崔春风：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 6G明确六大典型场景，实现从移动通信向移动信息重大转变 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 ITU-R能力指标体系对6G网络带来全新挑战 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” 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 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 量子计算基本概念 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〉。 （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） （经典信息编码成叠加态） 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） 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。 量子算法发展现状 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 潜在的量子算法 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。 ①量子近似优化算法 ②量子绝热/退火算法 ③量子衍生优化算法 利用量子隧穿效应将初始态演化到目标态 通过经典电路优化含参量子线路求解问题 通过相位旋转门生成和变异更丰富的种群 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 利用HHL算法对矩阵计算进行指数级加速 通过滤波变分放大目标解在解空间的概率 通过量子叠加构造神经元，寻求量子优势 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 量子计算对通信领域的潜在影响 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。 量子机器学习 •大数据分析•模型训练•量子图像处理 垂直应用 通信网络中5+3：5个典型计算场景，3类典型计算问题 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。 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 网络优化场景：以无线资源优化为例 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。 网络优化场景：以无线资源优化为例 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 量子优化算法应用示例1：QUBO模型 多小区覆盖优化：MIMO波束选择，最大化覆盖率 挑战&现有方案&目标 •通常，当待优化区域的栅格数、扇区数、单个扇区可选波束数庞大时，为优化带来巨大的计算挑战。 •现网中常用方法是启发式智能算法（如粒子群算法）以及深度学习方法。•期望借助量子计算的加速能力，实现更加快速的优化求解。 •玻色量子的光量子相干伊辛机是一种专用量子计算机，即只能解决二次无约束二进制优化QUBO问题。例如最大割问题就可以通过一定的数学技巧构建其QUBO模型并求解。 问题描述 •待优化区域被分割为众多栅格，每个栅格都能收到来自每个扇区的波束，并测量得到所有波束的RSRP。 •当波束的RSRP满足阈值时，则认为该波束满足覆盖条件。•每个扇区能够为每个栅格提供N个可选择的波束。•优化目标：从每个扇区的可选波束中选择8个波束，使待优化区域覆盖率最大。•覆盖率=满足覆盖条件的栅格数/待优化区域总栅格数 17•同样地，多小区波束选择覆盖优化问题在经过数学建模后，转化为适合相干伊辛机求解的QUBO模型，然后利用玻色量子真机进行试验。 量子优化算法应用示例1：QUBO模型 多小区覆盖优化：MIMO波束选择，最大化覆盖率 仿真结果&分析 •光量子计算机能够在2~3ms的时间内完成小规模优化问题求解，且解的质量高于模拟退火、禁忌搜索等经典优化算法，并且随着问题规模的增大，量子计算机的求解时间基本保持稳定。 未来工作思路 •未来将继续针对多小区波束选择覆盖优化问题，加强与省专业公司合作，开展更大数据规模的优化方案设计与试验验证。 量子优化算法应用示例2：变分量子滤波 单小区覆盖优化：优化天线权值组合，最大化覆盖率 滤波变分量子算法FVQA* •一种经典-量子混合算法。•滤波函数可以对有用量子态的概率进行放大。•该算法量子线路浅，可以处理更灵活的问题，且现阶段量子计算机可实现。•在天线权值优化问题中，用户的RSRP由经典计算机计算，约简可能解、增大目标解概率由量子线路计算。 6量子比特算法电路 问题描述 •将天线权值优化简化为一个6量子比特可实现的小规模问题，并设计FVQA量子线路。 maxnum 𝑃T+ 𝐴 𝛩𝑖, 𝛷𝑖, 𝜃3dB, 𝜙3dB− 𝑃𝐿𝑖≥ 𝐾 /𝑁•待优化的天线权值包括：方向角、下倾角、水平波宽、垂直波宽。•优化目标：通过选择合适的天线权值组合，使单小区覆盖率最大。•覆盖率=满足覆盖条件的用户数/待优化区域总用户数•覆盖条件为用户的RSRP大于给定阈值-105dBm。•公式： 量子优化算法应用示例2：变分量子滤波 单小区覆盖优化：实验设置：真实芯片的量子比特及参数 真机结果&结论行 •滤波变分量子算法能够实现小规模的天线权值优化 机器学习场景：信号处理、网络优化、业务优化 人工智能尤其是机器学习在通信领域得到广泛关注。监督学习、非监督学习和强化学习在物理层（信号处理）、网络层（网络优化）、应用层（业务优化）等不同场景与用例得到深度应用。面对未来不断增加的网络数据规模和大模型训练需求，现有机器学习算法将面临巨大的算力挑战。 机器学习场景：潜在量子机器学习算法 量子机器学习研究处于初级阶段，部分算法复杂度理论上已证明比经典算法的加速优势，在金融、化学、材料等领域已有应用案例，量子机器学习开发框架和平台已开始商用。但面向通信领域量子机器学习研究还很有限，网络大数据分析、智能信号处理、大规模网络优化值得关注。 量子支持向量机通信场景分类、相位估计、通信信号调制识别、移动话务量预测、干扰效果评估、基站能耗预测 量子神经网络（QNN）：分类、聚类、回归、强化学习的加速核模块。分步多址无线网络的资源分配、能效优化、通信信号识别、干扰抑制 量子聚类：K-means通信行为特征分析、可见光室内定位、无线业务分布预测、信号相位恢复 量子回归算法：频偏估计、串扰消除、相干光通信色散补偿、客户流失预测、客户分类 22量子强化学习：基于QNN的actor和critic信道分配、功率分配、频谱感知、信道估计、信号检测、基站资源协同分配、无人机通信系统容量优化 量子降维：量子主成分分析信道估计、信道互易性增强、网络流量特征提取 中国移动量子计算布局 面对现网算力瓶颈与未来通信网络升级需求，以量子应用算法和云平台为重点和起步，明确量子算法在通信领域应用可行性，同步关注量子计算产业成熟度，积极推进量子计算与通信网络融合发展 量子应用算法研究与验证 •网络优化量子算法•量子机器学习算法•量子信号处理算法 量子云平台与应用软件•“五岳”量子云平台 中国移动量子计算产业合作 中国移动战略投资了玻色量子、华翊量子，目前与本源量子、玻色量子与启科量子建立产业合作，与北京邮电大学等多家单位学术合作，并成为量子科技产学研创新联盟、量子信息网络产业联盟、量子计算产业知识产权联盟副理事单位，以通信网络巨大应用空间拉动量子产业发展。 量子计算应用面临的挑战 量子计算机还处于NISQ阶段，量子比特数、退相干时间、保真度还不足以实现实用算法。量子计算还面临硬件、算法设计以及在通信领域的应用等多方面的挑战。 算法挑战 应用挑战 硬件挑战 量子计算在通信领域的应用研究力度和深度不足量子计算加速效果缺乏统一评估方法标准考虑初态制备与调参时间，真机加速优势不明确 受量子力学规则限制（不可克隆、测不准），经典算法设计方法无法直接移植 退相干时间短，量子态易失效受材料限制量子比特数难提升门保真度不足以实现实用算法量子纠错技术还不成熟量子计算前调校过程长 缺乏成熟设计范式 总结与展望 6G为量子计算提供巨大应用空间，量子计算为6G提供潜在的算力解决方案，两者融合发展已成为信息领域的重要趋势。 总结 展望 根据量子计算机能力与部署条件等成熟度，积极稳妥阶段性推进量子计算与6G的融合 6G对算力提出更高要求，量子计算成为解决算力瓶颈潜在方案专用量子计算已初步具备商用条件，通用量子计算机距离商用还有较长时间量子计算在通信领域中的应用，如网络优化和机器学习，已有初步研究，但研究广度和深度还不够中国移动已经开展相关研究，部分示例已经证明量子计算的可行性与提升性能的价值 希望各位专家携手努力，助力量子计算在6G网络中的早日应用！谢谢！