NISQ (含噪中等規模量子)

  • NISQ (含噪中等規模量子) 時代：定義、技術特徵與挑戰。

    • 嘈雜中等規模量子（NISQ）技術代表了量子計算發展的當前前沿，其特點是量子比特數量適中（通常為50到數百個，甚至達到1,000個，但目前主流仍為1,000個以下）且易受環境噪音影響 [1, 2, 3, 4]。儘管存在高錯誤率、相干時間有限和可擴展性不足等挑戰 [1, 2, 3, 4, 5, 6]，NISQ設備仍為探索量子算法和潛在應用提供了寶貴平台 [3]。本報告旨在深入探討在NISQ時代實現低成本應用開發的關鍵策略、主流工具、實際案例及未來趨勢，為研究人員和開發者提供全面的視角。報告將重點分析開源軟體開發工具包（SDKs）、免費量子模擬器、雲平台提供的免費層級與學術資助，以及混合量子-經典計算範式在降低開發門檻方面的重要作用。

    1. 引言

    1.1 NISQ時代概述

    NISQ，即「嘈雜中等規模量子」計算，是約翰·普雷斯基爾於2018年提出的術語，用以描述當前量子計算的狀態 [4, 7, 8]。此階段的量子處理器通常擁有幾十到幾百個量子比特 [1, 2, 3]，雖然Atom Computing在2023年已首次突破1,000個量子比特的界限，但目前主流仍是1,000個以下的處理器 [4]。NISQ設備的關鍵特性包括：中等規模的量子比特數量、操作過程中的高噪音率、以及有限的相干時間 [1, 2, 3, 4, 5]。這些設備尚未具備大規模、容錯量子計算的能力，但已足夠強大，能夠執行某些超越經典計算機能力的任務 [1, 2]。

    NISQ設備面臨的主要技術挑戰包括噪音和錯誤率、有限的可擴展性以及對量子態的控制與校準難度 [1, 2, 3, 4, 5]。由於噪音，NISQ設備的輸出結果可能不總是完全可靠，且難以執行複雜的計算 [2, 5]。為應對這些挑戰，研究人員正積極探索量子錯誤校正碼和錯誤緩解技術 [1, 4, 5, 9]。儘管存在這些限制，NISQ設備在化學與材料科學、優化問題和機器學習等領域展現出巨大潛力 [1, 2, 3, 10]。它們為量子算法的探索、量子軟體的開發以及理解嘈雜量子計算相關挑戰提供了關鍵平台 [3, 11]。

    1.2 報告目的與範圍

    本報告的核心目標是探討在NISQ時代如何以低成本方式開發量子應用和利用相關API。報告將詳細分析當前可用的主流量子計算軟體開發工具包（SDKs）和應用程式介面（APIs），包括它們的核心功能、程式設計介面以及最重要的免費或低成本訪問選項。此外，報告將深入剖析免費量子模擬器和雲平台所提供的免費層級與學術資助在降低開發門檻方面所扮演的角色。最後，報告將介紹NISQ時代特有的混合量子-經典算法開發範式，並結合實際應用案例與研究進展，闡明當前NISQ應用開發所面臨的挑戰與未來的發展趨勢，旨在為量子計算領域的初學者、研究人員和開發者提供實用且全面的指導。

    2. NISQ應用的主要領域與潛力

    NISQ設備儘管存在局限性，但在多個領域展現出超越經典計算的潛力，特別是在處理那些本質上是量子力學或組合優化性質的問題時。

    2.1 化學與材料科學

    在化學和材料科學領域，NISQ設備被視為模擬複雜分子行為和材料性質的有力工具 [1, 2, 3, 8, 10, 11, 12]。這些領域的問題本質上是量子的，使得經典計算機難以高效地進行大規模模擬。變分量子特徵求解器（VQE）算法是此領域的關鍵應用之一，它被廣泛用於模擬分子的基態和化學反應 [1, 3, 4, 10, 11, 13]。例如，NEASQC項目開發了一個量子計算化學套件，用於化學系統中的變分哈密頓量擬設狀態準備，並能優化和傳播波函數 [14]。該項目還開發了一個代碼，用於計算空間變形下苯的基態能量，並支援噪音模擬 [14]。此外，量子電路學習（QCL）算法也應用於模擬材料及其性質 [1, 10]。

    將量子化學和材料科學視為NISQ設備的“殺手級應用”具有重要的意義。多項研究將這些領域列為NISQ設備最主要的潛在應用，並明確建議應優先識別此類“殺手級應用”以推動NISQ技術的廣泛發展 [8, 12]。這些領域的“量子本質”意味著它們在經典計算上難以高效模擬，而量子計算機在處理量子力學問題上具有天然優勢。因此，將有限的開發資源集中於這些領域的探索，更有可能實現“量子優勢”或展現實際價值，從而提高研發的成本效益，加速NISQ技術的商業化進程。

    2.2 優化問題

    NISQ算法在解決各種優化問題方面也顯示出顯著潛力。量子近似優化算法（QAOA）是解決MaxCut問題（旨在將圖劃分為兩個子集以最大化其間的邊數）和金融投資組合優化等問題的有效方法 [1, 4, 10, 11]。這些算法通常是啟發式的，旨在為各種優化問題找到接近最優的解決方案 [7, 11]。NEASQC項目也探索了QAOA在電動汽車智能充電調度（將圖著色問題轉化為二次無約束二元優化（QUBO）問題）和網格分割中的應用 [14]。此外，相位估計、多特徵值估計、基態性質估計和振幅估計等任務，也都有相應的NISQ算法，例如隨機傅立葉估計算法 [15]。這些應用表明NISQ設備能夠為複雜的優化挑戰提供新的解決方案。

    2.3 機器學習與數據分析

    NISQ量子算法在機器學習和數據分析領域的應用也日益受到關注。量子電路學習（QCL）算法已被用於開發可以在經典數據上訓練的量子機器學習模型 [1, 10]。變分量子算法（VQA）則被用於數據分析和提取洞察 [1, 10]。研究方向包括將參數化量子電路設計為增強型機器學習模型，以及探索其在無監督生成機器學習模型中的潛力，例如用於學習數據集中的底層模式並生成新樣本 [13]。儘管當前量子機器學習（QML）應用受限於量子比特數量和噪音，但混合量子-經典方法（如結合經典優化器和量子電路）能夠在一定程度上緩解這些問題，使得QML能夠處理較小且受限的問題 [5]。

    將人工智慧（AI）和機器學習（ML）方法整合到NISQ計算中，被視為推動NISQ應用走向實用的重要策略 [8, 12]。這種結合的發展，如量子物理信息神經網絡（quantum Physics-Informed Neural Networks）和可微分量子電路（DQC），展示了量子計算與AI之間的協同作用 [8, 12]。這意味著，開發者可以利用現有的AI/ML知識和工具，結合NISQ設備的量子能力，來加速新算法和應用的開發。這種跨學科的融合不僅能降低開發的複雜性，還能為NISQ設備找到更多實際且有價值的應用，從而推動量子計算技術的整體進步。

    2.4 其他潛在應用

    除了上述主要領域，NISQ設備還在其他方面展現出潛力。在密碼學領域，NISQ設備有可能破解一些現有的加密算法，這將對網路安全產生重大影響 [2, 4]。在金融領域，NISQ設備可用於優化金融投資組合和改進交易決策 [2, 4, 10]。NEASQC項目也涵蓋了金融應用，例如衍生品定價和風險管理中的量子加速蒙特卡洛（QAMC）和量子機器學習技術 [14]。這些多樣化的應用潛力凸顯了NISQ技術在未來各行業中可能扮演的重要角色。

    3. 低成本NISQ應用開發的關鍵策略

    在NISQ時代，由於量子硬體的高昂成本和技術複雜性，採用低成本開發策略對於推動量子計算的普及至關重要。這主要體現在利用主流開源SDKs、免費模擬器和雲平台提供的免費訪問選項，以及採納混合量子-經典計算範式。

    3.1 主流量子計算SDK/API

    軟體開發工具包（SDKs）和應用程式介面（APIs）是連接開發者與量子硬體的關鍵橋樑。主要科技巨頭和量子計算公司都提供了自己的SDK，以促進NISQ應用的開發。

    3.1.1 IBM Qiskit

    Qiskit是由IBM開發的開源SDK，旨在處理擴展量子電路、操作符和原語 [16]。它是目前最受歡迎的量子計算軟體堆疊之一，主要使用Python語言，但也包含Rust、C和OpenQASM等語言組件 [16]。Qiskit的核心功能包括定義和構建量子電路、定義經典輸出（通過測量或可觀測操作符）、以及使用Sampler或Estimator原語執行計算 [16]。它還包含一個轉譯器，用於優化量子電路，使其適應特定量子硬體的基礎門和連接性 [16]。Qiskit Runtime服務提供優化的執行環境，支持錯誤抑制和緩解 [17]。

    IBM Quantum Experience平台提供了免費訪問選項，允許用戶每月免費運行10分鐘的量子硬體時間 [17, 18]。此外，IBM Cloud還提供包含40多種“始終免費”產品的Lite計劃，以及新用戶可獲得200美元的雲信用額度 [19]。Qiskit作為開源專案，其軟體本身是免費的，並且可以在本地使用Qiskit Aer模擬器進行測試和調試，這顯著降低了開發的初期成本 [16, 20]。

    IBM Qiskit及其平台所提供的免費訪問選項，對於量子計算的民主化具有深遠的影響。通過提供免費的量子硬體訪問時間和強大的開源SDK，IBM有效地降低了個人開發者和學術機構進入量子計算領域的門檻。這種策略使得更多人能夠親身體驗和學習量子計算，而無需承擔高昂的硬體成本。這種普及化有助於培養更廣泛的量子開發者社區，加速量子算法的創新和實用化，從而推動整個量子生態系統的發展。

    3.1.2 Google Cirq

    Cirq是Google量子AI團隊開發的開源Python框架，用於編寫、修改和運行量子計算機程式 [21, 22, 23, 24]。它提供了處理當前嘈雜中等規模量子計算機的有用抽象，其中硬體的細節對於實現最先進的結果至關重要 [21, 23, 24]。Cirq的核心功能包括構建量子電路（通過定義量子比特和應用量子門）、在理想和嘈雜模擬器上運行電路、以及向量子處理單元（QPUs）提交作業 [21, 23, 25]。Cirq還支持IonQ的離子阱系統，允許用戶在Cirq框架內運行電路 [21]。

    在免費/低成本訪問方面，Cirq作為開源軟體本身是免費的，其源代碼可在GitHub上獲取 [23, 24]。Google Cloud為新客戶提供300美元的免費信用額度，可用於試用Google Cloud產品，其中包括運行與量子計算相關的雲資源 [26]。此外，Cirq內置了波函數和密度矩陣模擬器，可以處理嘈雜量子通道，並與高性能模擬器qsim集成，這些都可以在本地或雲端免費使用 [23, 24, 25]。

    Cirq的開源性質和對硬體抽象的重視，為開發者提供了一種硬體無關的開發模式。這意味著開發者可以專注於算法邏輯的設計，而無需過度關注底層量子硬體的具體實現細節。這種抽象層面上的開發，降低了對特定硬體知識的依賴，使得開發者能夠更容易地在不同量子平台上進行實驗和遷移。這種靈活性對於NISQ時代至關重要，因為硬體技術仍在快速發展，硬體無關的開發模式有助於保護開發者的投入，並加速跨平台應用的開發與測試。

    3.1.3 Microsoft Azure Quantum

    Microsoft Azure Quantum是一個基於Azure平台構建的量子計算雲服務，提供了一個開放、靈活的環境，支持多種量子硬體和軟體解決方案 [27]。它支持Q#、Qiskit和Cirq程式，使其成為一個多語言開發平台 [27, 28, 29, 30]。其核心是量子開發工具包（QDK），包含Q#語言支持，允許開發者編寫、調試量子代碼，並選擇目標機器 [30, 31, 32]。QDK是唯一支持容錯量子計算（FTQC）的開發工具包 [30]。Q#語言本身支持量子和經典計算的集成，並能將程式量子比特映射到物理量子比特，實現代碼在不同處理器上的運行 [32]。

    在免費/低成本訪問方面，Azure Quantum網站本身免費，無需Azure帳戶，只需Microsoft帳戶即可試用Q#代碼示例，並提交作業到雲端模擬器（如Quantinuum Emulator） [30]。QDK在Visual Studio Code中免費提供 [30, 31]。學生可以通過Azure for Students項目獲得100美元的Azure信用額度以及免費服務 [33]。Azure Quantum還為每個提供商（如IonQ, Quantinuum）提供500美元的免費信用額度，並為批准的研究項目提供更多信用 [27, 30, 34]。

    Azure Quantum的多語言支持與豐富的教育資源，體現了其在NISQ時代降低“隱性成本”（學習成本、遷移成本）的戰略意義。通過兼容Qiskit和Cirq等主流框架，Azure降低了開發者學習新工具鏈的障礙，允許他們利用已有的知識進入Azure生態系統。結合大量的免費學習路徑、教程和代碼示例 [35, 36]，微軟的策略旨在擴大量子計算的開發者基礎，並通過降低學習曲線和提供免費實踐平台來促進NISQ應用的普及。這種方法對於加速NISQ應用的創新和發現至關重要，從而間接降低了尋找“殺手級應用”的成本。

    3.1.4 Amazon Braket

    Amazon Braket Python SDK是開源庫，用於通過Amazon Braket服務與量子計算硬體設備交互 [37, 38]。它支持在AWS管理的模擬器（如SV1、DM1、TN1）上運行量子電路，也支持在Rigetti、IonQ、QuEra等真實QPU上執行 [37, 39]。Braket支持混合量子-經典算法的執行，並提供Jupyter Notebook開發環境 [37, 39, 40, 41]。SDK還集成了PennyLane庫，用於量子機器學習和變分算法 [38, 40]。

    Amazon Braket包含在AWS免費套餐中，每月提供1小時的免費模擬時間，持續一年 [39, 40, 41]。這適用於SV1、DM1或TN1等托管模擬器。此外，研究人員可以申請AWS雲研究信用計劃，獲得資助以使用Amazon Braket進行量子計算研究 [39, 40]。

    大型雲服務提供商，如Amazon Braket，在NISQ時代降低硬體訪問成本方面發揮著核心作用。通過提供統一的介面和按需付費模式，它們將昂貴且複雜的量子硬體抽象為易於訪問的雲服務，極大地降低了個人開發者和小型機構的進入壁壘。免費層級和研究信用進一步鼓勵了實驗和探索，使得開發者無需巨額投資即可接觸和利用前沿量子技術，從而促進了NISQ應用的普及和創新。這種模式將量子硬體從資本支出轉變為運營支出，使得更多創新者能夠參與到量子計算的研發中，從而加速整個生態系統的發展。

    表1: 主要NISQ量子計算SDK/API功能與免費訪問選項對比

    SDK/API名稱 核心功能 主要程式設計語言 免費/低成本訪問選項 開源性質 支持的硬體類型
    IBM Qiskit 量子電路構建、操作符、原語（Sampler, Estimator）、轉譯器、錯誤抑制和緩解。 Python (主), Rust, C, OpenQASM IBM Quantum Platform每月10分鐘免費運行時長；IBM Cloud Lite計劃（40+免費產品）；新用戶$200信用額度；本地模擬器Qiskit Aer。 是 (Apache-2.0) [16] IBM量子計算機，第三方提供商 [17]
    Google Cirq 量子電路構建、修改、優化；內置理想與嘈雜模擬器；與IonQ系統集成。 Python 軟體本身免費 [23, 24]；Google Cloud新用戶$300免費信用額度；內置模擬器。 是 (Apache-2.0) [24] Google量子處理器，IonQ離子阱系統 [21, 23]
    Microsoft Azure Quantum 量子電路開發與執行（Q#）；支持Qiskit和Cirq；量子開發工具包（QDK）；混合量子計算。 Q#, Python (通過Qiskit/Cirq), JavaScript, Java,.NET Azure Quantum網站免費；QDK在VS Code中免費；Azure for Students ($100信用)；每個提供商$500免費信用；研究項目額外資助。 是 (Q#開源) [30] IonQ、Quantinuum等合作夥伴的量子硬體及模擬器 [27, 30, 34]
    Amazon Braket 量子電路設計與構建；AWS託管模擬器；真實QPU訪問；混合量子-經典作業；集成PennyLane。 Python AWS免費套餐每月1小時免費模擬時間（持續一年）；AWS雲研究信用計劃。 是 [37, 38] Rigetti（超導）、IonQ（離子阱）、QuEra（中性原子）等 [39]

    3.2 免費量子模擬器與雲平台訪問選項

    為了降低NISQ應用的開發成本，免費的本地和雲端量子模擬器以及雲平台提供的免費訪問層至關重要。它們為開發者提供了無需高昂投資即可進行實驗和原型設計的環境。

    本地模擬器

    許多SDK都提供本地模擬器，例如Qiskit Aer [20]、Cirq內置模擬器 [23, 24, 25]、Amazon Braket的braket_sv本地模擬器 [37]。這些模擬器適用於小規模電路的快速原型開發和調試，且無需支付雲服務費用，顯著降低了開發初期成本 [7, 42]。研究表明，對於低於18個量子比特的電路，使用本地模擬器不僅更便宜，而且更快，避免了雲QPU（量子處理單元）資源的排隊和昂貴費用 [7]。這表明，在真實量子硬體昂貴且稀缺的背景下，模擬器提供了無成本或低成本的實驗環境，允許開發者在不消耗寶貴硬體時間的情況下，進行算法設計、調試和性能評估。對於大多數“pre-NISQ”階段（低於30個量子比特）的概念驗證和學習項目，本地模擬器是最高效和經濟的選擇。即使對於更複雜的NISQ算法，雲端模擬器也提供了成本效益更高的測試平台，從而顯著降低了開發和研究的財務門檻。模擬器的普及是量子計算民主化的重要一步，使得更多人能夠參與到量子算法的創新中。

    雲端免費層與信用額度

    主流雲平台為NISQ應用開發提供了多種免費或低成本的訪問途徑：

    • IBM Quantum Experience: 提供每月10分鐘的免費運行時長，可訪問真實量子硬體 [17, 18]。IBM Cloud還提供包含40多種免費產品的Lite計劃和新用戶200美元信用額度 [19]。
    • Google Cloud: 新客戶可獲得300美元的免費信用額度，並有20多款“始終免費”產品，例如Compute Engine的e2-micro實例、Cloud Storage的5GB存儲等 [26]。Cirq作為開源框架，其軟體本身免費 [23, 24]。
    • Microsoft Azure Quantum: Azure Quantum網站免費，QDK在VS Code中免費提供 [30, 31]。學生可通過Azure for Students項目獲得100美元Azure信用以及免費服務 [33]。Azure Quantum還為每個提供商（如IonQ, Quantinuum）提供500美元免費信用額度，並為批准的研究項目提供更多信用 [27, 30, 34]。
    • Amazon Braket: AWS免費套餐每月提供1小時免費模擬時間，持續一年，適用於SV1、DM1、TN1等托管模擬器 [39, 40, 41]。研究人員可申請AWS雲研究信用計劃，獲得資助以使用Amazon Braket進行量子計算研究 [39, 40]。

    其他開源模擬器

    除了主流SDK自帶的模擬器，還有許多其他開源庫提供模擬功能，例如ProjectQ、Perceval、QuTiP、TensorFlow Quantum、PennyLane、pyQuil等 [34, 42, 43]。其中，TensorCircuit是一個基於張量網絡收縮的開源量子電路模擬器，專為速度、靈活性和代碼效率而設計。它支持自動微分、即時編譯（JIT）、向量化並行和硬體加速，能夠模擬高達600個量子比特的電路，具有中等電路深度和低維連接性 [44]。這些工具為開發者提供了多樣化的選擇，以適應不同的開發需求和計算資源。

    3.3 NISQ 算法開發範式：混合量子-經典方法

    NISQ時代的核心開發範式是混合量子-經典算法，它結合了量子計算機處理複雜量子態的能力與經典計算機的優化和控制能力 [3, 4, 5, 6, 10, 11, 13]。這種範式是應對NISQ設備固有局限性的關鍵策略。

    工作流程

    典型的混合算法，如變分量子特徵求解器（VQE）和量子近似優化算法（QAOA），涉及一個參數化的量子電路和一個經典的優化器 [11, 13]。量子電路在量子硬體上運行，輸出數據（例如測量結果），這些數據被送回在經典計算機上運行的經典優化器，以最小化一個成本函數。隨後，優化器更新量子電路的參數，形成一個迭代循環 [11, 13]。這種循環允許算法在噪音環境中逐步收斂到近似解。

    優勢

    這種方法旨在彌補NISQ設備的局限性，特別是高噪音和有限的相干時間 [1, 2, 3, 5]。通過將對噪音敏感的量子操作限制在淺層電路中，並將大部分計算負擔（如優化、參數更新）轉移到經典計算機上，可以提高算法的魯棒性和實用性 [3, 4, 5, 11]。這使得NISQ設備能夠處理比純量子方法更深、更複雜的計算。

    重要算法

    NISQ時代的重要混合量子-經典算法包括：

    • 變分量子特徵求解器 (VQE): 用於尋找哈密頓量的基態，在量子化學模擬中廣泛應用 [1, 3, 4, 10, 11, 13]。
    • 量子近似優化算法 (QAOA): 用於解決優化問題，如MaxCut和投資組合優化 [1, 4, 10, 11, 45]。
    • 量子電路學習 (QCL): 用於量子過程斷層掃描、函數逼近和機器學習 [1, 10]。

    混合範式被描述為“近期的量子算法” [13]，旨在“在當今設備上解決實際問題” [13]。它們通過將部分計算卸載到經典處理器來“減輕噪音的影響” [4, 5]，並利用經典優化器進行迭代調整。這表明混合範式是NISQ時代實現“實用量子計算”的關鍵路徑，而非僅僅是理論探索。它承認了當前硬體的局限性，並通過巧妙地結合兩種計算模式來克服這些限制，從而使NISQ設備能夠處理一些具有實際意義的問題。對於低成本開發而言，這意味著開發者應將精力投入到如何高效地設計和優化混合算法上，而不是等待完美的容錯量子計算機出現。這種務實的態度降低了對量子硬體性能的極端要求，使得現有的NISQ設備能夠產生有價值的结果，從而加速量子計算的商業化進程。

    4. NISQ 應用的實際案例與研究進展

    NISQ設備及其算法已在多個領域進行了概念驗證和初步研究，展示了其在特定問題上超越經典計算的潛力。

    4.1 化學與材料科學

    NISQ設備在模擬分子行為和材料性質方面具有獨特優勢，因為這些問題本質上是量子的，經典計算機難以高效模擬 [1, 2, 3, 8, 10, 11, 12]。VQE算法被廣泛用於模擬分子的基態和化學反應 [1, 10]。例如，NEASQC項目開發了量子計算化學包，用於化學系統中的變分哈密頓量擬設狀態準備，並能優化和傳播波函數 [14]。該項目的一個代碼允許計算空間變形下苯的基態能量，並支持噪音模擬 [14]。QCL算法則應用於模擬材料及其性質 [1, 10]。研究表明，量子化學和材料科學不僅是NISQ的潛在應用，它們被認為是最有可能在當前硬體條件下實現“量子優勢”或“有用性”的領域。其“本質上是量子的”特性意味著這些問題在經典計算上難以高效模擬，而量子計算機的天然優勢在於處理量子力學問題。因此，對於低成本開發而言，將有限的資源集中於這些“殺手級應用”的探索，可能更容易找到突破口，並為NISQ技術帶來實際價值。這種聚焦策略有助於避免在通用性上投入過多但收效甚微的資源，從而提高研發的成本效益。

    4.2 優化問題

    NISQ算法在解決各種優化問題上顯示出潛力。QAOA是解決MaxCut問題和金融投資組合優化等問題的有效方法 [1, 4, 10, 11]。這些算法通常是啟發式的，旨在找到各種優化問題的近乎最優解 [7]。NEASQC項目也探索了QAOA在電動汽車智能充電調度（圖著色問題）和網格分割中的應用，通過將問題轉化為二次無約束二元優化（QUBO）問題來解決 [14]。此外，相位估計、多特徵值估計、基態性質估計和振幅估計等任務，也都有相應的NISQ算法，例如隨機傅立葉估計算法 [15]。這些應用表明NISQ設備能夠為複雜的優化挑戰提供新的解決方案。

    4.3 機器學習與數據分析

    NISQ量子算法在機器學習和數據分析領域的應用也日益受到關注。QCL算法已被用於開發可以在經典數據上訓練的量子機器學習模型 [1, 10]。VQA則被用於數據分析和提取洞察 [1, 10]。研究方向包括將參數化量子電路設計為增強型機器學習模型，以及探索其在無監督生成機器學習模型中的潛力，例如用於學習數據集中的底層模式並生成新樣本 [13]。儘管當前量子機器學習（QML）應用受限於量子比特數量和噪音，但混合量子-經典方法（如結合經典優化器和量子電路）能夠在一定程度上緩解這些問題，使得QML能夠處理較小且受限的問題 [5]。

    4.4 教育與社區建設

    NISQ時代的發展不僅依賴於技術突破，也高度依賴於人才培養和社區協作。許多免費的教育資源和開源項目極大地降低了學習和參與量子計算的門檻。

    • 免費教育資源: Qiskit Global Summer School提供為期兩週的強化課程，旨在培養未來的量子研究人員和開發者 [46]。Azure Quantum提供了互動式、免費的學習路徑，以及Quantum Katas等自學教程 [35, 36]。Q-CTRL的Black Opal是一款互動式量子教育工具，幫助用戶從零基礎開始學習量子計算 [47]。此外，還有許多免費的移動應用程式，如Hello Quantum和Quantum TiqTaqToe，通過遊戲化方式教授量子力學基礎 [48]。
    • 開源項目與社區發展: Cirq作為開源Python框架，鼓勵社區貢獻者參與開發 [23, 24]。NEASQC（NExt ApplicationS of Quantum Computing）項目匯集了學術專家和工業終端用戶，共同開發適用於NISQ系統的量子應用，並旨在建立一個活躍的歐洲NISQ量子計算社區，提供通用工具集 [14]。DoraHacks和MIT iQuHACK等量子計算黑客松活動，為學生和早期職業專業人士提供了在真實量子硬體或模擬器上開發和測試代碼的機會，且通常免費參與 [49, 50]。這些活動不僅促進了技術創新，也推動了知識共享和人才培養。

    開源項目和黑客松在推動NISQ時代社區發展和創新方面發揮著關鍵作用。它們通過提供免費的開發工具和協作平台，極大地降低了進入量子計算領域的障礙。這種開放的生態系統鼓勵了全球範圍內的開發者、研究人員和學生共同參與量子算法和應用的探索。通過集體智慧和開源協作，可以加速新想法的驗證和實施，並在解決實際問題的過程中發現新的應用潛力。這種模式不僅降低了單個實體的研究和開發成本，還能加速整個領域的進步，從而促使NISQ技術更快地走向實用化。

    5. 面臨的挑戰與未來趨勢

    儘管NISQ技術在低成本開發和應用探索方面取得了顯著進展，但其固有局限性仍帶來諸多挑戰，同時也指明了未來的發展方向。

    5.1 技術挑戰

    NISQ設備的主要技術挑戰源於其“嘈雜”的特性和有限的規模。

    • 噪音和錯誤率: NISQ設備的量子操作容易出錯，導致高錯誤率 [1, 2, 3, 4, 5]。這些錯誤會隨著電路深度的增加而累積，嚴重影響計算的準確性 [5]。
    • 有限的相干時間: 量子態在NISQ設備中非常脆弱，相干時間有限，這意味著量子計算必須在極短時間內完成，限制了電路的深度和複雜性 [1, 5]。
    • 可擴展性: 當前NISQ設備難以擴展到大量量子比特，同時保持對量子態的控制和校準也極具挑戰性 [1, 2, 3, 5, 11]。
    • 錯誤緩解與校正: 由於NISQ設備不具備完整的容錯能力，錯誤緩解技術（如零噪音外推）成為降低噪音影響的關鍵 [4, 5, 9]。然而，這些技術只能在事後處理噪音，而非實時校正 [4]。

    5.2 成本與可訪問性挑戰

    儘管雲平台和開源工具降低了部分門檻，但量子硬體的實際成本和操作複雜性仍然是挑戰。

    • QPU訪問成本: 儘管有免費層級，但大規模或長時間訪問真實QPU的成本仍然高昂 [7, 41]。
    • 特殊環境要求: 物理量子計算機需要極端低溫和複雜的控制系統等特殊操作環境，這使得其部署和維護成本極高 [51]。
    • “量子優勢”的證明: 迄今為止，尚未有NISQ應用在商業價值上明確超越經典超級計算機 [7, 8]。大多數NISQ實驗仍處於“前NISQ”階段（少於30個量子比特），主要用於概念驗證，尚未展示出超越經典計算的速度優勢 [7]。

    5.3 未來趨勢

    NISQ時代的挑戰也催生了多個關鍵的未來發展趨勢：

    • 錯誤緩解技術的進步: 繼續開發更有效的錯誤緩解技術是活躍的研究領域，例如零錯誤概率外推（ZEPE） [9, 11]。
    • 量子-經典混合算法的演進: 探索新的量子-經典混合方法對於開發實用NISQ算法至關重要 [11]。這將涉及更精巧的量子電路設計和經典優化算法的選擇 [11]。
    • “殺手級應用”的識別: 優先識別能夠充分展示NISQ設備獨特能力的“殺手級應用”至關重要，特別是在量子化學和材料科學等“本質上是量子”的領域 [8, 12]。
    • 硬體與軟體的協同設計（Co-design）: 實現經典與量子計算的協同增效需要量子應用、算法和程式設計環境的共同設計，並將高性能計算（HPC）與量子硬體集成 [8, 12]。這種跨學科的協作對於釋放NISQ計算的全部潛力至關重要。
    • AI與深度學習的集成: 將AI和深度學習方法融入NISQ計算，例如量子物理信息神經網絡和可微分量子電路，將是未來的重要方向 [8, 12]。
    • 雲服務的持續民主化: 雲量子計算的快速發展將進一步降低量子計算資源的使用門檻，使得研究人員和開發者無需擁有自己的量子硬體即可探索量子算法 [51]。

    6. 結論與建議

    NISQ時代是量子計算發展的關鍵階段，儘管面臨噪音、可擴展性和相干時間等固有挑戰，但通過戰略性的低成本開發方法，仍能推動量子應用的探索和實用化。

    分析表明，開源SDKs（如IBM Qiskit、Google Cirq、Microsoft Azure Quantum、Amazon Braket）是降低開發門檻的核心。這些SDKs提供了豐富的工具和介面，支持量子電路構建、模擬和硬體訪問。更重要的是，各大雲服務提供商通過免費層級、學術資助和研究信用計劃，將昂貴的量子硬體抽象為按需服務，極大地民主化了量子計算資源的訪問。本地模擬器在開發初期和概念驗證階段扮演著不可或缺的角色，為開發者提供了高效且零成本的實驗環境。

    混合量子-經典計算範式是NISQ時代實現“實用量子計算”的關鍵路徑。這種範式通過將噪音敏感的量子操作限制在淺層電路中，並將大部分計算負擔（如優化）轉移到經典計算機上，有效緩解了NISQ設備的局限性。VQE和QAOA等混合算法已在量子化學、材料科學和優化問題中展現出潛力，其中量子化學因其“本質量子”特性被視為最具潛力的“殺手級應用”領域。此外，開源項目、黑客松和免費教育資源的蓬勃發展，正在加速量子計算社區的建設和人才培養，進一步降低了學習和參與的門檻。

    基於上述分析，本報告提出以下建議，以促進低成本NISQ應用的開發：

    1. 充分利用開源SDK和免費雲服務: 開發者應積極探索和利用Qiskit、Cirq、Azure Quantum和Amazon Braket等開源SDK及其提供的免費層級和學術資助。這將最大程度地降低初始投資，並提供接觸多種量子硬體和模擬器的機會。
    2. 優先採用混合量子-經典算法範式: 認識到NISQ設備的局限性，開發者應將重點放在設計和優化混合量子-經典算法上。這不僅能提高算法的魯棒性，還能使現有硬體產生有價值的結果。
    3. 聚焦“本質量子”問題領域: 在資源有限的情況下，優先將開發精力投入到量子化學、材料科學和特定優化問題等“本質上是量子”的領域。這些領域更可能在NISQ時代實現“量子優勢”，從而帶來實際價值。
    4. 積極參與社區與教育資源: 開發者應利用免費的線上課程、黑客松和開源社區，持續學習和實踐。這些平台提供了寶貴的知識、協作機會和實踐經驗，有助於加速個人技能成長和項目創新。
    5. 探索AI與量子計算的融合: 考慮將人工智慧和深度學習方法集成到NISQ應用中，以利用兩者的協同效應。這可能為複雜問題提供新的解決方案，並加速“殺手級應用”的發現。

    總體而言，NISQ時代的低成本開發並非遙不可及。通過明智地選擇工具、策略和應用領域，開發者和研究人員可以在當前技術條件下，以可控的成本推動量子計算的創新，為未來容錯量子計算的到來奠定堅實基礎。

    王培儒 量子演算與量子應用