量子信息技术应用案例集（2023年）

声明 本报告所载的材料和信息，包括但不限于文本、图片、数据观点、建议等，均不构成投资或法律建议，也不应替代律师意见本报告所有材料或内容的知识产权归量子信息网络产业联盟所有（注明是引自其他方的内容除外），并受法律保护。如需转载需联系本联盟并获得授权许可。转载、摘编或利用其它方式使用本报告文字、图表或者观点的，应注明“来源：量子信息网络产业联盟”。违反上述声明者，本联盟将道究其相关法律责任。 量子信息网络产业联盟联系电话：010-62300592邮箱：qia@caict.ac.cn 编制说明 量子信息技术应用案例成果由联盟成员单位报送，经联盟会议讨论后编成案例集。应用案例的相关技术方案和应用成果归案例报送成员单位所有，并对相关内容的真实性、准确性和合法性负责。 案例集编写单位： 北京玻色量子科技有限公司、本源量子计算科技（合肥：股份有限公司、弦海（上海）量子科技有限公司、中国信息通信研究院 案例集编写成员： 巨江伟、陈亮、葛志斌、王硕、王嘉琪、曾祥洪、姚飞 前言 量子信息技术是量子科技重要组成部分，基于量子力学原理在提升信息处理速度、保障通信安全、提高测量精度及灵敏度等方面展现出了令人瞩目的潜力，已成为信息通信技术演进和产业升级的关注焦点之一。未来，量子信息技术有望在前沿科学、信息通信和数字经济等诸多领域引发颠覆性技术创新和变革性应用。 当前，量子信息技术正逐步从概念验证走向落地实践，有望在不久的将来为行业用户赋能，比如“量子计算十金融”、“量子保密通信+政务专网”、“量子精密测量+生物医疗”等。为加快量了信息技术创新与应用推产，征集和展示量了信息技术在不同领域的应用探索成果和前景，量子信息网络联盟持续组织开展应用案例征集，已发布《量子信息技术应用案例集(2022)》。 2023年度量子信息技术应用征集了成员单位提交的4项典型应用探索案例，涉及量子计算、量子加密等技术的应用，展现广在金融、图像谊梁、无人机等行业和领域的应用探索进展。经联盟会议讨论，更新编制了《量子信息技术应用案例集（2023）》，旨在向业界展示量子信息技术的潜在应用价值，分析应用发展现状和面临问题，为技术成果转化和应用产业培育提供参考。 目录 案例一1 一.应用背景与需求2二.技术原理与优势3三·应用方案与实践4四，应用成效与前景7五应用讨论与建议8 案例二10 一.应用背景与需求12二.技术原理与优势13三.应用方案与实践14四.应用成效与前景16五.应用讨论与建议17 案例三19 一，应用背景与需求20二.技术原理与优势21三应用方案与实践22四应用成效与前景24五：应用讨论与建议25 案例四 一.应用背景与需求29二·技术原理与优势29三.应用方案与实践30四.应用成效与前景33五·应用讨论与建议34 案例一案例一 基于量子计算的信用评分特征筛选基于量子计算的信用评分特征筛选 ——更高效、简易的金融数据预处理模型更高效、简易的金融数据预处理模型 提供单位：北京玻色量子科技有限公司提供单位：北京玻色量子科技有限公司 一、应用背景与需求一、应用背景与需求 (一)行业/应用背景（一）行业/应用背素 在金融领域中，信用评分模型（如图1所示）对于贷款行业非常重要，特征筛选作为一种数据预处理策略，是信用评分中的不可或缺的重要环节。高效的特征筛选一方面能够帮助银行构建更简单、更容易理解的模型，提高数据挖掘性能，为银行业提供更好的贷款参考信息；另一方面可大幅降低银行后续在模型训练时所花费的算力与时间成本。在金融领域中，信用评分模型（如图1所示）对于贷款行业非常重要，特征筛选作为一种数据预处理策略，是信用评分中的不可或缺的重要环节。高效的特征筛选一方面能够帮助银行构建更简单、更容易理解的模型，提高数据挖掘性能，为银行业提供更好的贷款参考信息；另一方面可大幅降低银行后续在模型训练时所花费的算力与时间成本。 随着大数据时代的发展，特征筛选面临众多难题，例如数据规模大、特征维度高、算力昂贵等亟待解决的问题，传统方式已然达不到我们的需求，主流的解决方法是通过专家经验指导经典计算的方法。但是依然存在很多问题：1）筛选准确度不高；2）筛选时耗变长；3）算力要求太高；4）过于依赖专家经验。在高速变化的金融环境中，量子计算的高算力有助于提升对金融衍生品定价能力以随着大数据时代的发展，特征筛选面临众多难题，例如数据规模大、特征维度高、算力昂贵等函待解决的间题，传统方式已然达不到我们的需求，主流的解决方法是通过专家经验指导经典计算的方法。但是依然存在很多问题：1）筛选准确度不高；2）筛选时耗变长；3）算力要求太高；4）过于依赖专家经验。在高速变化的金融环境中，量子计算的高算力有助于提升对金融衍生品定价能力以 及对金融风险做出准确预测。及对金融风险做出准确预测。 在金融领域的信用评分建模场景中，特征筛选这一数据预处理策略起到至关重要的作用，通过筛选后续入模的特征从而提高模型的准确率和效率，并使得模型具有更高的泛化能力。在特征数较大时，不同特征的选择将决定最后信用评分模型的整体效果，已被证明在为各种数据和机器学习问题准备数据方面是有效且高效的。特征选择的目标包括构建更简单、更容易理解的模型，提高数据挖掘性能，以及准备干净、可理解的数据。在金融领域的信用评分建模场景中，特征筛选这一数据预处理策略起到至关重要的作用，通过筛选后续入模的特征从而提高模型的准确率和效率，并使得模型具有更高的泛化能力。在特征数较大时，不同特征的选择将决定最后信用评分模型的整体效果，已被证明在为各种数据和机器学习题准备数据方面是有效且高效的。特征选择的目标包括构建更简单、更容易理解的模型，提高数据挖掘性能，以及准备干净、可理解的数据， (二)现状/需求/痛点（二）现状/需求/痛点 金融行业的关键数据分析需求和分析精确度需求远高于其他行业，当特征数很大的时候，人工筛选难度将大大增加，而量子计算将很好地解决这一问题。从准确率的角度来衡量两者最终建模的效果，量子计算的结果与传统的结果不相上下。金融行业的关键数据分析需求和分析精确度需求远高于其他行业，当特征数很大的时候，人工筛选难度将大大增加，而量子计算将很好地解决这一间题。从准确率的角度来衡量两者最终建模的效果，量子计算的结果与传统的结果不相上下。 量子计算方法可以减少人为的参与，从而提高效率并降低业务人员的依赖，减少人为操作风险，说明了将量子计算应用于特征筛选该类特定问题的可行性，后续还需多研究数量更多的量子比特，通过量子计算方法进行特征筛选来研究和探讨可以超越并替代传统的方式，将量子计算运用到金融传统业务场景中的特定问题上是现阶段重点探讨和努力的方向。量子计算方法可以减少人为的参与，从而提高效率并降低业务人员的依赖，减少人为操作风险，说明了将量子计算应用于特征筛选该类特定间题的可行性，后续还需多研究数量更多的量子比特通过量子计算方法进行特征筛选来研究和探讨可以超越并替代传统的方式，将量子计算运用到金融传统业务场景中的特定同题上是现价段重点探讨和努力的方向。 二、技术原理与优势二、技术原理与优势 (一)概念原理/关键技术（一）概念原理/关键技术 光量子计算其原理是使用光量子的叠加态对组合优化问题进行指数级求解加速。光量子计算路线中分为通用量子计算和专用量子计算两种路线，相干量子计算机是一种专用量子计算设备，利用简并光学参量振荡（DOPO）过程实现并行计算的光量子计算设备（原理如图2所示）。基于先进的光纤环量子存储技术与量子态测量-反馈机制，通过系统伊辛相变的物理能量演化过程，实现对复杂组合优化问题（伊辛问题）的加速求解。光量子计算其原理是使用光量子的叠加态对组合优化间题进行指数级求解加速。光量子计算路线中分为通用量子计算和专用量子计算两种路线，相十量子计算机是一种专用量子计算设备，利用简并光学参量振荡（DOPO）过程实现并行计算的光量子计算设备（原理如图2所示）。基于先进的光纤环量子存储技术与量子态测量-反馈机制，通过系统伊辛相变的物理能量演化过程，实现对复杂组合优化问题（伊辛问题）的加速求解。 相干量子计算机作为一种专用计算机，在求解组合优化问题上具有四大优势：1）量子比特规模较大，实验验证超过1万量子比特；2）室温稳定运行，通过对激光的精准控制，具有稳定操控特点；3）具备全联接特性，可适配量子AI复杂神经网络结构；4）CIM技术方案在国内外已有工程样机和算法验证。相于量子计算机作为一种专用计算机，在求解组合优化间题上具有四大优势：1）量子比特规模较大，实验验证超过1万量子比特；2）室温稳定运行，通过对激光的精准控制，具有稳定操控特点；3）具备全联接特性，可适配量子AI复杂神经网络结构；4）CIM技术方案在国内外已有工程样机和算法验证。 4玻色量子推出的相干量子计算机，如图3所示，凭借其四大优势十分适合用来求解金融领域的诸多问题。作为专用的人工智能协处理设备满足金融领域中信用评分场景下特征筛选问题需求。玻色量子推出的相干量子计算机，如图3所示，凭借其四大优势十分造合用来求解金融领域的诸多间题。作为专用的人工智能协处理设备满足金融领域中信用评分场景下特征筛选间题需求。 (二)技术优势/成熟度分析（二）技术优势/成熟度分析 特征选取作为一种数据预处理策略，已被证明可以适用在各种数据挖掘和机器学习问题上，且对最终模型效果起到显著的作用。特征选择的目标包括构建更简单的、更容易理解的模型，提高数据挖掘性能，以及准备干净、可理解的数据。特征选取作为一种数据预处理策略，已被证明可以适用在各科数据挖掘和机器学习间题上，且对最终模型效果起到显著的作用。特征选择的目标包括构建更简单的、更容易理解的模型，提高数据挖掘性能，以及准备干净、可理解的数据。 目前信用评分方向的金融科技已经具备成熟的模型构建和广泛的应用实践，在金融行业已与相关金融机构展开基于典型案例验证的深入探索，以客户需求场景为导向，将金融中时常出现的评分场景利用玻色量子CIM真机在实验室搭建模型进行验证与探索。经验证，本案例中提出的解决方案结果符合预期，可作为量子计算在信用评分场景的应用实例，当前技术成熟度达到4级。目前信用评分方向的金融科技已经具备成熟的模型构建和产泛的应用实践，在金融行业已与相关金融机构展开基于典型案例验证的深入探索，以客户需求场景为导向，将金融中时常出现的评分场景利用玻色量子CIM真机在实验室搭建模型进行验证与探索。经验证，本案例中提出的解决方策结果符合预期，可作为量子计算在信用评分场景的应用实例，当前技术成熟度达到4级。 三、应用方案与实践三、应用方案与实践 (一)解决方案/系统架构/产品情况（一）解决方案/系统架构/产品情况 本 方 案 的 核 心 在 于 使 用 量子 计算解 决 二 元无 约束二 值 优 化本方案的核心在于使用量子计算解决二元无约束二值优化 （QUBO） 问 题 。 以 相 干 伊 辛 机 （CIM） 为 代 表 ， 斯 坦 福 大 学Yamamoto组提出耗散系统中量子加速求解。相干量子计算机是一种基于简 并 光 学 参 量 振 荡 （DOPO）的相干伊辛机，原 理如来 源 ：DOI:10.1038/s41534-017-0048-9（QUBO）间题。以相干伊辛机（CIM）为代表，斯坦福大学Yamamoto组提出耗散系统中量子加速求解。相干量子计算机是一种基于简并光学参量振荡（DOPO）的相干伊辛机，原理如来源：D0I : 10.1038/s41534-017-0048-9 图4所示。为了实现量子并行搜索，在不同的神经激励叠加状态下制备了一个量子神经元（DOPO），量子神经元网络通过在相变临界点处的自发对称性破缺来决定最终的计算结果，通过玻色子终态激发将上述量子态放大为经典信号。与经典神经网络相比，基于DOPO的量子神经网络最重要的优点是每个神经元（DOPO）由不同的同相振幅本征态（即压缩真空态）线性叠加而成，因此可以对整个优化过程进行量子并行搜索。图4所示。为了实现量子并行搜索，