《突破 | 北京量子信息科学研究院量子直接通信团队在量子通信网络方面取得新进展》

  • 来源专题:光电情报网信息监测服务平台
  • 编译者: 胡思思
  • 发布时间:2025-02-24
  • 近日,北京量子信息科学研究院(以下简称“量子院”)量子直接通信团队与清华大学合作,基于安全中继网络,创新性地设计了量子通信网络层协议与架构,实现了网络数据的高效安全传输。

    量子网络是量子技术的重要发展方向之一,信息论安全性的量子直接通信(QSDC)网络正是其中的典型代表。要实现量子网络对量子应用的拓展和支撑,离不开网络协议的高效设计与兼容性。然而,由于量子网络构建技术仍在不断发展中,相应协议需要具备与多种技术平台的兼容性,以便实现经典网络向量子网络的平滑过渡。与此同时,构建大型量子网络的高成本问题一直是制约其可持续发展的重要因素。如何最大化地利用有限资源、降低通信成本、提高传输效率,成为全球量子研究的关键挑战之一。

    图1 使用量子电路交换和分组交换策略实现信息传输流程图

    安全中继网络是量子网络发展的重要阶段之一,因其可在现有技术条件下实现,具有里程碑式的意义。在此基础上,研究团队提出了量子安全直接通信网络模型,这项突破性设计提供了一种安全中继器与不可信中继器混合部署的方法,并巧妙结合了测量设备无关方案的优势,大幅提升了通信安全性和网络灵活性。

    为了进一步提高量子网络的数据传输效率,团队创新性地提出了量子电路交换策略和分组交换策略。这两种协议确保了信息在网络中的高效、稳定传输,为构建实用化的量子通信网络提供了坚实基础。针对量子网络中的高成本问题,研究团队构建了基于现有光纤网络的混合 QSDC 网络成本模型,并开发了启发式成本优化算法(HCOA),通过仿真验证表明,该算法在资源利用率优化和网络通信成本降低方面表现突出,为实际量子网络的经济部署提供了可行性参考。


  • 原文来源:https://ieeexplore.ieee.org/document/10896573
相关报告
  • 《北京量子信息科学研究院发力推进共建工作》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:冯瑞华
    • 发布时间:2018-12-27
    • “量子院将以国家使命为己任,进一步创新体制机制,积极整合北京量子信息领域各种优势资源,为承接量子信息国家实验室做好准备。”12月26日,中国科学院院士、北京量子信息科学研究院院长薛其坤在北京量子信息科学研究院召开的共建工作推进会上表示。 会上,量子院共建工作组介绍了量子院科研人员兼聘、仪器设备共享以及科研项目的推进情况。去年12月24日,北京市政府与中国科学院、军事科学院、北京大学、清华大学、北京航空航天大学共同签署《北京量子信息科学研究院建设合作框架协议》。一年来,在各共建单位的大力支持和通力合作下,量子院与共建单位积极落实合作框架协议,在人员双聘、设备共享和科研协同创新方面取得了实质性进展。 据介绍,量子院在人才兼聘方面,第一批94名兼聘科研人员已落实到位。兼聘科研人员平均年龄42岁,其中8位院士作为量子院领军科学家,29名教授及45名研究员作为学术带头人,其他副教授及副研究员作为学术骨干。兼聘队伍里共有60位获得国家相关人才计划、相关人才计划、科技部相关人才计划、青年千人等称号;仪器设备共享方面,该院积极推进现有资源虚拟化共享,首批共享设备共计127台(套),价值2.87亿元,多数仪器设备技术指标都处于国际领先水平;科研项目方面,根据量子院的战略研究方向,该院与共建单位共同凝练项目,经专家评估后,确定研究课题,覆盖低维量子系统、拓扑量子计算、量子精密测量、超导量子计算、量子材料与器件等重点领域。 薛其坤重点从专家顾问委员会和科研团队、管理团队组建,科研和学术交流,以及规章制度和基础设施建设等方面,总结了量子院一年来的工作进展。他指出,量子院取得的进展和成绩,离不开北京市、科技部领导的关心和指导,市科委、市财政局、市人社局、市人才工作局等部门和海淀区的大力支持,以及各共建单位的通力协作。 北京市科委主任许强对量子院一年来的工作特别是共建工作表示充分肯定。他指出,当前全市正在加快建设具有全球影响力的全国科技创新中心,各方面工作已取得积极进展。下一步,科创中心工作将在科技体制改革方面进一步加大力度,支持新型研发机构探索体制机制创新,支持重大科学发现和关键技术突破,推动首都高质量发展。他表示,市科委等相关部门将在量子院科研经费、人才引进、未来布局等方面做好服务和保障工作。他希望,量子院要大胆创新,依托量子院的平台,与共建单位共建、共商、共享,吸引各共建单位以及全球的顶尖科学家及科研团队来量子院发展,将量子院早日建成世界一流的新型研发机构。 会上,颁发了量子院兼聘教授(研究员)证书,签订了科研仪器设备共享协议。量子院科研项目承担单位代表、兼聘教授(研究员)代表分别做了交流发言。中国科学院物理所副所长顾长志、半导体所副所长杨富华、百度量子计算研究所所长段润尧,以及量子院兼聘科研人员、工作组成员、各共建单位仪器设备主管部门负责人等参会。 尹浩院士、龚旗煌院士、孙昌璞院士、苏刚副校长等量子院理事,以及房建成院士、沈保根院士、夏建白院士出席会议。
  • 《前沿 | 北京量子院量子算法应用研发团队在量子机器学习方面取得新进展》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:胡思思
    • 发布时间:2025-02-07
    • 近日,北京量子信息科学研究院(以下简称“量子院”)量子算法应用研发团队与清华大学合作,利用量子共振跃迁原理,构造了量子维度约化算法,能高效实现高维数据的降维约化。2025年1月3日,研究成果以“Quantum resonant dimensionality reduction”为题在线发表于《Physical Review Research》。 量子计算在加速机器学习上具有很大潜力。现有量子机器学习算法数据量大,已有维度约化算法复杂度高且作为训练数据需要转化。 目前量子计算硬件还处于有噪声的中等规模量子(NISQ)阶段,无法处理大规模数据,减少量子资源的消耗是实现量子优势的关键。针对这一难题,研究团队提出了量子共振降维(QRDR)算法,降低输入数据的维度以加速量子机器学习算法。经过QRDR将输入数据N的维度降低到所需的尺度R,但仍然保留原始数据的有效信息,这有效降低了后续量子机器学习或量子存储的计算复杂度。 与现有量子相位估计类算法相比,QRDR具有多对数时间复杂度,并能将误差依赖性从三次幂量级降低到一次幂量级,且消耗的量子比特与误差无关。因此,与现有算法相比,该算法在时间复杂度和空间复杂度方面都取得了优异的性能,可无缝衔接量子支持向量机、量子卷积神经网络等多种量子机器学习模型。 研究团队还结合两种类型的量子分类器,分别对探测目标和量子多体相进行分类,展示了算法的性能。仿真结果表明,应用QRDR后,数据约化极大地提高了处理效率。探测目标分类中,将60维数据压缩至16维,量子支持向量机的分类准确率从86.25%提升至89.37%;在量子多体相分类中,一维横场伊辛模型的256维量子态,数据降维到16维后,量子卷积神经网络的分类准确率保持在97.8%以上,同时量子门数量减少至传统方法的十分之一。未来,该算法有望应用于多种计算领域。 图1(a)QRDR与已有算法逻辑对比图;(b)应用于机器学习的QRDR算法线路示意图;(c)QRDR算法与量子神经网络结合的量子线路图;(d)拓扑态分类的结果展示