中國信通院張萌等：量子計算基準測評技術進展及趨勢環球動態

來源：中國信通院 | 時間：2023-01-15 21:42:19

0 引言

近年來，隨著大數據、人工智能等技術的發展，諸多行業對算力的要求與日俱增。電子計算處理器由于熱耗效應和尺寸效應，摩爾定律逼近物理極限，算力性能進一步提升面臨挑戰。量子計算作為新興先進計算的代表技術，成為未來先進計算領域破局和實現算力跨越式發展的有力候選技術之一。

(相關資料圖)

量子計算利用特有的糾纏、疊加物理特性，在計算方面可實現“內在并行”，具備強大的計算潛力。量子計算有望催生改變游戲規則的顛覆性應用，對國家競爭、產業發展、經濟社會產生深遠影響。比如1994年提出的Shor算法[1]可以在多項式復雜度下實現大數分解，有望用于RSA密鑰破解。全球各國高度重視量子計算技術產業發展，紛紛開展戰略布局，搶占未來科技發展要地。同時，資本市場也高度關注量子計算，根據PitchBook統計[2]，2021年全球量子計算產業投融資額高達69 億元人民幣，超過前3年投資額的總和。

業界評估量子計算發展與潛在影響通常關注樣機技術成熟度水平以及哪種硬件平臺更適合更多的潛在應用。基準測評作為一種客觀的評價方式，在計算機、人工智能、云計算等諸多領域的發展中扮演著重要的角色，也將在量子計算技術發展和應用探索中起到推動作用。基準測評是指通過設計客觀有效的測試方法、工具和系統，對特定對象的功能和性能指標進行定量和可對比的測試。針對目前已經出現的各類型量子計算原理樣機和量子計算云平臺服務，開展基準測評技術研究與測試驗證，是促進量子計算樣機研發和應用推廣的重要推動力量。本文調研綜述量子計算基準測評研究發展現狀，嘗試對量子計算基準測評的體系架構進行梳理分類，并對量子計算基準測試的重要性、面臨的挑戰及發展趨勢進行分析展望。

1 國際布局基本進展

2020年10月，由12家歐洲機構聯合發起的下一個量子計算應用（NEASQC）項目旨在針對中等噪聲規模量子（NISQ）應用程序下定義并提供一個完整的通用工具集，科學研究人員及行業用戶可以使用該工具集進行實驗研究和應用探索。

2021年，量子科學計算開放用戶測試床（QSCOUT）推出了Testbed 1.0，并計劃在未來的3年將系統從3 個量子比特擴展到32 個量子比特。由美國能源部（Department of Emergy，DOE）啟動的QSCOUT是一個為期5年的科研項目，由科學辦公室高級科學計算研究（Advanced Scientific Computing Research，ASCR）計劃資助，旨在建立一個基于捕獲離子的量子測試床，可供研究社區使用。作為一個開放平臺，QSCOUT不僅為所有高級量子和經典過程的實現提供完整的規范和控制，還支持研究人員改變和優化實驗臺的內部結構，并測試更高級的量子操作實現。QSCOUT將分階段運行，每一階段增加更多的離子量子位、更好的經典控制和更高的保真度。第一階段實現全連接的3 個量子比特，單量子位操作的目標保真度為99.5%，雙量子位門的目標保真度為98%。

2021年4月2日，美國國防高級研究計劃局（DARPA）宣布推出“量子基準”（Quantum Benchmarking）項目，旨在明確可測試的、關鍵的量子計算指標，用以衡量量子計算的進展,并推動當前的研究向實現特定目標的方向發展。同時，該項目還將估計達到關鍵性能閾值所需的量子計算和經典計算資源，致力于創建可以指導未來投資的標準，為準確衡量在向大型、容錯量子計算機競賽中需要關注的重要內容提供方便。該項目具體包含三大目標：一是研究量子計算關鍵測評指標，用來評估當前技術實現與實際應用和量子計算終極能力之間差距，從數以百計的應用案例中抽象出數個測評基準，并從多個維度客觀地評估量子計算機的性能與成熟度；二是基于以上測評基準研制開發量子計算機測試環境，并對量子算法和應用場景進行測試驗證；三是帶動量子計算前端編譯器、后端編譯器、量子計算機硬件、量子存儲等的發展。

2 量子計算主要基準測評技術

目前，量子計算基準測評技術處于開放探索的階段，業界各方提出了一系列基準測評方法。這些基準測評方法針對不同的測試目的、測試對象和測試場景。本文將對近期業界關注的量子計算基準測評方案技術進行梳理介紹。

2.1 量子比特級基準

量子比特是構成量子計算的基本物理單元。量子比特級別的基準測評直接反映量子計算機底層物理硬件的性能優劣。量子比特級別的基準測評指標主要包括量子比特數目、連通性、串擾、量子比特壽命T1、量子比特相干時間T2等。

量子比特數目，即量子計算機中物理量子比特的數量，反映了量子計算機硬件資源的最大可能性，是一個典型的規模指標。量子比特數目是量子計算機最早的測試評估指標，因為其只是一個數字并且足夠直觀易懂，就像經典計算機的中央處理器（CPU）數量、主頻大小、內存大小一樣，即使沒有計算機專業背景的人，一眼也能定性地評估出計算機的性能。量子比特數目是評價量子計算能力的一個關鍵指標。相關研究指出利用改進的Shor算法破解RSA2048密鑰需要13 463 個量子比特，耗時177 D[3]；考慮到硬件規格，在1 h內完成公鑰破解，則需要大概3.17 億個量子比特[4]。如果量子比特足夠完美，僅憑量子比特數目就可以評估量子計算機的最大執行能力。但是，目前硬件開發還不夠完美，系統中存在各種各樣的錯誤，可以通過多個量子比特冗余編碼進行優化。因此，在物理比特數目的基礎上，業界又提出了邏輯比特數目的概念。數百個甚至更多的物理比特進行冗余編碼形成一個邏輯比特，邏輯比特的數目能更客觀地反映出量子計算機的理論計算能力。

連通性反映了量子比特之間的系統布局，不同的技術路線可實現的連接方式有所不同。目前實現的量子計算原型機量子比特之間的布局包括“最近鄰”“重六邊形晶格”“全連接”等形式。2019年谷歌推出的53 比特“懸鈴木”超導量子計算機采用“最近鄰”布局，即量子比特組成二維陣列，每個量子比特與行和列中距離最近的4 個量子比特相連接。2021年IBM推出的127 比特“Eagle”超導量子計算機采用“重六邊形晶格”布局，量子比特組成六邊形陣列，每個量子比特與周圍的2 個或3 個量子比特相連接。最理想的情況是“全連接”形式，如2020年杜克大學和馬里蘭大學的研究人員首次設計的一款全連接的32 比特離子阱量子計算機寄存器。量子比特之間的連接性在一定程度上影響著量子計算的性能。2022年，美國洛斯阿拉莫斯國家實驗室研究發現將相同的量子體積測試電路編譯到量子計算機不同的子拓撲上，最終獲得差異化的測評結果[5]。該結果反映出量子比特質量的不均勻性和連通性對量子計算機性能的影響。

量子比特是由一個二能級系統構成。量子比特壽命T1是指量子比特從高能級|1>衰變到低能級|0>的時間，即(|1〉)=e-t/T1。

圖1T1和T2測試電路示意圖

2.2 邏輯門級基準

對于基于門操作的量子計算機，量子邏輯門級別的測評基準直接反映量子比特執行計算操作的能力。

量子邏輯門集合是指供應商的量子計算機上定義的門操作的種類集合。不同的技術路線實現邏輯門操作的難度不同，因此不同供應商的量子邏輯門集也存在一定的差異，這種差異會導致相同的算法在不同的量子計算機上編譯出的門電路不同。實驗發現不同的編譯方式對算法的執行也存在一定的影響。

評價邏輯門質量的測評指標主要包括單/雙量子比特門錯誤、狀態制備與測量錯誤等。量子比特門錯誤和量子比特門保真度是一對對應的概念。1%的門錯誤率對應99%的門保真度，也就是說每次對量子比特執行門操作時，成功率為99%。需要指出的是，量子比特門錯誤在門電路中是逐步累積的。執行M個門操作后其保真度僅為0.99 M。如果以1/e≈0.37 作為閾值，對于保真度為99%的系統最多執行98 個門操作。另外一種錯誤是狀態制備與測量（SPAM）錯誤。在每個量子計算的開始，必須將量子比特設置為正確的初始狀態，計算結束,必須正確測量量子比特的量子態分布。與門錯誤不同，每個算法的SPAM錯誤只發生一次。

評價邏輯門速度的測評指標包括門操作速度、測量速度、重置速度，即評價門操作執行的速度、測量量子態的速度以及將量子態重置的速度，或者單位時間內執行門操作、測量操作、重置操作的次數。這3種速度與T1、T2時間共同決定了量子計算機可以處理各種操作的最大次數，因為只有在壽命范圍內執行操作才是有意義的。如果量子比特的壽命很長，但是門操作速度很慢，系統也是不可用的。

2.3 量子電路級基準

對于基于門操作的量子計算機，任何量子算法最終都會被編譯成一系列量子門電路（Circuit）。因此，基于量子電路及系統的基準測試更容易反映量子計算機在解決問題時的綜合性能。

衡量量子電路規模往往采用電路深度和寬度來衡量。電路寬度定義為電路中的量子比特數目，電路深度則反映電路執行門操作的層數。電路的深度和寬度越大，解決的問題越復雜。但是，通過對量子比特級別和門級別的性能分析可知，量子比特的壽命有限，并且任何門操作都會引入錯誤，因此僅靠電路寬度和深度這兩個數值是不能全面反映量子計算機的性能的，還需要考量電路輸出結果的特性。基于以上考慮，科學家設計了一系列基于量子電路級別的基準測試方法。這些基準測試方法具有類似的基本結構：在量子計算機上執行一組特定的實驗量子電路，對輸出的數據進行分析處理，對量子計算機某方面性能進行評估，主要包括量子門集層析成像（GST）[6-7]、隨機基準（RB）測試[8-14]、鏡像電路測試等。

目前，對量子計算機評估比較全面的技術是量子門集層析成像（GST）。本文所指的量子電路是固定輸入/經典輸出（FI/CO）電路。這類電路主要包含狀態準備（初始化）、一系列量子門操作和量子態的測量3 個部分。量子門集就是指這三部分組成的集合。所謂層析就是將一個未知實體（狀態準備ρ，運行過程（門操作）G，或測量M）置于假設已知的參考系中，評估實際輸出與理想輸出的差距（見圖2）。GST對于實驗規模和后處理要求極高，獲得GST測評結果相當于求解高度非線性化的優化問題。測評單個量子比特大約需要80 次試驗，測評兩個量子比特試驗數量就會增長到

圖2 量子門集層析成像原理示意圖

另一種常用的基準測評方法是隨機基準（RB）測試。RB測試將被測試的門進行旋轉，其去極化的平均保真度與原始門相同。試驗中測量旋轉后的平均保真度，其結果與原始門的平均保真度相關。RB測試具有很強的可擴展性，實現RB測試所需的資源（試驗次數、處理時間）隨著量子比特數呈多項式增長，而GST則是呈指數增長。但是RB測試也存在明顯的缺點：首先，RB測試僅限于Clifford門集，不能用于表征量子計算的通用門集；其次，RB測試只能給出平均保真度單一指標，對量子計算機性能評估不夠全面，并且從測評結果中也不能進一步分析出噪聲模型，因為不同的噪聲模型可能產生相同的平均保真度；最后，RB測試假設門的錯誤是獨立的，當存在非馬爾科夫過程或者噪聲是時間相關的情況下，測試結果會存在較大的誤差。

鏡像電路基準測試是由美國桑迪亞國家實驗室于2021年設計出的一種更準確的新型性能測試方法。鏡像電路基準測試是一種計算機程序，它可以將數據進行正向和反向計算，這種設計可以大大縮短測試時間。由于該測試方法的輸入和輸出是一致的，因此測試人員無需過多的數據處理便可立即檢查出量子計算機的性能。

2.4 系統級基準

在量子電路級別的基準測評基礎上，研究人員又提出了系統級別的基準測評方法，以便完成更加系統、綜合的性能測試評估，主要包括量子體積（QV）[16]、每秒電路層操作數（CLOPS）等。

IBM首先提出了量子體積的概念，綜合評估量子計算機的質量和規模。QV測評中將電路層數定義為一層量子比特排列層和一層隨機兩比特幺正門SU(4)（見圖3）。QV由量子處理器能夠成功運行的最大隨機方形電路（寬度等于層數）的QV層數定義。量子體積對量子處理器的硬件特性如量子比特數目、量子壽命（T1和T2）、門保真度和測量保真度等非常敏感，同時還受連通性和編譯方式的影響。量子體積是一個整體的指標，因為其不能通過改進系統的一個方面來改進，而是需要系統的所有部分以協同的方式來改進。

圖3 QV測試電路示意圖

在QV的基礎上，美國桑迪亞國家實驗室又提出了體積基準（Volumetric Benchmarks，VB）。QV中定義了一系列深度d和寬度 w相同的正方形電路。VB則定義了一系列矩形量子電路，其中d和w是解耦的，可以從時間和空間維度分別研究量子計算機的性能。每個VB定義了從電路形狀（w，d）到測試套件C（w，d）的映射。測試套件是具有共同結構的測試電路的集合。在測試電路集合上，VB也在QV的基礎上進行了擴展，不僅可以包含隨機電路和周期電路，還包含了應用電路或偽代碼電路。不是所有的應用算法都能抽象成隨機電路和周期電路的模型，量子計算機的性能需要更復雜的應用電路進行測試評估，因此有必要對實際應用算法的電路進行抽象和簡化，形成新的測試基準電路。VB將d和w解耦也更方便實現復雜電路的映射。CLOPS也是由IBM提出的，定義為單位時間內一個QPU可以執行多少個參數化的QV電路。使用QV和CLOPS可以綜合評估量子計算機的規模、質量和速度。

2.5 應用算法級基準

面向應用的基準測試方法更適合于用戶進行調用，并且一般返回單一的指標和評分綜合反應性能優劣，能夠評估量子計算機在解決特定問題（比如大數分解、組合優化、機器學習）時的能力。比如適用于量子-經典混合計算的qBAS，適用于標準優化問題的Q-score[20]，以及匯集多種算法應用的App-Oriented測試套、SupermarQ、算法量子比特（#AQ）等。

2021年，美國量子經濟發展聯盟（QED-C）公布了App-Oriented測試套，以特定量子算法（如Shors算法、Grover算法、QFT算法等）為基礎，用于測試量子計算機在實際相關任務上的性能。測試套件中包括比較簡單的演示級或實驗級的程序（如Deutsch-Jozsa算法等）、大型應用程序中的字功能塊（如QFT算法等）以及相對完整的應用程序（如Shor算法、變分量子本征求解器等）。套件將每種應用算法設計為問題規模可變的函數，并返回該算法在特性問題規模下的執行時間和保真度，分別評估量子計算機的速度和質量。

結合App-Oriented測試套的基本思想，IonQ重新定義了算法量子比特(#AQ)的基準測評方法。#AQ=N定義為在電路寬度N×電路深度N2的矩形區域內運行的所有電路都滿足閾值要求。閾值要求一般定義為結果保真度減去基于測量次數的統計誤差仍大于1e≈0.37。

這類基準測試可用于評估量子計算機解決特定問題的能力，對于非量子計算專業的用戶或投資者來說結果直觀易懂。但是，這種評估結果是多種底層因素綜合、平均的結果，缺乏細節的展示，不適合研發者使用。

除了上述基準測試，量子計算的測評技術還可以包括外圍保障系統測評（如制冷性能、真空性能、隔振性能等）、技術成熟度測評（如GJB 7688-2012或GB/T22900-2009）和對量子計算云平臺的測評（如云硬件、云軟件、云安全、云應用、云運維）等。這些測評技術不是專門為量子計算設計的，因此本文不作展開。

目前，大規模量子計算機硬件研發尚未突破，量子計算如何賦能生產生活也需要長時間的探索。從“造出來”到“用起來”各個環節都需要基準測評來全面綜合評估量子計算機的性能。量子計算機的當務之急是“造出來”，并且努力提升量子比特規模和保真度兩大核心指標，因此研發人員需要對量子計算硬件的錯誤噪聲模型、復合方式及測控手段進行深入的研究。面向底層的基準測評方法以及量子門集層析成像技術將提供有效的手段，以便發現、定位、分析和解決問題。作為工程化的一個重要指標，系統的穩定性和可靠性需要重點驗證。在各種復雜環境中反復執行科學、可復現的基準測試可以有效地評估量子計算機長期運行的性能特征。當量子計算機硬件愈發成熟，并過渡到應用探索和產業落地的階段，潛在用戶和投資者通過面向應用的基準測評方法獲取量子計算機直觀、綜合的性能表征，以便研判未來關注的方向。

3 量子計算基準測評體系框架初探

目前，量子計算基準測評技術研究處于百家爭鳴的階段。本文嘗試從兩個維度對重點基準測評技術體系框架進行梳理和分類（見圖4）。其中，縱向維度從硬件—軟件—應用的角度劃分5個層次，分別是量子比特、邏輯門、量子電路、系統和應用算法的不同層面基準測評。在此之上還有量子計算云平臺測評和整體技術成熟度的評估。越接近底層硬件的測評越能反映量子計算機的技術細節（比如量子比特的噪聲模型、噪聲的復合形式等），但是這類測評指標技術專業性要求較高，主要適用于硬件研發人員在開發或優化量子處理器時應用。越接近應用層的測評技術指標越單一，并且直觀易懂，可以對量子計算機在解決特定問題時的性能作出綜合評價，屏蔽底層硬件實現細節，適合應用開發者或行業用戶使用。橫向維度則是從規模、質量、速度三方面進行劃分。其中，規模指標反映了量子計算機解決問題的極限能力，質量指標反映了量子計算機執行任務的可靠性和可信度，速度指標則反映了量子計算機在單位時間能完成的工作量。規模是量子計算的物理基礎，高質量和高速度則是實現量子優越性的必要條件，未來只有三者的綜合提升才能促進量子計算技術的發展與應用實現。

圖4 量子計算基準測量技術架構

4 未來發展趨勢及展望

量子計算測評基準目前仍處于研究起步階段，業界各方正進行開放性探索。量子體積一般被認為是用于測評量子計算機性能的一個相對有效指標，量子體積越大，可能意味著未來量子計算機能解決的實際問題的復雜度就越高。但是，也有相關研究發現在解決金融投資組合優化問題中，量子體積大的機器并沒有取得實際問題中的最佳效果。還有研究發現電路后編譯方式、電路是否優化、具體執行的比特分布都會影響QV的最終測試結果。因此，未來對于量子計算基準測評技術原理和影響因素等，還需要更多和更深入的理論分析和實驗驗證。

隨著量子計算硬件技術的發展演進，新的基準測評指標也可能會被提出和推廣。目前的測評體系多是基于物理量子比特設計的。未來隨著量子糾錯技術逐漸成熟和實用，如何評價邏輯量子比特的性能需要進一步的研究。量子糾纏被認為可以將分布在不同地理位置的量子計算機連接起來，并且指數級地擴展計算能力，未來有望形成分布式量子計算或者真正的量子云計算。對于其中的糾纏連接能力，不同物理體系之間的轉換連接能力等也需要進行基準測試評估。

未來量子計算評價體系和測評基準將向著開放性、易用性、客觀性、可復現性、科學性、系統性和可追溯性的方向發展。基準測評技術體系和方法會隨著量子計算機硬件的不斷成熟而日趨完善。單一的指標無法綜合評估性能優劣，并且不同的應用需求也對應不同的基準測試。“歸一化”是量子計算基準測評發展的必然方向，即由繁雜的多維度測評方案收斂成一種標準化的可縱向對比的測評體系。

5 結束語

量子計算科學研究和應用探索熱點頻出，資本市場高度關注，加速了其技術產業的發展。量子計算基準測評對于量子計算的工程化、實用化以及未來的商業化具有至關重要的意義。歐美各國積極構建量子計算測試床，加速量子計算樣機研發、收集測試用例、探索Benchmark評測指標，提供資源共享與產學研用開放平臺。目前，我國尚未部署產業級量子計算基準驗證項目，缺少面向行業探索和工業應用的量子計算測試平臺。鑒于量子計算基準測評的重要性，建議我國加快相關測評方法、測評標準的項目布局，依托產業聯盟、標準化組織開展公共測試床的建設，聯合產學研用多方的資源和力量，合作交流，協同創新，共同推動我國量子計算基準測評體系的建立。

標簽：量子計算人工智能