[论文解读] Evolution of Quantum Computing: A Systematic Survey on the Use of Quantum Computing Tools

Paramita Basak Upama, Md Jobair Hossain Faruk+7 more|arXiv (Cornell University)|Apr 4, 2022

Quantum Computing Algorithms and Architecture被引用 9

一句话总结

本篇系统性综述综合了近年来量子计算工具、框架和平台的最新进展，按层级、功能和应用场景进行分类。评估了Cirq、TensorFlow Quantum和ProjectQ等开源工具，识别出量子软件工程中的关键挑战，并为加速从理论量子算法向现实系统中实际应用的转化指明了未来研究方向。

ABSTRACT

Quantum Computing (QC) refers to an emerging paradigm that inherits and builds with the concepts and phenomena of Quantum Mechanic (QM) with the significant potential to unlock a remarkable opportunity to solve complex and computationally intractable problems that scientists could not tackle previously. In recent years, tremendous efforts and progress in QC mark a significant milestone in solving real-world problems much more efficiently than classical computing technology. While considerable progress is being made to move quantum computing in recent years, significant research efforts need to be devoted to move this domain from an idea to a working paradigm. In this paper, we conduct a systematic survey and categorize papers, tools, frameworks, platforms that facilitate quantum computing and analyze them from an application and Quantum Computing perspective. We present quantum Computing Layers, Characteristics of Quantum Computer platforms, Circuit Simulator, Open-source Tools Cirq, TensorFlow Quantum, ProjectQ that allow implementing quantum programs in Python using a powerful and intuitive syntax. Following that, we discuss the current essence, identify open challenges and provide future research direction. We conclude that scores of frameworks, tools and platforms are emerged in the past few years, improvement of currently available facilities would exploit the research activities in the quantum research community.

研究动机与目标

• 系统性地对近年来开发的量子计算工具、框架和平台进行分类与分析。
• 识别当前量子软件工程实践中阻碍实际部署的缺口与挑战。
• 提供量子计算层级的结构化概览，并阐述现代量子平台的特性。
• 通过突出工具链中尚未充分发展的领域和新兴机遇，为未来研究提供指导。

提出的方法

• 对2015年至2022年间与量子计算相关的同行评审论文、工具和框架进行了系统性文献回顾。
• 将量子计算工具按层级分类：硬件抽象层、量子线路设计、仿真以及高层编程。
• 基于Python量子编程中的语法、集成性和易用性，评估了Cirq、TensorFlow Quantum和ProjectQ等开源工具。
• 分析了门保真度、量子比特数量和错误率等平台特性，以评估其成熟度和在实际应用中的适用性。
• 识别出量子软件工程中的重复性挑战，包括错误缓解、可扩展性以及工具互操作性。
• 基于当前趋势和局限性，对研究缺口和未来方向进行了前瞻性分析。

实验结果

研究问题

• RQ1 现代量子计算工具和框架的关键类别与功能是什么？
• RQ2 主流开源量子编程工具在易用性、集成性和性能方面如何比较？
• RQ3 哪些主要的技术与工程挑战阻碍了量子应用的实际部署？
• RQ4 哪些量子平台特性最显著地影响开发工具与算法的选择？
• RQ5 哪些未来研究方向最能弥合理论量子算法与现实世界量子计算之间的差距？

主要发现

• 大量量子计算工具和框架（包括Cirq、TensorFlow Quantum和ProjectQ）已涌现，支持使用直观语法的Python量子程序开发。
• 本综述指出，当前工具主要聚焦于线路级编程，对高层算法抽象和端到端应用开发的支持有限。
• 在错误缓解、量子比特相干性和软硬件协同设计方面仍存在显著挑战，限制了当前量子平台的可靠性和可扩展性。
• 工具与平台之间的互操作性有限，导致在不同量子硬件栈之间移植应用存在障碍，阻碍了更广泛的应用。
• 作者得出结论：增强现有工具并开发标准化接口，对于加速量子软件工程的发展至关重要。
• 未来研究应优先关注工具集成、自动化错误纠正，以及为现实世界应用开发领域特定的量子编程抽象。