最全量子计算硬件概述（建议收藏）
一、量子计算简介 二、可行量子计算机的5大准则 2.1 表征量子比特 2.2 能很好的将量子态初始化至初态 2.3 拥有一套通用的量子门操作 2.4 具有特定量子比特的测量能力 2.5 退相干时间与门操作时间比值 三、量子计算机的硬件结构 3.1 量子数据平面 3.2 控制和测量平面 3.3 控制处理器平面 3.4 主处理器 四、量子比特技术 4.1 离子阱量子比特 4.1.1 基本原理和现状 4.1.2 现状 4.1.3 机遇和挑战 4.2 超导量子比特 4.2.1 基本原理和现状 4.2.2 现状 4.2.3 机遇和挑战 4.3 其他量子比特技术 4.3.1 光量子 4.3.2 中性原子 4.3.3 半导体 五、总结和未来展望
量子计算是指利用量子的特性，也就是自然界在原子尺度上的特性，来解决复杂的问题，计算速度远超经典计算机。量子计算机并不是简单的经典计算机的更快版本，它们是一种根本不同的计算模式，因为量子计算机利用量子力学的基本规律进行计算。
量子的奇异特性，即量子计算比特（称为 "量子比特"）在同一时间可以处于多种状态并可以相互连接，为高度并行的信息处理打开了大门，带来了前所未有的新机遇。
量子计算有可能被应用于解决密码学、化学、医学、材料科学和机器学习等领域的重要问题，而这些问题对于传统计算机来说是相对困难的。虽然目前还不清楚哪些具体的任务可以从并行的量子处理（即量子并行）中获益，但预计使用量子计算机可以极大地加速一些问题的解决，特别是与优化有关的问题。
量子计算具有巨大潜力，本文的重点是量子计算硬件。量子计算硬件是一个非常活跃的研究领域。全球有100多个学术团体和政府下属实验室正在研究如何设计、构建和控制量子系统，众多科技巨头和初创公司现在正致力于将由超导和离子阱以及其他技术构建的量子计算机商业化。
尽管大众媒体的报道往往集中在量子比特的发展和目前原型量子计算芯片中的量子比特数量上，但任何量子计算机都需要采用集成硬件的方法，使用硬件来实现对量子比特的控制、编程和读取。我们将这些硬件按其功能进行划分，创建每个量子计算机所包含的四个硬件层，并描述了经典计算资源和量子计算资源之间的关系。
现在尚不清楚量子计算长期发展中会使用哪一类或者哪几类技术。为了让大家了解不同技术的优势和挑战，本文详细介绍目前2种最主流的量子硬件技术，离子阱和超导量子计算，以及它们的扩展问题，同时也简要介绍其他目前蓬勃发展的量子技术。
二、可行量子计算机的5大准则
制造量子计算机，或者声称实现了量子计算机原型机是一个非常严肃而且伟大的问题。虽然拥有几个或几十个比特的量子计算机，在物理系统上可以被实现，但是想要制造出可以有效工作的量子计算机对当前的科学研究来说仍然是一个不小的挑战。
2000年IBM的研究员DiVincenzo提出了5条准则（即DiVincenzo criteria）和两个附加量子通信标准，只有满足准则的物理体系，才有望构建出可行的量子计算机[1]。无论采用哪种技术路线，无论是离子阱还是超导，都必须满足这5条准则。以下是5条准则的概述：
2.1 表征量子比特
在可扩展的物理体系中，要能很好的表征（定义）量子比特。需要一个由多比特组成的，用来存储信息的量子寄存器。在量子体系中，一种能够物理上实现量子比特的最简单的方式，莫过于利用二能级物理体系。例如：电子自旋、自旋为1/2的原子核等。同时使用几种类型的量子比特可能是实现可行的量子计算机的最有前景的方式。
2.2 能很好的将量子态初始化至初态
当经典计算机无法重置时，即使其处理过程非常正确，所得的计算结果也不会令人信服。因此初始化对于经典计算机和量子计算机来说都是一个重要的部分。
2.3 拥有一套通用的量子门操作
对于一台内存比较大的经典计算机，需要通过一系列的逻辑门操作，把数据编码到内存上去。对于量子计算来说需要在内存上应用任意的逻辑操作门，去完成有用的量子信息处理过程。
2.4 具有特定量子比特的测量能力
经典计算的结果必须显示在屏幕上或打印在一张纸上以读出结果，虽然读出过程被认为是经典计算的一部分，但它也是量子计算中的重要组成部分。
对于量子计算，需要测量运算量子算法之后的状态以提取计算结果，测量过程在很大程度上取决于所考虑的物理系统。由于退相干（量子比特非常脆弱，它对外界的微扰极其敏感，量子比特的计算状态如果由于外界影响发生变化称为退相干），量子门操作误差等原因，测量通常没有100％的准确性。如果是这种情况，必须重复多次相同计算，以达到合理且比较高的置信度。
2.5 退相干时间与门操作时间比值
建造一个可实用的量子计算机，退相干的问题可能是一个最大的障碍。由于系统会和环境有相互作用，退相干也就意味着量子态的诸多方面都会退化，同时也会限制量子计算的最大有效时长。
但相干时间的绝对时长并不是最重要的，最核心的是相干时长与门操作时长的比值，我们在第三章的结尾的汇总表有具体说明。
此外，另2个附加标准是关于量子通信方面，这里我们不予讨论。
三、量子计算机的硬件结构
目前市场中，量子计算机几乎都采用门操作来控制量子比特，本章我们讨论门型量子计算的结构。为了帮助理解基于门型量子计算机的硬件组件，我们可以用四个抽象层来建模：
量子数据平面，即量子比特所在的地方； 控制和测量平面，负责根据需要对量子比特进行操作和测量； 控制处理器平面，它决定算法所需的操作和测量顺序，为后续的量子操作提供信息； 主处理器，这是一台经典计算机，负责处理对网络、大型存储阵列和用户界面的访问。该主处理器运行传统的操作系统/用户界面，方便用户交互，并与控制处理器有高带宽连接。
3.1 量子数据平面
任何量子计算机最重要的部分是它其中的量子比特。量子数据平面是量子计算机的 "心脏"。它包括物理的真实量子和将其固定所需的结构。它还必须包含一些必要的线路支持来测量，并对基于门型系统的物理量子进行门操作。通过量子计算机的门操作将控制信号传输到特定的量子比特，设置它的状态。
在某些方面，量子数据平面看起来类似于现场可编程逻辑门阵列（FPGA）。FPGA是经典的计算设备，包含大量灵活的逻辑块。每个逻辑块都可以被配置，在程序运行时执行一个逻辑功能，逻辑块之间还可以互连。
对于基于门型系统，由于一些操作需要两个量子比特，量子数据平面必须提供一个可编程的网络，使两个或更多的量子比特能够互动。高保真度要求量子比特与环境有很好的隔离，这就限制了量子比特间连通性，每个量子比特较难直接与其他量子比特进行交互。
在经典计算机中，控制平面和数据平面组件都使用相同的硅技术，并且集成在同一个器件上，而量子数据平面的控制则需要根据不同的量子比特而采用不同的技术，并且由一个单独的控制层和测量层在外部完成。想要操控特定量子比特，必须发送控制信息给指定的量子比特。
在某些系统中，这种控制信号是用导线进行电传输的，所以这些导线是量子数据平面的一部分；在其他系统中，它是用光学或微波辐射传输的。传输必须以一种具有高特异性的方式实现，它只影响对应的量子比特，而不干扰系统中其他的量子比特。
随着量子比特数量的增加，会变得越来越困难；因此，单个模块中的量子比特数量是量子数据层的另一个重要参数。
3.2 控制和测量平面
控制和测量平面将控制处理器的数字信号（要执行的量子操作）转换为对量子数据平面中的对量子比特进行操作所需的模拟控制信号。它还要将数据平面中的量子比特的测量输出转换为控制处理器可以处理的经典二进制数据。
控制信号的产生和传输具有一定的挑战性，控制信号中的微小误差，或者量子比特的物理设计不规范，都会影响运算结果。随着机器的运行，与每个门操作相关的误差会不断累积。
任何这些信号隔离的不完善，信号串扰（crosstalk）等都会导致在操作过程中出现本不应该有的其他微小控制信号，导致其量子比特状态产生误差。
对控制信号进行适当的屏蔽是很必要的，但比较复杂，因为它们必须通过设备，通过真空、冷却或两者结合来隔离量子数据平面（量子比特所在的位置）与其周围环境；这一要求制约了可能的隔离方法。
量子计算控制信号的性质取决于量子比特技术。例如，离子阱量子比特的系统通常依靠通过自由空间或波导传输的微波或光学信号（电磁辐射的形式）传递到量子比特的位置。
超导量子比特系统是利用微波和低频电信号进行控制的，通过导线进行通信，这些导线进入冷却设备（包括 "稀释制冷机 "和 "低温恒温器"），到达受控环境内的量子比特。
由于任何量子门的速度都不可能比实现它的控制脉冲更快，即使量子系统原则上允许超快运行，门的速度也会受到构建和传输精细的控制脉冲所需时间的限制。幸运的是，如今的速度已经足够快，门速度受限于量子数据平面，而不是控制和测量平面。目前这个门速度对于超导量子比特来说是几十到几百纳秒，对于离子阱量子比特来说是一微秒到几毫秒。
3.3 控制处理器平面
控制处理器平面控制并发送一系列适当的量子门操作和测量(随后由控制和测量平面在量子数据平面上执行)。这些序列执行由主处理器提供的程序，实现量子算法。程序必须由软件工具堆栈针对量子层的特定功能进行定制。
控制处理器平面最重要和最具挑战性的任务之一是运行量子纠错算法。表面码是目前纠错的主要方法。需要进行大量的经典信息处理，以根据测量的综合结果计算纠错所需的量子操作，这种处理所需的时间可能会减慢量子计算机的运行速度。为大型量子机构建一个控制处理器平面是一个挑战，也是一个活跃的研究领域。
控制处理器平面将编译代码转换为控制和测量层的指令。因此，用户不会直接与控制处理器平面交互。相反，用户将与一台主机（主处理器）交互。该平面将附着在该计算机上，并起到加速执行一些应用程序的作用。
这种类型的架构在今天的计算机中得到了广泛的应用，从图形学到机器学习再到网络。一般与主机处理器有高带宽的连接，通常是通过共享访问主处理器的部分内存，它既可以用来传输控制处理器应该运行的程序，也可以用来传输运行过程中应该使用的数据。
3.4 主处理器
主处理器是一台经典的计算机，运行的是传统的操作系统。这个计算系统提供了用户期望从计算机系统中获得的所有软件开发工具和服务。
它将运行创建要在控制处理器上运行的应用程序所需的软件开发工具，这些工具与今天的经典计算机的控制工具不同，并提供量子应用程序在运行时可能需要的存储和网络服务。
将量子处理器连接到经典计算机上，可以使其利用所有的功能，而不需要完全从头开始。
四、量子比特技术
在1994年发现Shor算法之后，人们开始认真努力寻找一个适当的物理系统，实现量子逻辑运算。本章将梳理目前候选的量子比特技术，对于2种量子比特技术，即超导和离子阱量子比特，本文讨论技术细节以及目前的挑战，以及对扩展到大型量子计算机的前景的评估。
选择分析离子阱和超导这2种技术主要有以下3个原因：
1、量子计算科技巨头采用这两种技术，比如霍尼韦尔采用离子阱；IBM、谷歌均采用超导技术路线；
2、量子计算获得投资最多的前10家初创硬件公司，离子阱和超导获得投资占比合计约为60%，占领半壁以上江山；比如IonQ使用的离子阱技术，Rigetti、IQM Finland、SeeQC、Quantum Circuits使用的超导技术。
图11 ｜TOP10量子计算（硬件）公司投资占比（数据来源：量子客,TQD,Quantum Computing Report）
3、从量子计算云平台后端硬件分布角度，离子阱和超导也是占绝对主力，这两类后端接入频次最高，占比合计约为80%。
所以本文选择主要分析这2种技术，我们从离子阱量子比特开始。
4.1 离子阱量子比特
继1995年提出理论建议[2]之后，第一个量子逻辑门于同年利用离子阱[3]进行了演示。自最初的演示以来，量子比特控制方面的技术进步使得小规模的实验演示成为可能，并实现了较广的简单量子算法。
离子阱量子数据平面由作为量子比特的离子和将它们固定在特定位置的陷阱组成。控制和测量平面包括一个非常精准的激光(或微波)源，可以直接照射到特定的离子上以影响其量子状态，对其进行门操作，另一束激光用于冷却并实现对离子的测量，以及一组光子探测器，通过检测离子散射的光子来测量离子的状态。
尽管在小规模演示中取得了成功，但用离子阱构建当前计算工业标准认为可行的可扩展的量子计算机仍然是一项重大挑战。
与集成电路实现的晶体管的大规模集成不同，构建基于离子阱量子比特的量子计算机需要整合来自许多不同领域的技术，包括真空、激光和光学系统、射频和微波技术以及相干电子控制器[4-6]。通往可行的量子计算机的道路必须解决这些挑战。
|4.1.1 基本原理和现状
首先把原子变成了离子，用一种线性离子阱的专门芯片，将它精确地固定在三维空间中。这个小型陷阱拥有大约100个微小的电极，经过精确设计、光刻和控制，产生电磁力，将我们的离子固定在适当的位置，与环境隔离，以尽量减少环境噪音和退相干。
我们不会仅仅停留在一个离子上，那不会成为一个有用的量子处理器。可以将任意数量的离子加载成线性链。
这种按需重新配置的能力使我们在理论上可以创建任何东西，从一个量子比特到一个100多个量子比特系统，而无需制造一个新的芯片或改变底层硬件。
在进行计算之前，必须做好充足的准备。这主要有两个主要步骤:
冷却，减少了计算噪音； 状态准备，将初始化每个离子到一个明确定义的零态，准备执行算法。
我们使用一系列门操作来改变量子比特的状态，首先对其进行编码，然后对我们想要计算的信息进行操作。
为了实现这些门，使用了一组单独的激光束，每个激光束照射到一个单独的离子上，再加上一个整体光束。两束光之间的干涉产生了一个拍音，这个拍音恰好是将量子比特送入不同状态所需的能量。
一旦计算完成，同时用共振激光照射所有离子来读取离子的答案。这个过程会使已经创建的任何复杂的量子信息塌缩，并迫使每个量子比特进入两种状态之一（0态或1态）。
通过收集和测量这种光线，可以同时读出每个离子的坍缩状态，其中一种状态会对激光作出反应而发光，而另一种则不会。我们将其解释为一个二进制串，其中每个发光的原子是1，每个暗原子是0。
|4.1.2 现状
基于高保真的元件，已经组装了小规模的离子阱系统，该系统可编程，构成了通用量子计算机的基础。双量子门的保真度行业领先，高达99%-99.9%，在系统中随着规模的增长，保持所有量子的高保真度是一个挑战。
尽管如此，这些原型系统的多功能性使得各种量子算法和任务能够在其上实现。完全可编程的小规模离子阱系统已经被用来实现Grover搜索算法[7,8]、Shor大数分解算法[9]、量子傅里叶变换[10,11]等。
迄今为止演示的所有通用离子阱量子计算机系统的原型都是由阱中的几个到几十个静态离子链组成。
其中，单量子门操作需要几个μs，双量子门操作需要10-100μs，取决于不同门的性质。门操作时间远小于离子的相干时间0.2-600s，相干时间取决于量子比特的种类。相干时间与门操作时间的比值上线高达10^{6}。
链中的每一个离子都可以与链中的其他每一个离子相互作用，这是因为在一个阱中，强库仑相互作用通过这些离子共享运动自由度。这种相互作用可以被用来实现非相邻离子之间的量子逻辑门，因为量子比特不是通过物理线路连接，每个量子比特都可以与其他的量子比特相互作用，不需要中间步骤。
这意味着大量减少了通信的开销，进而减少了计算噪音。从而实现量子比特之间的全连接。
|4.1.3 机遇和挑战
与目前的机器一样，早期的示范系统由一条离子链组成，并具链上各量子比特之间全连接，有效地实现任意线路结构的量子线路。
然而，在创建一个真正可扩展的、容错的离子阱量子计算机的过程中，仍然存在许多概念和技术上的挑战。这些挑战的例子包括：随着链长的增加，隔离单个离子运动的困难；用激光束单独处理的离子数量；测量单个量子比特等。
进一步将离子阱量子计算机的规模扩展到远远超出证明量子优势所需的大小，朝着实现有用的量子算法的实例发展，将需要超越单离子链方法的策略。
超越单链的第一个策略是在单个芯片中设置多条离子链，并具有分离、移动或穿梭的能力，并将一个或多个离子从一条链重新合并到另一条链[12]。这种穿梭需要一个具有多个可控电极的复杂阱。由于量子信息存储在离子的内部状态中，在实验中已经证明了这种状态不受链间穿梭的影响，所以这种方法不会造成任何可检测的退相干[13]。
新的加工技术有可能被用于在单个芯片上连接多个离子链，从而实现规模化的增长，但前提是操纵这些量子比特所需的控制器能够相应地被集成。即使这种离子穿梭在单个芯片上取得成功，最终也需要进一步扩大系统规模。目前正在探索两种方法：光子互连，以及平铺芯片。
将多个量子比特系统连接到一个更大的系统中的一种策略是使用量子通信通道。一种可行的方法是将子系统中的一个离子准备成特定的激发态，并诱导它发射光子，使光子的量子态（例如，它的偏振或频率）与离子阱量子比特纠缠在一起[14,15]。
利用光子网络连接离子阱芯片成为一条可行的路径，这种方法利用现有的光子网络技术，如大型光交叉连接开关[16]，将数百个离子阱子系统连接成模块化、并行量子计算机网络提供了可能[17-19]。
超越单离子阱芯片的另一种方法是将所有的子系统进行平铺（单片集成），以创建一个更大的系统，其中一个离子阱芯片的离子可以转移到另一个芯片上[20]。这种跨不同集成电路的穿梭，需要仔细地排列穿梭通道，并对这些集成电路的边界进行特殊的准备，这一点还没有得到证明。
在这个建议中，所有的量子比特门都是通过微波场和磁场梯度来进行的，摆脱了使用激光束带来的离谐自发散射和稳定性挑战[21]。
虽然这种集成方法目前仍是推测性的，但这种方法的潜在好处是只依靠成熟的微波技术和电控制来实现关键的量子逻辑门，而不是使用激光器和光学器件，因为后者需要更高精度的元件。
对于阱中的离子，向可扩展的量子计算机发展的必要技术包括：
制造具有更高级别功能的离子阱；
组装具有足够控制能力的稳定的激光系统；
将驱动量子门(微波或光学)的电磁场以足够的精度传递到离子上，只影响被锁定的量子比特(最好允许一次进行多个操作)；
提升整个系统的保真度，以满足实际应用需求。
如果这些挑战都能得到解决，人们就能利用离子阱中的优势：在所有物理系统中，代表单个量子比特的一些最佳性能，这要归功于这些天然的离子量子比特（与制造的量子比特不同），以及在小实验规模下量子门操作的高保真度。
4.2 超导量子比特
超导量子比特使用光刻的电子线路。当冷却到毫开尔文温度时，它们表现出量子化的能级（例如，由于电子电荷或磁通量的量子化状态），因此有时被称为 "人造原子"[22]。它们与微波控制电子器件的兼容性、在纳秒时间尺度下工作的能力、不断提升的相干时间以及利用光刻扩展的潜力，所有这些都使超导量子比特跻身于数字量子计算和量子退火所考虑的量子比特模式的前列。
|4.2.1 基本原理和现状
约瑟夫森结由诺贝尔物理学奖得主Brian Josephson的名字命名，是组成超导量子比特的核心部分。其中约瑟夫森结就是由超导体-绝缘体-超导体所组成的结。当温度低于临界温度是，双电子会以库珀对的形式穿过绝缘体，形成超导电流。
图20左：为量子化的LC电路能级分布，能级间距相同，不适合作为量子比特。图20右：如果把电感换成非线性电感（由约瑟夫森结组成），能级间距就不再相同，可以定义能量最低的两个态为0态和1态，就像原子的基态和第一激发态一样，进行量子计算。
|4.2.2 现状
目前对于操作门的现状是，单量子门[23-25]的保真度超过99.9%，双量子门[26]优于99%。错误率低于最宽松的错误检测协议的错误阈值，例如，表面代码。基于这些发展，超导量子比特电路已经被设计出来，用于演示原型量子算法[27,28]和量子模拟[29,30]、原型量子错误检测[31-34]和量子存储器[35]，基于云服务的量子云计算已经可以提供给全球用户。
在量子退火技术中，有超过2000个量子比特和基于经典超导电路的集成低温控制的系统[36,37]。这是目前最大的基于量子比特的系统，其量子比特数比目前基于门型量子计算机的量子比特数（几十个）多两个数量级（100倍）。
为了实现这种规模的机器，需要仔细的设计权衡和大量的工程努力。将控制电子器件与量子比特集成在一起，使D-Wave公司能够迅速扩大其系统中的量子比特数量，但也导致量子比特是用一种损耗更大的材料制造的。故意以牺牲量子比特的保真度来换取更容易的扩展路径。
退火机中的量子比特的相干时间（0.05μs）比目前门型量子计算机中的相干时间（50μs）差了3个数量级以上，尽管这对量子退火机的限制预计比门型量子计算机要小。
门型量子计算机的进展一直强调优化量子比特和量子门的保真度，尺寸限制在几十量子比特的数量级。自1999年首次展示超导量子比特以来，门型量子计算机中的量子比特相干时间T2已经提高了5个数量级以上，目前约为50微秒左右。
这种相干性的显著改善来自于全世界各团体在材料科学、制造工程和量子比特设计方面的进步，从而减少了量子比特的能量损失。
采用超导技术的谷歌公司在2019年9月宣布实现了量子优势，表示，其量子计算机Sycamore可以在200秒内解决的特定问题，使用超级计算机将花费10000年的时间才能完成。
|4.2.3 机遇和挑战
虽然基于超导量子的大规模容错量子计算机有光明的前景，但也有许多非同寻常的障碍需要克服。在迈向大型量子处理器的道路上，门的保真度和寿命是重要的一步。这里我们概述量子处理器在向50-100量子比特发展中面临的一些挑战：
中规模器件的控制和高相干性。对于中大规模器件，单个量子比特的相干性不一定与简单的几个量子比特器件相同。在大型芯片上保持高相干性和高保真度控制是一个关键的挑战；
可扩展的校准技术。由于大量的交叉校准项，同时寻找同步的最佳工作参数，还需要先进的软件策略来校准中大规模的量子处理器；
提高量子比特的连接性。尽管在超导电路的三维集成方面已经取得了很好的进展，但高保真量子比特的非平面连接性（nonplanar connectivity）还没有得到证明；
提升门的保真度。继续改进门保真度将是降低编码一个逻辑量子比特所需的物理量子比特开销的重要一步，同时对证明算法的有效性也很重要；
稳健和可重复的制造。中型到大型超导电路的制造需要与持续改进的量子比特相干性和3D集成技术保持一致；
使用目前的技术，尽管有以上的挑战，但有可能扩展到1,000量子比特。然而，超过这个数字，需要更多新的技术。
4.3 其他量子比特技术
由于在扩展离子阱或超导量子计算机方面仍然存在许多技术挑战，一些研究小组正在继续探索创建量子比特和量子计算机的其他方法。这些技术的发展程度要低得多，主要仍然集中在创建单量子比特门和双量子比特门上。
|4.3.1 光量子
光量子具有一些特性，使其成为量子计算机的一项有吸引力的技术：它们是与环境和彼此之间相互作用很弱的粒子。这种与环境天然的隔离使它们成为量子通信的有效方法。这种基础通信实用性，加上具有高保真度的单比特门，意味着许多早期的量子实验都是利用光子完成的。
光量子计算机面临的一个关键挑战是如何创建稳健的双量子比特门。研究人员目前正在用两种不同的办法解决这个问题。在线性光学量子计算中，通过单光子操作和测量的结合，创造了一种有效的较强的相互作用，它可以用来实现一个概率双量子门。第二种方法是利用半导体晶体中的小结构进行光子相互作用，也可以认为是一种半导体量子计算机。
这些结构可以是天然存在的，称为光学活性缺陷，也可以是人造的，通常是一种称为量子点（quantum dot）的结构。
构建小规模线性光子计算机的工作已经取得成功，而且有一些小组试图扩大这些机器的规模。这些机器的一个关键扩展问题是光量子比特的大小。
由于光量子计算中使用的光子的波长通常在一微米左右，而且由于光子以光速移动，通常沿着光学芯片的一个维度进行布线，因此在光子器件中增加光量子比特的数量更具挑战性。然而，拥有成千上万个量子比特的阵列是可能的[38]。
|4.3.2 中性原子
中性原子是另一种处理量子比特的方法，它与离子阱非常相似，但不是使用电离原子并利用其带电的属性来固定量子比特，而是使用激光来固定中性原子。
与离子阱量子比特一样，利用光学和微波脉冲操纵量子比特，激光也被用于在计算前冷却原子。2018年，已经演示了具有50个原子的系统，原子之间的距离相对紧凑[39]。通过调整原子的间距可以控制量子比特之间的相互作用。
使用这种技术构建基于门的量子计算机，需要创建高质量的双量子门操作，并将这些操作与其他相邻的量子隔离。扩展基于门的中性原子系统需要解决许多与扩展离子阱计算机的问题类似，因为控制和测量都是是相同的。与离子阱相比，它的独特之处在于其构建多维阵列的潜力。
|4.3.3 半导体
半导体量子比特可以分为两种类型，取决于它们是使用光信号还是电信号来控制量子比特及其相互作用。光学门半导体量子比特通常使用光学活性缺陷或量子点来诱导光子之间的强有效耦合，而电学门半导体量子比特则使用施加在光刻金属门上的电压来限制和操纵形成量子比特的电子。
虽然半导体量子比特不如其他量子技术发达，但它更类似于目前经典电子学所使用的方法，经典电子学的发展完全有可能促进量子信息处理器的扩展。
最后，我们将各种技术的关键指标、优缺点以及代表公司总结于图21中。
五、总结和未来展望
在过去的十几年中，许多量子比特技术得到了显著的改进，从而形成了今天的小型门型量子计算机。对于所有的量子比特技术来说，第一大挑战是如何降低大型系统中的量子比特错误率，同时使测量与量子比特的门操作交错进行。
上一章中提到表面码是目前纠错的主要方法。目前的系统受到双量子比特门误差率的限制，对于目前较大的系统来说，这仍然高于表面码的阈值；如果要实现量子纠错，至少需要比阈值好一个量级的误差率。
大约1000个物理量子比特，人们可以为1个逻辑量子比特实现一个距离约16的量子纠错码。假设物理量子比特错误率为10^{-3}，可以实现约10^{-10}的逻辑错误率。而将物理错误率降低至10^{-4}，就可以将逻辑错误率降低至10^{-18}。
这个例子说明了通过相对适度地降低物理量子比特错误率(从10^{-3}到10^{-4}，只有一个数量级)在整体逻辑错误率上的实质性胜利(从10^{-10}到10^{-18}，八个数量级)。
显然，通过改进制造和控制来提高物理量子比特的保真度，对于逻辑量子比特甚至是一台具有物理量子比特的机器至关重要。
下一个挑战是增加量子计算机中的量子比特数量。很明显的是，人们将能够在不久的将来使用与今天的几十个超导量子比特集成电路所使用的非常相似的方法来构建具有数百个超导量子比特的集成电路。
传统的硅扩展，扩展的步伐受到更复杂的集成电路创造制造工艺的限制，对于量子计算来说，扩展将由降低这些更大的量子比特系统错误率的困难决定，这项任务需要联合优化的集成电路、封装、控制和测量平面，以及校准方法。
离子阱计算的扩展需要设计新的囚禁系统以及这些新囚禁的控制和测量平面光学/电子学。下一代很可能使用线性离子阱，其规模将达到100个量子比特的数量级。进一步的扩展将需要对阱的设计进行另一种改变，以使离子在不同组之间的穿梭，这也要求允许更灵活的量子比特测量。
在增加量子处理器或芯片中的量子比特数量的时候，扩展使用模块化的方法将更为简单，将一些量子芯片连接在一起，而不是创建一个更大的芯片。模块化设计将需要开发模块之间快速、低错误率的量子互连，其中光子连接因其速度和保真度而最有前景。
由于超导和离子阱量子数据平面所面临的挑战，目前尚不清楚这些技术中的任何一种是否或何时能够扩展到大型纠错量子计算机所需的水平。因此，目前也不能排除其他的量子比特技术，也不能排除利用多种技术的混合系统占上风的可能性，我们拭目以待。
参考文献：
[1] D. P. DiVincenzo, 2000, The Physical Implementation of Quantum Computation, Fortschr. Phys. 48, 771.
[2] J.I. Cirac and P. Zoller, 1995, Quantum computations with cold trapped ions, Physical Review Letters 74:4091.
[3] C. Monroe, D.M. Meekhof, B.E. King, W.M. Itano, and D.J. Wineland, 1995, Demonstration of a fundamental quantum logic gate, Physical Review Letters 75:4714.
[4] C. Monroe and J. Kim, 2013, Scaling the ion trap quantum processor,
Science 339:1164-1169.
[5] K.R. Brown, J. Kim and C. Monroe, 2016, Co-designing a scalable quantum computer with trapped atomic ions, npj Quantum Information 2:16034.
[6] J. Kim, S. Crain, C. Fang, J. Joseph, and P. Maunz, 2017, “Enabling Trapped Ion Quantum Computing with MEMS Technology,” pp. 1-2 in 2017 International Conference on Optical MEMS and Nanophotonics (OMN).
[7] K.-A. Brickman, P.C. Haljan, P.J. Lee, M. Acton, L. Deslauriers, and C. Monroe, 2005, Implementation of Grover’s quantum search algorithm in a scalable system, Physical Review A 72:050306(R).
[8] C. Figgatt, D. Maslov, K.A. Landsman, N.M. Linke, S. Debnath, and C. Monroe, 2017, Complete 3-qubit grover search on a programmable quantum computer, Nature Communications 8:1918.
[9] T. Monz, D. Nigg, E.A. Martinez, M.F. Brandl, P. Schindler, R. Rines, S.X. Wang, I.L. Chuang, and R. Blatt, 2016, Realization of a scalable Shor algorithm, Science 351:1068-1070.
[10] J. Chiaverini, J. Britton, D. Leibfried, E. Knill, M.D. Barrett, R.B. Blakestad, W.M. Itano, J.D. Jost, C. Langer, R. Ozeri, T. Schaetz, and D.J. Wineland, 2005, Implementation of the semiclassical quantum Fourier transform in a scalable system, Science 308:997-1000.
[11] A. Sørensen and K. Mølmer, 1999, Quantum computation with ions in a thermal motion, Physical Review Letters 82:1971.
[12] J. Chiaverini, B.R. Blakestad, J.W. Britton, J.D. Jost, C. Langer, D.G. Leibfried, R. Ozeri, and D.J. Wineland, 2005, Surface-electrode architecture for ion-trap quantum information processing, Quantum Information and Computation 5:419.
[13] J. Kim, S. Pau, Z. Ma, H.R. McLellan, J.V. Gates, A. Kornblit, R.E. Slusher, R.M. Jopson, I. Kang, and M. Dinu, 2005, System design for large-scale ion trap quantum information processor, Quantum Information and Computation 5:515.
[14] L.-M. Duan, B.B. Blinov, D.L. Moehring, and C. Monroe, 2004, Scalable trapped ion quantum computation with a probabilistic ion-photon mapping, Quantum Information and Computation 4:165-173.
[15] B.B. Blinov, D.L. Moehring, L.-M. Duan and C. Monroe, 2004, Observation of a entanglement between a single trapped atom and a single photon, Nature 428:153-157.
[16] J. Kim, C.J. Nuzman, B. Kumar, D.F. Lieuwen, J.S. Kraus, A. Weiss, C.P. Lichtenwalner, et al., 2003, “1100 × 1100 port MEMS-based optical crossconnect with 4-dB maximum loss,” IEEE Photonics Technology Letters 15:1537-1539.
[17] P. Schindler, D. Nigg, T. Monz, J.T. Barreiro, E. Martinez, S.X. Wang, S. Quint, et al., 2013, A quantum information processor with trapped ions, New Journal of Physics 15:123012.
[18] D. Hanneke, J.P. Home, J.D. Jost, J.M. Amini, D. Leibfried, and D.J. Wineland, 2010, Realization of a programmable two-qubit quantum processor, Nature Physics 6:13-16.
[19] C. Monroe, R. Raussendorf, A. Ruthven, K.R. Brown, P. Maunz, L.-M. Duan, and J. Kim, 2014, Large-scale modular quantum-computer architecture with atomic memory and photonic interconnects, Physical Review A 89:022317.
[20] B. Lekitsch, S. Weidt, A.G. Fowler, K. Mølmer, S.J. Devitt, C. Wunderlich, and W.K. Hensinger, 2017, Blueprint for a microwave trapped ion quantum computer, Science Advances 3:e1601540.
[21] C. Piltz, T. Sriarunothai, S.S. Ivanov, S. Wölk and C. Wunderlich, 2016, Versatile microwave-driven trapped ion spin system for quantum information processing, Science Advances 2:e1600093.
[22] W.D. Oliver and P.B. Welander, 2013, Materials in superconducting quantum bits, MRS Bulletin 38(10):816-825.
[23] S. Gustavsson, O. Zwier, J. Bylander, F. Yan, F. Yoshihara, Y. Nakamura, T.P. Orlando, and W.D. Oliver, 2013, Improving quantum gate fidelities by using a qubit to measure microwave pulse distortions, Physical Review Letters 110:0405012.
[24] R. Barends, J. Kelly, A. Megrant, A. Veitia, D. Sank, E. Jeffrey, T.C. White, et al., 2014, Logic gates at the surface code threshold: Supercomputing qubits poised for fault-tolerant quantum computing, Nature 508:500-503.
[25] S. Sheldon, E. Magesan, J. Chow, and J.M. Gambetta, 2016, Procedures for systematically turning up cross-talk in the cross-resonance gate, Physical Review A 93:060302.
[26] R. Barends, J. Kelly, A. Megrant, A. Veitia, D. Sank, E. Jeffrey, T.C. White, et al., 2014, Superconducting quantum circuits at the surface code threshold for fault tolerance, Nature 508(7497):500.
[27] L. DiCarlo, J.M. Chow, J.M. Gambetta, L.S. Bishop, B.R. Johnson, D.I. Schuster, J. Majer, A. Blais, L. Frunzio, S.M. Girvin, and R.J. Schoelkopf, 2009, Demonstration of two-qubit algorithms with a superconducting quantum processor, Nature 460:240-244.
[28] E. Lucero, R. Barends, Y. Chen, J. Kelly, M. Mariantoni, A. Megrant, P. O’Malley, et al., 2012, Computing prime factors with a Josephson phase qubit quantum processor, Nature Physics 8:719-723.
[29] P.J.J. O’Malley, R. Babbush, I.D. Kivlichan, J. Romero, J.R. McClean, R. Barends, J. Kelly, et al., 2016, Scalable quantum simulation of molecular energies, Physical Review X 6:031007.
[30] N.K. Langford, R. Sagastizabal, M. Kounalakis, C. Dickel, A. Bruno, F. Luthi, D.J. Thoen, A. Endo, and L. DiCarlo, 2017, Experimentally simulating the dynamics of quantum light and matter at deep-strong coupling, Nature Communications 8:1715.
[31] M.D. Reed, L. DiCarlo, S.E. Nigg, L. Sun, L. Frunzio, S.M. Girvin, and R.J. Schoelkopf, 2012, Realization for three-qubit quantum error correction with superconducting circuits, Nature 482:382-385.
[32] J. Kelly, R. Barends, A.G. Fowler, A. Megrant, E. Jeffrey, T. C. White, D. Sank, et al., 2015, State preservation by repetitive error detection in a superconducting quantum circuit, Nature 519:66-69.
[33] A.D. Córcoles, E. Magesan, S.J. Srinivasan, A.W. Cross, M. Steffen, J.M. Gambetta, and J.M. Chow, 2015, Demonstration of a quantum error detection code using a square lattice of four superconducting qubits, Nature Communications 6:6979.
[34] D. Ristè, S. Poletto, M.-Z. Huang, A. Bruno, V. Vesterinen, O.-P. Saira, and L. DiCarlo, 2015, Detecting bit-flip errors in a logical qubit using stabilizer measurements, Nature Communications 6:6983.
[35] N. Ofek, A. Petrenko, R. Heeres, P. Reinhold, Z. Leghtas, B. Vlastakis, Y. Liu, et al., 2016, Extending the lifetime of a quantum bit with error correction in superconducting circuits, Nature 536:441-445.
[36] M.W. Johnson, M.H.S. Amin, S. Gildert, T. Lanting, F. Hamze, N. Dickson, R. Harris, et al., 2011, Quantum annealing with manufactured spins, Nature 473:194-198.
[37] D Wave, “Technology Information,” http://dwavesys.com/resources/publications.
[38] See, for example, J.W. Silverstone, D. Bonneau, J.L. O’Brien, and M.G. Thompson, 2016, Silicon quantum photonics, IEEE Journal of Selected Topics in Quantum Electronics 22:390-402;
T. Rudolph, 2017, Why I am optimistic about the silicon-photonic route to quantum computing?, APL Photonics 2:030901.
[39] H. Bernien, S. Schwartz, A. Keesling, H. Levine, A. Omran, H. Pichler, S. Choi, A.S. Zibrov, M. Endres, M. Greiner, V. Vuletić, and M.D. Lukin, 2017, “Probing Many-Body Dynamics on a 51-Atom Quantum Simulator,” preprint arXiv:1707.04344.