[论文解读] A comprehensive survey on quantum computer usage: How many qubits are employed for what purposes?

Tsubasa Ichikawa, Hideaki Hakoshima+19 more|arXiv (Cornell University)|Jul 30, 2023

Quantum Computing Algorithms and Architecture参考文献 47被引用 6

一句话总结

本文基于quant-ph arXiv板块的预印本，对量子计算机的使用情况进行了全面调查，分析了量子比特数量、应用领域及厂商使用情况。研究发现，尽管平均量子比特使用量约为6–10个，且随量子体积增长而上升，但量子误差校正与噪声抑制实验所用的量子比特数量显著更多，表明近期NISQ设备正朝着更深层次、容错性更强的协议发展。

ABSTRACT

Quantum computers (QCs), which work based on the law of quantum mechanics, are expected to be faster than classical computers in several computational tasks such as prime factoring and simulation of quantum many-body systems. In the last decade, research and development of QCs have rapidly advanced. Now hundreds of physical qubits are at our disposal, and one can find several remarkable experiments actually outperforming the classical computer in a specific computational task. On the other hand, it is unclear what the typical usages of the QCs are. Here we conduct an extensive survey on the papers that are posted in the quant-ph section in arXiv and claim to have used QCs in their abstracts. To understand the current situation of the research and development of the QCs, we evaluated the descriptive statistics about the papers, including the number of qubits employed, QPU vendors, application domains and so on. Our survey shows that the annual number of publications is increasing, and the typical number of qubits employed is about six to ten, growing along with the increase in the quantum volume (QV). Most of the preprints are devoted to applications such as quantum machine learning, condensed matter physics, and quantum chemistry, while quantum error correction and quantum noise mitigation use more qubits than the other topics. These imply that the increase in QV is fundamentally relevant, and more experiments for quantum error correction, and noise mitigation using shallow circuits with more qubits will take place.

研究动机与目标

• 通过量化量子比特数量、应用领域及厂商偏好，分析当前学术研究中量子计算机的使用现状。
• 识别不同研究主题在量子算法开发与硬件利用方面的趋势。
• 评估量子体积（QV）与实际实验中所用量子比特数量之间的相关性。
• 考察量子误差校正与噪声抑制在NISQ限制下如何推动更高量子比特使用量。
• 评估系统级改进（如门基准测试与量子控制）在厂商与非厂商研究人员中的日益增长的关注度。

提出的方法

• 收集并分析了arXiv的quant-ph板块中在摘要中明确声称使用量子计算机的预印本。
• 按应用领域、量子比特数量、QPU厂商及研究重点（如误差校正、机器学习）对论文进行分类。
• 计算描述性统计量，包括每篇论文的中位数与均值量子比特数量，并追踪年度发表趋势。
• 将量子比特使用量与量子体积（QV）相关联，以评估硬件成熟度与可扩展性趋势。
• 识别并分析高量子比特实验（如>30个量子比特），以理解其目的与电路深度。
• 考察厂商在系统级研究（如噪声表征与误差缓解）中的贡献与趋势。

实验结果

研究问题

• RQ1 当前量子计算研究中，不同应用领域所使用的典型量子比特数量是多少？
• RQ2 平均量子比特数量随时间如何演变？其与量子体积（QV）之间存在何种相关性？
• RQ3 哪些研究主题推动了更大规模量子比特的使用？原因是什么？
• RQ4 厂商与非厂商作者在量子硬件使用模式上存在哪些差异？
• RQ5 在量子比特数量的背景下，系统级研究（如误差校正与噪声抑制）中出现了哪些新兴趋势？

主要发现

• 量子计算研究中使用的平均量子比特数量为10.5个，中位数为6个，随着量子体积（QV）的增长而稳步上升。
• 超过一半的预印本聚焦于量子机器学习、凝聚态物理与量子化学等应用。
• 量子误差校正与噪声抑制实验所用的量子比特数量显著更多——通常超过30个，远高于通用应用。
• 使用量子计算机的论文数量稳步增长，但过去两年似乎趋于平稳。
• IBM QPU在发表数量上占主导地位，但Quantinuum的占比正在迅速上升；Google的平均量子比特使用量高于其他厂商。
• 高量子比特实验主要为浅层电路实现，聚焦于量子计算优越性、多体模拟与误差校正，表明战略重点正转向容错准备。