《【白皮书市场研报】面向6G时代前沿技术初探：量子信息技术2024白皮书.docx》由会员分享，可在线阅读，更多相关《【白皮书市场研报】面向6G时代前沿技术初探：量子信息技术2024白皮书.docx（10页珍藏版）》请在课桌文档上搜索。
1、2023年，ITU-R发布了IMT2O3O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F所有使用场景的设计原则.在另一项关2030年及以后IMT未来发展的建议中，ITU-R提到，与RAN相关的员了技术是项潜在技术，可在允许通过网络实体合法交换敏球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安全通信，旨在通过应用量子机制保
2、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忘多样性。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，提出了具有强大计把基础的“经典+量子混合计算平台，为不同领域提供量身定制的计钵支撑服务，促进研
3、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，分别应用量子计骈解决经典通信问题。基2023年的突破性成果，2024年或将成为量子计克技术的重要一年，由此开始量子计算领域有望从物理量子比特过渡到纠错遗辑量子比特，同时反量子密码学研究时间表也将提前。目录fflf言11 .引132,量子通信与网络511关犍技术51.1.1 量子密钥分发52l2fR子随机数生成器61.1.3 量子信息网络722fit干密钥分发标准化活动822.1 中国标准化进展8Z22国际性标准化进展IO23对6G的影响1323.1 车联网中的最子加密1323.2 St子加密与承载网设备集成1423.3 量子通信安全
4、1431子计匏163通信计算场景及关键问题16Il-I信号处理1623.4 2网络优化17313业务处理1723.5 4网络智能化1832量子泡合异构计算183.3对6G的影响1933.1 单小区大规模MIMO天线优化20332多小区大规模MIMO波束选择2233.3 戛米波信号相位校正244 .未来展里275 .致谢281.引言这份母订的门皮柠旨在介绍辅子信息技杈Nanueinfo11naliontechnologies.QITs)的龙新初的案，以满足限或不G时代在通信和计务方面所面瞄的严格要求.欧了QW、为递信和网络.以及冲算带来的预期权糕之外,本版本的白皮H还提空了对蛇4年盘子技术觥咒的
5、一些屐遵.第2章量子通信与网络癖章将货点介绍殿子安全遇(S,它利用俄广力学原理来保护关键怙息安全.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2muedisiribulin.QKD)方面.科碉成果和经典戢干共传输研究取得了突破.并且QKD第统的性健也得到了进一步提升.斌子购机生成器(Quantumrandomnumbergenerator.QRNG)技术正期卷更高效、更稳定的R标进行研发四迸.卷妥实验室和研究机构开展了大城实验来验逑收于信息网络(quantumInformaUonNCtWOrk.QIN)的可行性和稳定性,关于QKD的标准化活动，主要的标准化级次正积极
6、朝定相关的标准,涵藤术语定义、应用场景和离求、网站架构、设备技术要求、QKD安全、淞试评估方法等各个方面.Mf7,白皮书通过:个示际i寸论了最子技术对0的影喇：军联网中的豪于加密演示:将连续变最QKD(CV-QKD技状与G.698.4设符系成,从而使QKO触入现有经典通信网络,充分利用现有电信基础设施;力外。网络中战署敏手码技术,实现递信系统的整体安全管理.第3章=TO算为了满延6G预期的大蛤提升前通俗系统性能和丰席多样泊创新业务.那京将深入探讨如何利用精子计算技术来增强通信能力。言先，考虑到通信本质上是一系外的数学计算,白皮书从计算用度描述了一个分层的通信网络,以便分析递信计究场谀和关犍网匙
7、.包括信号处理、网络猊化、业务处理和网络智能化.其次,提出了一附经典+及子、混合计算平台,该平台翻ff强大的计算基础,可提供针对不同领城的定制化泞算支科业务.促进醴究创叛和产翻实现.战得一提的处,这种混合计算产台的槃构设计遵了模块化、标准化.广泛兼容、自主安全和智能高效的原则和理念,第三.遹过三个示例介绍了盘子计舞对6G的影构,这些示例分别利用贵于计算求解决经典通信钝卷.这个示例包括：使川沌波变分量算法(FilteringVariationalQuantumAlgorithm,FVQE)解决总小区大规模多输入多输出(MUhiPlC-InPUlMultiple-Output.MIMO)天线优化问
8、题；使用基于相干伊辛M型(CoherentIsingmachines,CIM)设计的收子分法解决MlMO波束选择(MIMOlamselection,MBS)何超：以及通过在终端则应用ht子支持向量机(QuantumSupportVectorMachine.QSVM)算法获得的相位的移校正模型来解决毫米波信号相位校正问题，从而降低参考信号开樗,第4章未来展望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1.00()个量子比特的壁垒，M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遗物子比特(即48个逻辑量子比特)的玳子计豫机.遗辑M子比特
9、相较于硬件就子比特，孑汹显著减少量子计豫机遭受的大Ift到怫开料.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设希量子比特；与此同时,抗我子密码学研究也料加速发屣.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,提高计算效率湎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怏件基础设施和软件基础设施.首先，核心帙件葩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，以保证在更杂多变的国际环境中芯片供应故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），加速器芯片则枭
10、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.它可以广泛兼容大显成熟的应用软件和AI枢柒,便于集成各种计算资源,满足Al训练、推理、数值模拟、大数据处理、量子计律等多种计算模式的需求.这种跨越众多应用场景的无缱兼容性降低了应用程序的开发成本，此外，帔件基础设施层采用多种计算设备，能畴根据不同应用的差异化计竟特性提供计算资源，从而实现灵活的资源分配.其次，核心系统的状件班础设诙层盘要集成Ah裔性能计算和大数据等多种计能框架，通过计算服务中间件的管理，实现工作空间管理、资源管理、资源网度、应用中心、计费管理、权限管埋和用户管理等功能.在计舞方面
11、，AI计算平台需要支持训练和推理两种不同的应用场1.它应该支持数据奥管理、超参数调整、模型管理、模型开发、容器服务、镜像仓库、任务测:及和应用部署等各种管理功能。它应该支持主流的AI计算框架,例如TcnsOrF加w、PjTorch.PaddlcPaddIe.以及Al算法开发平台.对于超级计算,它需要丰富的基础软件环境,包括城谛器、数学库、自动配置工具和软件调优工具.云用务需要支持知性犷展等功能，在砥子计算领域，需要利用下一代瞅子模拟技术，在传统计算硬件上提供裔效可考的/子计算模拟服务，从而提高计修效率.统一的技术架构有利于支持各种应用场景,促进匕层应用创新培育繁荣的应用生态,吸引相关企业和人才
12、。“势典+用子”混合计蚱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眼务，促进科研创新和产品落地.计算服务中间件提供软便件一体化的解决方案.该件层面拥有AI处理芯片,平台内置/各种Al框架和工具包.该设置使用户能膨方便地完成算法移抗、适泡、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甥境像进行打包和部署，然少对部署环境的依赖，此外，它还可以根据应用程序的计蚱需求分耳和调度底层的计算资源.并口，它提供完整的应用程序生命冏期管埋功能，包括创建、升级、笆停和终止，确保应用程序高效爱定运行。3.3对6G的影响量子计算的关犍影响在于三个方面：网络、机器学习和安全.如图4所示It子优化、
13、量子搜索、Ht图5单小区大规模MIMO天线优化变盘取值范Ia如下:- 水平波束宽度：(15.25。.45.65。.90,1050,IlO0J- 垂直波束宽度：6。,12。,25。1- 水平方位角方30。:t3ff,- 仰角：(-15:1:15)该问起属于NP困雄的组合优化何题，可以通过量子舞法进行求解.方案设计上述问SSUr使用滤波变分试子算法(FilteringVariaiionalQuantumAlgorithm,FVQE)进行求解通过引入沈波目:干.量子态演化为：Ff(H,)其中,f(H,)是单调递犍函数，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,借助参数平移观则遍近
14、浊波峰子,如果将大规模MIMO天线的权由优化向题Hl新隹模为哈密曲崎原态问题,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，因此无需过多考虑规路优化和路映射问阳，原始修子芯片悟空支持的基本Stf门为CZ.R).其中是XY平面上的旋转轴与X正方向之间的央角.通过PyQPanda内置的编译算法，任何SU(2门都可以转换为具有fE旗版转轴的两个门以及一个VritaIZU,有关FVQA的更多细节请参见参考文献21.性能仿算验证与分析仿真结果表明，该蚱法可以优化殂盖率，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比特展子计算机.为了确保可靠的性能，选择芯片中随式糊合的
15、6个属子比特诳行测试.该算法荻得最佳解的概率达到70.34%,实现了预设的置蔽率最大化目标.3.3.2多小区大规模MIMO波束选择需求分析大规模MIMO技术利用大量大城和波束成形技术，可以同时提供多个数据流，从而实现更高的吞吐附和更好的信号质址,这有里改善好窝网络的覆萩范国和容量然而，由于用户的而移动性和小区间干扰，传统的相对前态波束成形设置已无法满足网络覆盅的动态芮求.MlMO波束选择(MIMOBeamSelection.MBS)问翘日益突出。MBS指在给定约束条件卜选择如波束以最大化网络性能，例如改善信号侦加和系统吞吐量.具体来说，在MBSHSS!,目标榄盅区域通常被划分为网格，每个波束在
16、对应网格上加具有参考信号接收功率(ReferenceSignalReceivingPower.RSRP)f*i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-加波束，使的个网格的RSRP值最大化。MBS问题是一个NP困难的组合优化问遨.尤其是在具有大晁小区和天线的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.对于组合优化同腮，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，但可能陷入局部报优.分支定界算法可以保证全局最优，但计蚱成本可能很高。模拟退火是一种元培发式优化算法，通过逐渐降低温度来促进优化
17、向全同最优收敛，但并不能保证这一点，相干伊辛模里(CoherentIsingMachines.CIM)已被应用千多种场景,包括J卡淅感知和作业调度问跑,研究小组将基于CIM设计量子算法来解决MBS问题，问与解决方案在MBS问时中，目标前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凝塞.每个小2Ainaru.DavidClal.fc,FihcringVar匕IUofudquantumalg*rilhnvforcombinu(orialoptimization.0Quun(u11Science&Technology(2022)7OI5O21.区郎有一组MIMO波束,MBS问题就是要从每个
18、小区中选择一定数6的波束，以使满足特定约束条件的网格数状破大化，如果网格中的最大RSRP值超过给定的值,并且网格中，大RSRP值与次大RSRP曲之间的差侑超过给定值，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同值的原因在于,在MlMO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6MBS的问题该问胭可以转换为二元：次无约束优化(QUadGHiCUnConStrainedBinaryOPIimiZaIion,QUBO)形式，具体细节请参见参考文觥3.基于QUBO模型导出伊辛矩阵,将伊辛矩阵输入到CI
19、M中，然后运行CIM来解决优化问题.CIM仿真险与分析CIM仿式的目的是评估使用CIM作为MBS问遨的解决方案是否可行，即解决方案的质中和伺题规模是否适合CIM.如图7所示.ClM的工作方式不同于依赖半导体集成芯片的传统计圆机.相反,它使用光纤中的激光脉冲作为基本计算单元.称为盘子比特.早期研究集中于注入式同步激光伊咨机的想法,Hl于他合激光港敬敬与吊子比特的平方成正比增和，因此提出了一种璃于简井光参W:振荡器(DegeneGHeOpicalParaineiric(XdlkHMDOPO)的改进方案,该方案利用非税性光学晶体已羟开发了两种基于DOPO的方法，分别是21Huang.YUhIHlgC
20、lal.,QuantumComputingforNfIMOBvarnSCIeClionPrblem:ModelandOpticalENPCrinKmalSolution.G1.OBECOM2023-2023IEEEGlobalCommunicalionsConference(2023):5463-5468.光延迟线CIM和测后反馀CIM.第一种方案的负教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7ClM原理图表I全面比较了CIM勘理机、模拟退火(SimulatedAnnealing.SA)和Tabu搜索算法的性能。在所有情况下，CIM物理机
21、始终都能为豫法实现找到目标函数的最优做。此外，ClM物理机发现的解决方案的哈密领盘非常接近最优解的哈密顿Ik这证实该方法在简化模型和才我接近最低能fit值的解决方案方面的有效性.表ICIM物理机、模拟退火和TabU搜索性能比较RMnAM；aEMMmf22tt2537515I5三I7J三mIN22212三7IW24t.?22T5SmSISmMM?7M6M2M7V*j加RaIO%2UCte7.IOfc57457131MTSlIMma22三*tl3.33亳米波信号相位校正需求分析5G厘米波频段的无线传输对相移更加败区此时，树要跟踪参考信号(TrackingReferenceSignal.TRS)来跟
22、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ft,这需要大出的信令开销.随荷机器学习的不断发展，AI可以用于解决信号校IE何题,例如支持向埴机。然而，当样本量较大时，支持向;。机,需要大收的存储瓮间和计獴时间o求子支持向此机(QuantumSupportVectorMvchi)e.QSVM)24/28算法是一种基于盘子计算的机器学习算法，具有与经典算法相同的的功能.更低的计算星条度和更快的计算速度。该算法编要相应的性能报告和参数倍令通知.基站根据终痂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
23、，从而及少对TRS的依赖并降低信令开销。方法描述方法描述如下：步骤I：UE接收BS发送的控制信令/配置规则，以确定UE使用的频率儡移校正方法，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、以及以上两种舞法的联合校正.通过配置校正方法,网络UJ以考虑业务需求和终玷能力，选择见台班的校正方法,在考虑接收端复杂性的同时考虑信令成本和延迟，选择破合适的校正方法。步骤2：UE将终端能力信息上报给BS,网络根据首次能力信皂乐H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）终端校正算法所衢的处理时间：2）终端处理
24、问时的规模（以Ift子比特衡Jft）：3）退相干时间：4）fit子门保真度.校正方法根据控制信令确定,用于直接通知UE.根也;用过规则,可以通过UE接收网络保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.苜次信息可以是MCS索引或处理延迟要求。步躲3：府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：网络例存在一个训练数据集.训练条数据包括特征向境和标签。例如,特征向量表示调制信号通过信道后的信号覆度和相位，标程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
25、数据构建M个线性方程组，实现SVM分类器,然后利用HH1.算法求解方程组，训练SVM分类器，得到训族模型：使用不同样本大小训练多个模型,并根据UE能力信息向终端网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保砂校jE.输出其校正后的信号,完成信号校正.步骤4：接收匏法中的电攵测量次数会影响相位校正的精度，衡要根据指示信息确定-接收剂可以根据首次指示信息确认重红测fit次数.首次指示信息可以直接指示重复测fit次数的信令,也可以与其他信令系统联合配置，例如MCS.（RRC需要为联合配置卜发新的MCS指标表）4.未来展望2023年最后一个季度，狄子领t域见证了划时
26、代的里程碑突破了Kx)O个城子比特的阈僧，赋予量子计算机空前强大的汁号能力，2023年Il月，吊子初创公司A(OmeOmPUting2,宣布其新一代敬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,这是讫今为止发布的最大的基于InmSmOn的量干处理;拥有1.121个可运行的Ift于比特此外由哈佛大学、QUEraCCmpUting公司、马里兰大学和麻省理工学院的专家组成的联合斫究团队创造了迄今为止拥有最多茂彩量子比特的量子计算机又实现48个边辑Iftf比特.基于逻辑量子比特而非帔件盘子比特的方法有望减少M：子计兑机遭受的大量物
27、错问SS,其中，逻耕摄子比特是通过址子纠继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刿惜协议,而是利用刎缠的内置冗余.研完小加在5自然杂志上发表的论文中表明,他们的琐子计算机在执行计算任务时，比其他基于物理房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格里子计驾机的重要一步，这种计算机能弊解决大规模问卷。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.豉子计算的顺覆性潜力也提出了数据安全方面的关犍问时,并戒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,盘子计算领域族计将从物理出子比特转向纠错逻辑Ift于比特.抗Ift子密码学研咒也将加速，这将是城子计算技术发展的西要年，2S2b2?
