爭議。
同樣在導入機器學習,Havlíček 等人已於2019年展示了類支援向量機(support vector machine , SVM)的量子運算,其使用5位元的量子電腦的其中2個位元,將二維實際值向量逐次非線性地轉成2量子位元暫存器,可以將分類誤差縮小。

6.其它量子運算的方法Other Approaches to Quantum Computing
本節所提的其它量子運算方法是基於量子運算態的類比(或連續)演化過程,兩大型式分別為絕熱量子電腦與其衍生版本量子退火,以及Coherent Ising Machine,經由量測最終態即可得到運算結果。
絕熱量子運算是基於量子力學的絕熱理論,其說明當系統在初始狀態位於某一個Hamiltonian的基態,即使其Hamiltonian有輕微改變,該系統仍維持在基態。像是業務員行程規劃這類NP-complete問題,就是其Hamiltonian的基態。一般認為其優勢在於僅使用物量子位元,只要演化的時間夠長就可以解出大型問題,但要多慢是個問題,如果不夠慢,算出來的結果就無法保證正確性
量子退火器,顧名思義是模擬退火(simulated annealing)的量子版本,主要是利用量子力學的穿隧效應來達到全域最佳解,但其優勢尚未驗證。
Inagaki於2016年成功利用Coherent Ising Machine求解超過2,000變數的大型耦合系統,雖然成果耀眼,但受限於雜訊仍無法找到基態,仍只是得到近似解。
類比量子電腦的發展受限於雜訊無法被偵測及糾誤,但數位量子電腦只要有足夠的硬體資源,便可以解決這類問題,故不建議DOD投資類比量子運算。

(四)目前可實現量子霸權(quantum supremacy)的量子運算類型有以下三類:
1.全容錯與誤差校正量子處理器(Fully fault-tolerant error-corrected quantum processor)
要應用到既有加密協定的量子容錯及誤差校正電腦至少要一、二十年,目前沒有太大進展或投資,但可望先應用到目前非決定性多項式集合難題(Nondeterministic Polynomial Hard, NP-hard) 或其它困難問題,美國與其它國家與企業都在這類型的處理器投資不少。
2.嘈噪中型量子處理器(Noisy Intermediate-Scale Quantum Processor)
不用等幾十年,這類型的處理器在近幾年就能完成,有人提出使用達到量子霸權的電腦來解決NP-hard最進化問題(像是旅行業務員問題),而其可應用的範圍尚未明朗,DoD應該持續評估。
3. 絕熱量子運算與量子退火(Adiabatic Quantum Computing And Quantum Annealing)
量子退火可以達到數千個量子位元,但只能維持最低限度的糾纏,可用於解決全域最佳化問題,雖然不是通用型的量子電腦,但可做為糾誤與雜訊量子處理器的基礎設施,仍有研究價值。

五、結論與建議
綜上所述,報告建議 DoD 繼續投入量子資訊研究,特別是精密導航(時間和位置)、磁場、電場和電磁場感測,以及開發嘈噪中型和大規模量子處理器找出經典處理器難以或無法解決的問題。
(一)量子感測是一個相對成熟的領域,可以在短期內(例如5年內)實現。鑒於這種潛力,建議 DoD協助將技術從實驗室中過渡出來,並開始詳細探索潛在應用案例,最終目標是測試和開發原型機。
(二)不建議將量子通訊作為 DoD 的優先順序。以QKD而言,其本質上的問題及尚有替代方案下,投入的價值不高,但鑒於其他國家,特別是中國,似乎在這方面進行了大量投資,須審慎監測QKD的進展。
(三)國防部必須準備在量子運算方面發揮重要作用,特別是在NISQ過渡階段(約10年),因為量子運算是一種足以大幅顛覆軍事武力平衡點的技術。
(四)國防部的短期投資決定應基於量子運算和模擬的戰略重要性,而不僅僅是直接創造出新的或改良的軍事應用。目前,儘管進行了30多年的量子運算演算法研究,但DoD的這種應用還不清楚。
(五)為論證量子電腦基於演算法複雜性的優勢,透過工程和效能評估(benckmark)來改善初步分析,進而對實用量子運算進行根本性的了解。
(六)鑒於類比量子運算應用有限,並考量到可擴充性,以及量子運算在實作上的分歧,國防部沒有必要在類比量子運算方面進行投資。IARPA的量子增強最佳化工作的結果和結論,正在探索其中許多問題,應該可在幾年內提供足夠的資訊,以重新評估國防部是否資助其他形式的量子運算。
(七)量子運算和模擬的影響將是戰略性和長期的,突發性技術突破足以顛覆軍事能力的發生機率很低,避免意外的最好方法是長期致力於量子運算的發展。
黃俊傑
英文