量子硬件和软硬件接口

版权所有 (c) 2021 百度量子计算研究所，保留所有权利。

在本节中，首先简要介绍几种量子计算硬件实现方案。其次，为了实现量子计算，需要对量子硬件进行控制和测量。百度量子针对量子测控研发了软硬件接口平台——量脉（Quanlse）。利用该平台生成特定脉冲，在物理系统上实现具体的量子操作，即实现从量子线路逻辑层到量子硬件层的编译。

量子硬件发展现状

2000 年，David DiVincenzo 提出了构建量子计算机的五条通用标准，称为 DiVincenzo 准则${}^{\left[1\right]}$：

1. 易扩展且特征明确的量子比特；
2. 量子系统具有初始化能力；
3. 较长的退相干时间（远长于量子门的操作时间）；
4. 通用的量子门集；
5. 可测量的量子比特。

因此，在稳定的物理系统中实现量子比特是量子计算的基础。同时，选定的量子计算的方案应具备初始化量子比特、操控量子比特演化和读取量子比特最终状态的能力。

目前业界有多种技术方案实现量子硬件，但是现行方案都不能同时很好地满足上述所有标准。接下来，我们主要介绍其中五种方案，包括超导电路、离子阱、量子点、核磁共振以及光子。这些方案对上述五条标准的实现各有优劣。

超导电路量子计算

超导量子比特，编码于“人工原子”超导电路的基态和激发态。这样一个二能级系统，可以用于表示量子信息编码的 $|0⟩$ 和 $|1⟩$ 态 ${}^{\left[2\right]}$。

超导量子比特的优势，在于可以利用成熟的半导体工艺来制造超导量子芯片 ${}^{\left[3\right]}$。同时，易于通过电路设计改变能级结构，来抑制噪声。此外，超导量子比特还拥有易控制等优势。

然而超导电路有其他方面的限制，由于超导是极低温下的宏观量子的凝聚效应，同时低温环境有利于抑制噪声，构成量子比特的超导约瑟夫森结及其他电路器件必须工作在 mK 量级的低温环境中（由稀释制冷机实现）。超导电路基态和激发态之间的能量差和低温下的噪声都处在微波量级，所以用微波脉冲实现的控制和读取非常容易受到各种热噪声和电磁噪声的影响。另外，超导量子比特间的耦合还受限于电路的拓扑结构：同时连通多个量子比特非常困难。

近几年，基于超导电路的量子计算取得了一些重大突破。2007 年，Jens Koch 等人在耶鲁大学提出了 transmon 构型的量子比特，这种量子比特具有较长的相干时间，被业界广泛采用${}^{\left[4\right]}$。2019 年，谷歌利用其 53 比特的 “悬铃木” 超导量子芯片完成了一次 “量子霸权” 实验，将世界上最先进的超级计算机需要执行 10000 年的任务在量子计算机上 200 秒执行完毕，展现出了量子计算的强大潜能${}^{\left[5\right]}$。2021 年，中国科学家朱晓波团队的 “祖冲之号” 超导量子计算机研发成功，其可操纵的量子比特数目有 62 个，科研团队基于该平台完成了量子随机行走的实验${}^{\left[6\right]}$。

离子阱量子计算

离子阱量子计算实现的基础是“囚禁”在电磁场内的离子。常见的方案包括超精细量子比特和塞曼量子比特 ${}^{\left[7\right]}$。利用激光脉冲初始化、控制和读取离子阱中的量子比特。由于离子能级间的跃迁遵循选择定则，选取禁戒跃迁的两个态可以提高离子阱量子比特的退相干时间。另外，不同于连通性较差的超导量子比特，离子阱量子比特具有全连通性。除此之外，离子阱中的离子处于真空中，环境噪声很小，门操作的保真度较高。然而，离子阱量子计算的劣势在于其量子门操作的速度较慢。

1995 年，Ignacio Cirac 和 Peter Zoller 提出离子阱量子计算方案，同年 David Wineland 组实现了这一方案 ${}^{[8,9]}$。2020 年，IonQ 公司研发出了32个量子比特的离子阱量子计算机 ${}^{\left[10\right]}$。

半导体量子点量子计算

量子点是一种在三维空间上有着量子束缚性质的半导体纳米结构。半导体量子点中的电子拥有分立的能级。量子信息编码在电子的自旋态上。通过微波脉冲等电磁方法控制量子比特。半导体量子点计算的优势在于其容易控制，且兼容传统半导体技术。然而，易受环境噪声影响的特点，限制了量子点量子比特的规模增大。

在 1997 年，Daniel Loss 和 David DiVincenzo 提出了半导体量子点实现量子计算的方案 ${}^{\left[8\right]}$。新南威尔士大学的 Dzurak 组 ${}^{\left[9\right]}$、代尔夫特理工大学的 Vandersypen 组 ${}^{\left[10\right]}$ 分别实现了高保真度的单量子比特门，双量子比特门。 2020 年，Dzurak 组首次实现了温度在 1 K 以上的半导体量子点量子计算系统 ${}^{\left[14\right]}$；代尔夫特理工大学 Veldhorst 组实现了可编程的四量子比特半导体量子点系统 ${}^{\left[15\right]}$。

核磁共振量子计算

核磁共振（Nuclear Magnetic Resonance, NMR）量子计算的量子比特是自旋 1/2 的原子核，自旋向上和向下分别代表量子比特的 $|0⟩$ 和 $|1⟩$ 态。自旋之间主要通过两种机制产生相互作用：1）直接的偶极相互作用；2）与第三者发生交换相互作用而传递的间接相互作用。由于不同的原子核对应不同的跃迁频率，我们可以通过选择特定频率的电磁波对单量子比特进行选择控制。核自旋量子计算有如下优势：可利用已相对成熟的电磁波控制技术；实验可以在常温常压下进行；量子比特相干时间较长。然而，分子结构严重限制了核自旋量子比特的扩展。

1997 年，Isaac Chuang 组首次提出核自旋量子计算 ${}^{\left[16\right]}$。1998 和 2001 年，在核磁共振硬件上实现了格罗弗算法和秀尔算法 ${}^{[17,18]}$。

光量子计算

光量子计算机使用光子作为量子信息的载体。光量子的信息编码是通过偏振或路径的方式实现的。光子的偏振是两个正交态的叠加，量子信息编码在这两个正交态上。路径量子比特使用的是两个不同的轨道来编码一个光子：其中第一个轨道对应 $|0⟩$ 态，第二个轨道对应 $|1⟩$ 态。偏振的光子可以通过分束器转化成路径量子比特。光子与环境的相互作用很小，传输速度很快，属于“飞行比特”的一种。光量子是目前远距离传输量子信息最方便的载体。

虽然具有以上优势，但存储光子非常困难（有时会需要一个额外的光子信息存储器）。除此之外，光子之间很难发生相互作用，所以双比特门难以实现。

2020 年，潘建伟院士团队成功研发了 “九章” 光量子计算机，并在该设备上完成了玻色采样的 “量子优越性” 实验${}^{\left[19\right]}$。

量子软硬件接口平台：量脉

百度量子计算研究所的量脉（Quanlse）平台，是生成脉冲信号，用于连接量子软件和硬件的量子控制的云平台 ${}^{\left[20\right]}$。通过强大的云服务和开源 SDK，提供高效和专业量子控制解决方案。

由于不同的量子硬件对应着不同的脉冲序列，量脉针对超导电路、离子阱、核磁共振三种量子硬件分别研发了对应的量子控制解决方案：量脉超导（QuanlseSuperconduct）、量脉离子阱（QuanlseIontrap）和量脉核磁（QuanlseNMR）。下面将依次介绍这些脉冲计算系统。

量脉超导

量脉超导支持任意单量子比特门脉冲和双量子比特门脉冲的产生和调度。借助量脉的工具箱，用户可以非常便捷地模拟真实超导电路的控制和读取过程、进行动力学演化求解，以及实现错误分析的可视化。更进一步，用户还可以使用量脉的工具在脉冲层面实现量子算法。此外，量脉还支持量子控制领域的进阶研发工作。

量脉超导提供了详细而全面的教程，满足从基础到进阶的各种需求。内容包括：量子计算中单量子比特门的脉冲优化、原生双量子比特门的脉冲优化、量子电路的脉冲序列实现、单/多量子比特含噪模拟器、误差处理等。用户可以进入量脉官网进行学习，内容大纲如下：

• 单量子比特控制
  • 单量子比特门
  • 基于梯度算法的脉冲优化
  • 校准 $\pi$ 脉冲
  • DRAG 脉冲
• 双量子比特控制
  • iSWAP 门
  • Controlled-Z 门
  • Cross-Resonance 门
• 量脉调度器
• 误差处理
  • 误差分析
  • 随机基准测试
  • 零噪声外插抑噪方法
• 含噪模拟器
  • 单比特含噪模拟器
  • 多比特含噪模拟器
  • 含耦合器的两量子比特模拟器
• 量子比特标定与脉冲校准
  • 读取腔标定
  • 单量子比特标定
  • Controlled-Z 门脉冲校准
• 基于脉冲的 VQE 算法

量脉离子阱

离子阱量子计算实现的基础是束缚在势阱中的离子。利用激光脉冲驱动离子在不同内态间转换，得到期望的量子门操作。通过量脉离子阱，用户可以快速生成离子阱中原生旋转门和双量子比特 Mølmer-Sørensen 门的高保真度激光脉冲。

对于原生单量子比特门，用户需要输入：

• 选择旋转门旋转轴
• 旋转门旋转角度
• 量子门时间

对于原生 Mølmer-Sørensen 门，用户需要输入：

• 一维束缚势参数
• 离子阱振动模式
• 离子阱中量子比特数目
• 量子门时间
• 离子阱中激光要操作的任意两个量子比特
• 采用的激光脉冲波形

通过输入以上参数，量脉离子阱可以快速生成离子阱原生量子门对应的激光脉冲切片并可视化地给出脉冲信号，以及离子链中量子比特的位置。

量脉核磁

量脉核磁所对应的量子硬件为核磁共振系统。量脉核磁的功能是基于核磁共振硬件的特点生成该方案下任意量子门的高保真度脉冲。量脉核磁允许用户自由地选择目标量子门以及调控磁场的耦合方式，快速地生成可供核磁共振硬件识别的脉冲信号。

在使用量脉核磁时，用户需要输入以下的参数：

• 量子比特的自由演化哈密顿量
• 作用在量子比特上的控制算符
• 目标演化的酉算符
• 预期达到该酉算符的时间及脉冲的步数（即取样个数）

量脉核磁能够输出相应的脉冲信号以及可视化结果。

总结

本节重点介绍了不同类型的量子硬件，以及量子软硬件接口平台——量脉。在后续的章节中，将以超导电路为例，分别介绍电路量子电动力学、量子控制、量子测量，并辅以量脉示例程序加深理解。

参考资料

[1] DiVincenzo, David P. "The physical implementation of quantum computation." Fortschritte der Physik: Progress of Physics 48.9‐11 (2000): 771-783.

[2] Krantz, Philip, et al. "A quantum engineer's guide to superconducting qubits." Applied Physics Reviews 6.2 (2019): 021318.

[3] Boixo, Sergio, et al. "Characterizing quantum supremacy in near-term devices." Nature Physics 14.6 (2018): 595-600.

[4] Koch, Jens, et al. "Charge-insensitive qubit design derived from the Cooper pair box." Physical Review A 76.4 (2007): 042319.

[5] Arute, Frank, et al. "Quantum supremacy using a programmable superconducting processor." Nature 574.7779 (2019): 505-510.

[6] Gong, Ming, et al. "Quantum walks on a programmable two-dimensional 62-qubit superconducting processor." Science 372.6545 (2021): 948-952.

[7] Ozeri, Roee. "The trapped-ion qubit tool box." Contemporary Physics 52.6 (2011): 531-550.

[8] Cirac, Juan I., and Peter Zoller. "Quantum computations with cold trapped ions." Physical Review Letters 74.20 (1995): 4091.

[9] Monroe, Chris, et al. "Demonstration of a fundamental quantum logic gate." Physical Review Letters 75.25 (1995): 4714.

[10] IonQ, 2021, ionq.com.

[11] Loss, Daniel, and David P. DiVincenzo. "Quantum computation with quantum dots." Physical Review A 57.1 (1998): 120–26.

[12] Veldhorst, Menno, et al. "A two-qubit logic gate in silicon." Nature 526.7573 (2015): 410-414.

[13] Watson, T. F., et al. "A programmable two-qubit quantum processor in silicon." Nature 555.7698 (2018): 633-637.

[14] Yang, Chih Heng, et al. "Operation of a silicon quantum processor unit cell above one kelvin." Nature 580.7803 (2020): 350-354.

[15] Hendrickx, Nico W., et al. "A four-qubit germanium quantum processor." Nature 591.7851 (2021): 580-585.

[16] Gershenfeld, Neil A., and Isaac L. Chuang. "Bulk spin-resonance quantum computation." Science 275.5298 (1997): 350-356.

[17] Jones, Jonathan A., Michele Mosca, and Rasmus H. Hansen. "Implementation of a quantum search algorithm on a quantum computer." Nature 393.6683 (1998): 344-346.

[18] Vandersypen, Lieven MK, et al. "Experimental realization of Shor's quantum factoring algorithm using nuclear magnetic resonance." Nature 414.6866 (2001): 883-887.

[19] Zhong, Han-Sen, et al. "Quantum computational advantage using photons." Science 370.6523 (2020): 1460-1463.

[20] 量脉-Quanlse, 2021, https://quanlse.baidu.com/.

最后更新时间：2021年12月20日