大规模集成光子量子计算的最新进展

Huihui Zhu　Tian Chen　Haoran Ma　Zichao Zhao　Jia Guo　Qishen Liang　Yawen Tu　Tao He　Wei Luo　Bo Wang　Qinghua Song　Chaoyuan Jin　Feng Liu　Yihao Yang　Yuehai Wang　Kwek Chuan Leong　Dawei Wang　Jianyi Yang

¹ npj Nanophotonics

引言

量子力学从根本上变革了现代科技，推动了半导体、晶体管和激光器的发明，这些技术均依赖于量子原理，并促成了现代计算和互联网技术的发展。除了这些第一代应用外，量子力学通过非定域相关性（纠缠）和量子叠加展现出了更具变革性的潜力。与局限于离散二元状态（0 或 1）的经典比特不同，量子比特（qubits）利用叠加态可以处于状态的线性组合中。这一特性与纠缠共同作用，使量子系统能够以远超经典极限的方式对信息进行编码和处理。这些量子力学原理正引领着量子计算、模拟、通信、传感和计量领域的突破性进展，释放出前所未有的计算能力和精度。

为了实现实用的量子计算，研究人员已经探索了多种物理平台，包括超导电路、离子阱、中性原子和光子系统。其中，量子光子学在单光子水平上利用光的量子特性，具有独特的优势，例如天然的抗退相干稳健性，以及与长距离量子通信的自然兼容性。凭借经典光电子学成熟的技术工具箱，量子光子学已成为推动量子技术所有领域发生变革的基础技术。此外，具有高稳定性的芯片级集成对于扩大规模以及将实验室演示转化为现实技术至关重要。集成量子光子学这一新兴多学科领域的核心目标之一，就是利用量子光学提供的机遇来实现量子计算的实际应用。

量子光子学与集成光子学的协同作用加速了这两个领域的发展。一方面，集成光子学的进步（如超低损耗波导）使得在紧凑、可扩展的架构中对光子量子比特进行精确控制成为可能。另一方面，量子应用的严苛需求正在推动下一代集成技术的发展。一些先驱性的演示，包括高可见度量子干涉、片上纠缠产生以及可编程光子处理器，凸显了该平台的潜力。此外，其与现有光纤基础设施的无缝集成，使其成为分布式量子网络的有力竞争者。

在本综述中，我们全面概述了集成光子量子计算平台的最新进展、挑战和未来前景。如图 1 所示，本文描绘了集成量子光子计算（IQPC）的两个技术层面，包括用于大规模集成的材料平台，以及诸如量子光源、量子干涉网络和全集成系统等量子光子组件。我们还讨论了量子计算两个关键阶段的进展与应用：含噪声中等规模量子（NISQ）时代，以及通往通用容错量子计算之路。

本综述首先分析了前沿的集成平台，随后介绍了单光子源和线性光学量子电路等关键组件的进展。接着，我们探讨了 NISQ（含噪声中等规模量子）时代的应用，包括量子模拟、变分量子算法（variational quantum algorithm）和量子机器学习，以及系统集成和连续变量（CV）量子计算等前瞻性发展。最后，我们概述了实现大规模单片集成光子量子电路的挑战与机遇，为这一快速发展领域未来的研究提供指导见解。

光子量子计算芯片的关键技术

为了将量子操作具体地联系到光子实现上，图 2a 展示了光子量子计算机的基础组件：由导线和基本逻辑门组成的电路，用于传输和处理量子信息。与此结构相对应，集成光子平台需要类似的片上组件来产生、处理和探测量子光态，如图 2b 所示。随后，可以对制造完成的芯片进行目标操作和应用验证（图 2c）。

图 3 概述了为 IQPC（集成量子光子计算）平台及其量子应用奠定基础的关键里程碑。该领域的早期突破包括基础量子门的演示，例如基于二氧化硅上硅（silica-on-silicon）的受控非门（CNOT）纠缠门。随后的进展实现了在二氧化硅基平台和激光直写二氧化硅结构中进行单量子比特和双量子比特态的片上制备与操纵，以及在硅基系统中实现集成光子探测。在接下来的十年中，研究范围扩展到了多种材料，推动了片上量子态产生、操纵以及量子协议和算法实现方面的显著进步。

用于芯片级量子计算实现的流行材料平台包括：二氧化硅波导（硅基二氧化硅和激光直写二氧化硅波导）、绝缘体上硅（SOI）、氮化硅（SiN）、铌酸锂（LN）、薄膜铌酸锂（TFLN）、砷化镓（GaAs）、磷化铟（InP）以及钛酸钡（BTO）。表 1 总结了目前的最先进性能，对比了波导特性、有源组件的可获得性以及与现有技术的兼容性。

在这些平台中，SOI 以其高折射率差脱颖而出，能够实现高密度集成和用于量子态产生的强光学非线性。它还与先进的 CMOS 工艺具有极佳的兼容性，鉴于 CMOS 在半导体行业中的核心地位，这是一个关键优势。然而，其高折射率差也引入了较高的波导传输损耗（约 3 dB/cm）。此外，其高克尔系数（Kerr coefficient）加剧了非线性损耗，包括双光子吸收（TPA）。这在非线性和损耗之间造成了根本性的权衡，最终限制了某些方案下的器件性能。因此，非线性光学中的难点在于寻找一种既具有大克尔非线性系数又具有小双光子吸收系数的材料。

相比之下，SiN 波导具有较低的折射率差，平衡了光学限制与加工容差。其超低损耗和高效的克尔非线性使 SiN 成为光子产生的理想选择。同时，LN 和 TFLN 表现出强电光非线性效应，并支持通过周期性极化实现高保真准相位匹配，在产生压缩量子态方面具有优异性能。III-V 族半导体（如 GaAs、InP）是量子发射器的天然选择，而 BTO 卓越的电光特性支持低损耗开关网络。

每种材料都有其独特的优势，但目前尚无单一平台能完全满足可扩展量子计算的所有要求。一种可行的解决方案是混合集成，旨在结合不同材料的优点。目前已有研究致力于实现异质集成量子光子器件。另一种解决方案是模块化架构，即通过互连离散的、可扩展的机架部署组件。为了系统地综述集成量子光子学的进展，我们将围绕量子计算的两个核心组件展开讨论：量子光源和可重构光子电路。关于全系统集成的详细分析将在后续章节中呈现。

量子光源

产生指定量子光态的光源是 IQPC（集成量子光子计算）系统的核心要素。通常，离散变量（DV）或连续变量（CV）量子系统的架构分别需要单光子态或压缩态。对于 DV 量子系统，可以通过参数非线性过程概率性地获得，也可以使用单光子发射器确定性地获得。而 CV 量子系统则涉及压缩光的效率产生。

预告式单光子源 (Heralded single photon sources)

集成概率性量子光源通常利用 $\chi^{(3)}$ 非线性材料，如硅、氮化硅（SiN） 和二氧化硅（$SiO_2$），这些材料支持一种称为自发四波混频（SFWM）的光学转换过程。它们也可以受益于 $\chi^{(2)}$ 非线性材料，包括铌酸锂（LN）、薄膜铌酸锂（TFLN） 和砷化镓（GaAs），这些材料有助于实现自发参量下转换（SPDC）。

在 SFWM 中，两个泵浦光子（$\omega_{p1}, \omega_{p2}$）被吸收，产生一对信号-闲置光子对（$\omega_s, \omega_i$），并遵循能量守恒（$\omega_{p1} + \omega_{p2} = \omega_s + \omega_i$）。在 $\chi^{(3)}$ 平台中，单晶硅在 1.55 μm 处的克尔系数（$4.5 \pm 1.5 \times 10^{-14} \text{ cm}^2/\text{W}$）比 SiN（1.55 μm 处为 $2.4 \times 10^{-15} \text{ cm}^2/\text{W}$）高出一个数量级。该系数与介质三阶极化率 $\chi^{(3)}$ 的实部相关，直接影响材料的非线性光学强度。

因此，在相同的激发光功率下，基于硅光子平台的参量光子对源的光子对产生率相对较高。为了提高光源亮度（brightness）和单光子纯度（purity），常用的策略包括采用带有光谱滤波的长螺旋波导和微环谐振腔（图 4a, b）。

此外，在设计上有三种改进方法可以在不牺牲亮度的前提下提高光谱纯度：

1. 模间 SFWM（Intermodal SFWM）： 利用多模波导中的窄带相位匹配。例如，Laing 等人通过在硅波导中使用双泵浦 $TM_0$ 和 $TM_1$ 模激发，实现了 99.0% 的光谱纯度和 98.7% 的不可分辨性（图 4c）。
2. 时延双脉冲泵浦（Time-delayed dual-pulse pumping）： Christensen 等人在理论上证明了通过调制双泵浦脉冲可以增强微环中的纯度，随后由 Barreto 等人进行了实验验证（纯度达 98.0%；图 4d）。
3. 微环耦合器中的 Q 值调制（Q-modulation）： 通过降低泵浦模式相对于信号/闲置模式的品质因子（Q factor），可以提高纯度。实验上，该方案实现了 95.0% 的纯度（图 4e），进一步改进后在保持 94% 预告效率的同时达到了 99.1% 的纯度。

在 SPDC 中，单个泵浦光子（$\omega_p$）分裂成一对信号-闲置光子（$\omega_s, \omega_i$），满足 $\omega_p = \omega_s + \omega_i$。关键的 $\chi^{(2)}$ 平台包括周期性极化铌酸锂（PPLN）波导（图 4g）、TFLN 波导（图 4h）、GaAs 芯片（图 4i），以及近期在具有光诱导空间电荷场的 SiN 中取得的进展。

这些概率性单光子源利用非线性过程产生相关光子对，参考文献 59 提供了其详细的特性定义。集成平台通过在单块芯片上结合光子的产生与处理，消除了耦合损耗，从而在保持高光子不可分辨性（indistinguishability）和产生率方面具有显著优势。然而，由于其概率性本质，SFWM 和 SPDC 方法都不可避免地在光源亮度与单光子态纯度之间面临根本性的权衡。为了解决参量化方法中光子产生的不确定性，研究人员在集成平台上开发了各种增强技术，包括时间复用和空间复用方案，这些技术显著提升了光源性能。

量子点光源 (Quantum dot sources)

量子点（QD）单光子源为基于 SPDC 或 SFWM 过程的预告光源提供了一个极具吸引力的替代方案，克服了概率性本质带来的固有可扩展性限制。作为固态量子发射体，二维材料中的量子点能够提供确定性的单光子产生，并具有优异的发射特性和紧凑的空间占用。其工作原理依赖于半导体激子动力学：激光激发在量子点中产生电子-空穴对（激子），随后激子衰减通过自发辐射发射单光子。这一机制在理论上确保了每个激光脉冲正好产生一个光子。

实验实现已达到了卓越的性能指标，最先进的 InAs/GaAs 和 InGaAs 量子点分别展示了极高的纯度（99.1%, 99.7%）、提取效率（66%, 71%）和不可分辨性（98.5%, 98.6%）。然而，传统的基于微柱（micropillar）的量子点配置由于其面外发射特性，在集成方面面临挑战。

近期的进展通过多种片上集成方法解决了这一限制，包括直接耦合到晶体波导、异质波导结构、硅基光子平台以及铌酸锂（LN）光子平台。值得注意的是，通过使用聚焦离子束（FIB）对准的拾取-放置（pick-and-place）技术，电信波段量子点光源与 LN 平台的集成实现了 40.1% 的耦合效率。嵌入在磷化铟（InP）纳米束中的砷化铟（InAs）量子点通过使用聚焦离子束的拾取-放置技术被转移到 LN 光路中（图 5a）。为了进一步进行量子态操纵，还需要纠缠光子对源，目前已实现 0.65 的光子对收集概率、0.88 的纠缠保真度和 0.901 的光子不可分辨性（图 5b），此外还演示了用于光子-光子逻辑门操作的光学相移。

最先进的单光子源已达到令人印象深刻的单激光脉冲 0.71 探测效率，这综合考虑了收集效率、系统损耗和探测效率。量子点（QD）光源为进一步探索提供了令人兴奋的机遇，包括通过主动分用技术维持不可分辨性的进展，以及产生压缩态和其他非经典量子态——这些都是下一代光子量子计算的关键能力。然而，实现具有高不可分辨性的大规模量子点光源（这是可扩展量子操作的前提）仍受限于根本性的工程挑战，如低温运行、高真空要求以及对光子频率的精确控制。虽然研究人员已经探索了电子调制和分子量子点等极具前景的策略，但这些核心局限性依然存在。

量子压缩光源 (Quantum squeezed sources)

压缩态是连续变量（CV）量子信息处理的基础资源，能够实现通用量子计算应用。芯片级压缩态的产生有多种方式，其中大多数基于 $\chi^{(3)}$ 介质中的四波混频和 $\chi^{(2)}$ 介质中的参量下转换。

通常，周期性极化铌酸锂（PPLN）波导非常适合产生高带宽和高压缩度（5 dB）的宽带（GHz量级）压缩态（图 5c），尽管它们缺乏 CMOS 兼容性以及可扩展集成所需的强光学限制。作为一种 CMOS 兼容平台，氮化硅（SiN）振荡器被设计用于实现 4 dB 的宽带正交压缩（GHz 带宽）和 8 dB 的宽带简并压缩（图 5d），后一种设计已被模块化光子量子计算机采用。

近期的实验进展展示了显著的成果，包括在 SiN 平台中实现 7.8 dB 的片上单模正交压缩，以较低参量振荡阈值实现 $3.7 \pm 0.2$ dB 的量子压缩，以及在 TFLN 谐振腔器件中实现 0.55 dB 的单模压缩。然而，SiN 微弱的 $\chi^{(3)}$ 非线性通常要求谐振腔具有高品质因子（high-Q），这从根本上限制了可达到的压缩水平和工作带宽。虽然 PPLN 和 SiN 平台在目前的集成压缩光产生中占据主导地位，但必须仔细权衡它们的得失：PPLN 提供卓越的非线性性能，而 SiN 提供更优的集成可扩展性。对于需要单片集成数百个光学元件的大规模量子电路，尽管存在非线性限制，但由于其成熟的制造工艺和 CMOS 兼容性，SiN 目前被认为是一个更务实的平台。

可重构量子光子组件

制备好的量子光源被进一步用于编码和操纵量子态，其中量子信息的基础单元在离散变量（DV）系统中是量子比特（qubits），在连续变量（CV）系统中是量子模（qumodes）。

在光子 DV 实现中，量子比特通常编码在单光子态的各种自由度（DoFs）中，包括：

• 路径/轨道编码（path/rail encoding）
• 偏振态（polarization states）
• 频率模（frequency modes）
• 时间仓（temporal bins）

这些编码方案能够实现对多光子、多维和多自由度纠缠态的相干控制，从而进行量子信息处理。同时，不同的编码方法适用于不同的应用场景，并各具优势：路径编码在光学量子计算的单量子比特和双量子比特操作中表现出低错误率；偏振编码在量子通信和密钥分发中表现出色；而时间仓编码则为芯片间量子信息传输和量子网络分发提供了稳健性。

对于 CV 系统，量子模编码在光场的连续正交分量中，并具备跨路径、时间、频率和空间本征模的复用能力。这种多自由度方法使得构建大规模 CV 簇态（cluster states）成为可能。本节的其余部分将重点讨论集成量子光子平台内量子信息的编码与处理

量子态制备

量子叠加和纠缠构成了量子信息技术的基础。在离散变量（DV）编码中，单光子态可以表示为本征模式的叠加：$\sum_{i=0}^{d-1} c_i |i\rangle$，其中 $c_i$ 是 $|i\rangle$ 模式下的复振幅，$d$ 是系统的维度。在 $d$ 维希尔伯特空间中，多光子纠缠态的形式为：$|\Phi\rangle = \sum_{k_1,\dots,k_N} c_{k_1 \dots k_N} |k_1\rangle_1 \otimes |k_2\rangle_2 \otimes \dots \otimes |k_N\rangle_N$，其中 $N$ 是光子数，$k_j$ 是第 $j$ 个光子的基态，$c_{k_i}$ 是复系数。

光子纠缠的产生有两种途径：一是在连续波泵浦下的时间-能量基组中（当联合谱强度不可分时）；二是在脉冲激发下的时间仓（time-bin）基组中。通过集成光学组件——分束器、偏振旋转器和移频器——可以在空间、偏振、模式和频率域设计纠缠，用于量子信息处理。值得注意的是，无论是通过单一方法还是混合方法，高维编码都能增强纠缠容量，从而提升量子计算、通信、抗噪声协议、分子模拟和高效算法的性能。然而，这种方法引入了系统复杂性，在态的产生、操纵和测量方面带来了挑战。因此，集成光子学平台因其在量子比特/高维量子比特（qubit/qudit）编码中的稳定性和可编程性而受到了广泛关注。

在集成光子芯片中，存在多种量子态编码方案。其中一种方案是将量子态编码在双波导或多波导上，从而形成路径编码的量子比特/高维量子比特（qubits/qudits）。

这一技术的发展始于首次片上单光子态操纵及多光子纠缠的演示（图 6a），随后出现了一系列日益复杂的实现，包括四光子 GHZ 态、Dicke 态、双光子纠缠网络、三光子纠缠以及四量子比特纠缠（图 6b）。在高维实现方面已取得显著进展，特别是通过集成硅光子电路实现了具有完整量子态层析成像的 $15 \times 15$ 维纠缠，该电路整合了光子对源、多模干涉仪、相移器及其他核心组件（图 6c）。其他重要的演示包括通过微环增强的 SFWM 实现 $d = 3$ 的路径纠缠，该方案使用由马赫-曾德尔干涉仪（MZI）辅助的微环器件作为单光子源。来自不同光源的单光子片上干涉可见度超过 96.5%，极大纠缠态的保真度达到 95.5%。此外，王的团队制备了更大规模的芯片，实现了图态（graph states）的多体多维量子纠缠，以及用于量子网络的 $3-d$ 空间模纠缠（图 6d）。

上述制备高维路径纠缠态的过程可以总结如下：

在将同一束泵浦光分束后，相干激发 $d$ 条波导/微环的 SFWM 过程会概率性地产生 $d$ 对信号-闲置光子对。其中的信号光子或闲置光子被收集到由 $d$ 条波导组成的路径组合上。在这一路径组合上传输的光场即为这 $d$ 束信号光场或闲置光场的相干叠加，从而在两个光场之间形成 $d$ 维路径纠缠态。

在路径编码中，量子逻辑门操作具有高保真度的优势。然而，在光纤网络传输中，路径编码态容易受到色散和非线性效应导致的退相干影响，因此需要将其转换为保偏光纤中的偏振编码，或转换为少模光纤中的混合空间模式。此外，将路径编码扩展到更高维度面临实际困难：所需路径的数量随维度线性增加，而控制单元的需求呈平方级增长，这会导致芯片面积扩大并增加控制复杂度。

一种利用波导横向空间模式（transverse spatial modes）的替代编码方法，与路径编码相比，通过非线性过程中的泵浦分束和相干激发，能够减少对空间的需求。Ren 等人的早期工作展示了波导横向空间模式、偏振和路径编码纠缠态之间的相干转换。随后的进展包括产生横向模式纠缠光子对，以及在硅光子平台上为 $d = 2$ 编码态实现受控非门（CNOT）操作，过程保真度达到 0.82（图 6e）。然而，由于横向模式极易受到环境干扰，这种编码方案仍不适用于片外应用。

除了路径和横向空间模式编码外，另一种可利用光子集成芯片实现的潜在编码方法是基于光束频率（能量）自由度的离散变量编码。频率（能量）自由度的量子纠缠源于概率性光子对源产生过程中的能量守恒。对于光束的频率（能量）自由度，根据所选本征态类型的不同，可进一步分为时间仓编码（time-bin encoding）、频率仓编码（frequency-bin coding）、时频模式编码等。

Eggleton 等人基于 SiN 平台制造了 $d = 2$ 的时间仓编码纠缠态产生芯片，并于 2015 年制备了干涉可见度为 88.4% 的时间仓编码纠缠光子对。此外，时间仓纠缠态的产生及其纠缠分析也被集成在单块芯片上（图 6f）。近期，于（Yu）等人利用片上干涉级联（OIC）技术实现了 $d = 8$ 的时间仓纠缠光子。虽然前景广阔，但由于时间上的离散性以及探测器时间抖动（timing jitter）的限制，时间仓编码在维度可扩展性方面面临根本局限。

相比之下，由频率仓编码的光学量子态具有在频域离散且在时域集中的特性，可以避开延迟的时间限制。参考文献 154 详细综述了片上频率仓编码，且利用微环谐振腔已实验演示了 $d = 2$、$d = 3$、$d = 4$（图 6g）和 $d = 10$的频率仓纠缠。

在频率自由度中编码的光学量子态具有显著优势：

• 空间单模特性： 能够在紧凑的器件中实现高维编码。
• 固有的稳健性： 支持在单模光纤中进行长距离传输，无需转换过程，且对光纤色散和非线性效应具有免疫力。

然而，频率仓编码的实际应用面临严峻的技术挑战，特别是需要通过和频产生（SFG）、差频产生（DFG）和布拉格散射四波混频（BS-FWM）等过程实现片上混频，这目前限制了其与氮化硅等特定平台的兼容性。表 2 详细定量对比了不同量子比特编码方法的性能。

此外，在不同自由度（DoF）之间的转换以及跨多个独立自由度创建超纠缠态（hyper-entangled states）方面也取得了显著进展。这些能力对于量子通信和网络应用尤为重要。显著成就包括 Huang 等人实现了将 $d = 5$ 的路径纠缠转换为芯片上的轨道角动量（OAM）态（图 6h）。在超纠缠方面，Zhang 等人利用双向泵浦单个微环实现了路径-频率超纠缠；与此同时，Miloshevsky 等人通过集成了片上偏振分束旋转器的双向泵浦硅微环，实现了偏振-频率超纠缠。结合与转换不同的自由度是实现高维量子态的一种强大技术。

上述针对光子集成芯片讨论的二维或高维编码方法均采用离散变量（DV）方案，该方案能够实现超高保真度的量子比特操作，但在确定性量子比特生成和纠缠方面面临根本局限。相比之下，使用光正交分量的连续变量（CV）编码允许确定性地产生量子模（qumodes）及其纠缠，尽管其保真度通常较低。CV 集成量子光子学领域已取得重大进展，演示了能够产生、操纵和探测光正交分量的压缩源、电路和探测器。Jia 等人近期取得的一项突破展示了在集成光轴芯片上确定性地产生 CV 八模纠缠（图 6i）。集成光子材料和制造技术的持续发展预计将进一步推动 CV 方案在光子量子计算、网络和传感应用中的进展。

量子态操纵与信息处理

对光量子态的操纵是量子计算中信息处理的核心。如前所述，量子信息可以编码在各种自由度中，这要求对这些光子态进行高精度的操纵和控制。实现此类操纵的片上组件包括：偏振分束器/旋转器、相移器、强度调制器、定向耦合器、多模干涉仪、环形谐振器以及延迟线。

对于路径编码的量子信息，可编程、低损耗的相移器至关重要，这使得 SOI 和 SiN 成为极具前景的材料平台。另一方面，时间仓编码需要快速的时间调制，而 TFLN（薄膜铌酸锂）凭借其低损耗和高速调制能力表现出色。频率编码则依赖于强非线性效应进行混频，这可以通过 TFLN 中的高速调制或 SiN 中的宽带和频混频（BF-SFWM）来实现。

除了态操纵，集成光子学还支持量子门操作。双量子比特门（如 CNOT 门）已在二氧化硅、硅（图 7a）和 TFLN平台中得到演示。更复杂的门电路，包括 SWAP 门和三量子比特 Toffoli 门，也已在片上实现。可编程光子电路进一步增强了功能，允许在单个器件上执行多个量子任务。例如，一个通过四算符线性组合实现任意双量子比特操作的可重构芯片（图 7b），实现了 98 种不同的逻辑门（CNOT, SWAP, CZ, CH），平均保真度约为 93%。

此类受控幺正操作已被应用于量子相位估计、哈密顿量学习以及哈密顿光谱的量子模拟。随后，基于高维量子比特（qudit）的量子技术被引入量子处理器，增强了量子处理能力。各种算法，如量子傅里叶变换、Deutsch–Jozsa 算法、Bernstein–Vazirani 算法、四进制相位估计和快速因式分解算法，均已在可编程的基于 qudit 的量子处理器中实现（图 7c）。这些进展突显了集成光子平台如何利用多样化的态操纵技术来实现量子门并执行复杂算法。

除了基于逻辑门的量子计算外，基于测量的量子计算 (MBQC)（也称为单向量子计算或簇态计算）已成为一种卓越的范式。MBQC 的核心在于制备高度纠缠的多量子比特态，即簇态 (cluster state)。除了前述典型的纠缠产生方法外，通过路径恒等性（path identity）实现高维和多光子纠缠已在理论上被提出，并在集成平台上得到了实验验证（图 7d）。

作为 MBQC 的关键资源，簇态在光子系统中得到了广泛的研究和实现。例如，利用两个光子的偏振和路径自由度，在二氧化硅芯片中产生了四量子比特线性簇态和方盒簇态。此后，这些状态从量子比特（$d=2$）系统扩展到了高维量子比特（$d>2$）系统，提供了更强的噪声稳健性。在 Hydex 微谐振器中利用时间-频率编码光子创建了三能级、四体簇态，而在 SOI 光子芯片中演示了四光子四量子比特图态（图 7e）。可编程线性光学算子实现了融合（fusion）和受控-Z（CZ）操作，产生了星型或线型纠缠，其后选择概率分别为 1/2 和 1/9。此外，误差缓解技术也取得了进展，一个八量子比特簇态系统在引入误差保护后，相位估计成功率从 62.5% 提高到 95.8%（图 7f）。近期，超图态（Hypergraph states，一种支持泡利运算和通用量子计算的图态泛化形式）也得到了实验制备、认证和处理（图 7g）。

量子网络进一步扩大了量子信息处理的范畴，实现了分布式量子态制备和远程逻辑门操作。量子隐形传态技术是量子门隐形传态的基础。2014 年，Metcalf 等人采用路径编码将两个成功概率均为 1/9 的 CNOT 门集成到二氧化硅波导中，首次实现了光子量子比特间的片上量子隐形传态。随后的工作在 SOI 芯片上集成了单光子源、可调谐 MZI 和路径-偏振转换器（图 7h）。芯片到芯片的量子隐形传态以及多光子纠缠态的产生得到了演示，为通信和计算领域的大规模集成光子量子技术奠定了基础。最近，作为通用量子计算核心工具的远程量子比特纠缠——量子 CNOT 门隐形传态在光子集成电路中实现（图 7i），在 5 米（及 1 公里）光纤互连上达到了约 95% 的保真度。

带有量子算法的量子计算系统

集成光子量子计算融合了先进材料平台与关键量子光子组件（包括量子光源、态制备、量子态操纵和信息处理），以实现可扩展的量子计算。本节探讨了光子量子计算机的多样化应用及其产业化进程。我们将量子算法演示和实际应用按其计算能力分类，涵盖从专用量子计算任务到全规模通用量子计算。

NISQ 时代

在当前的 NISQ（含噪声中等规模量子） 时代，量子计算机在量子模拟、变分量子算法和量子机器学习等多个领域展示了巨大潜力。

量子模拟

量子模拟被认为是量子计算机最有前景的应用之一。在各种方法中，玻色采样 (Boson sampling) 和 量子行走 (Quantum walks) 已成为模拟量子模拟中尤为重要的方向。

• 玻色采样： 执行与计算矩阵积和式（matrix permanents）相关的专用采样任务。为了克服实验限制，开发了多种变体，包括针对概率性光源的散弹式玻色采样，以及利用压缩光增强速率和光子数的高斯玻色采样 (GBS)。
• 里程碑： 拥有量子优越性的 100 模式“九章”和 216 模式“Borealis”已在体光学系统中实现。同时，集成光子实现已从早期的 3 光子、4-5 模式部分集成发展到带有量子源的全集成系统（图 8a）。
• 当前纪录： 包括不含片上光源的 20 模式系统和包含片上光源的 18 光子实现（图 8b）。

除了追求量子优越性，实际应用目前正通过理论和实验得以实现，包括图论问题求解和分子振动光谱模拟，例如 Zhu 等人展示的带有单光子读取功能的可编程 16 模式系统（图 8c）。

量子行走（Quantum walk） 为量子模拟提供了一个强大的框架，它将经典随机行走扩展到了量子领域。量子行走存在两类基本形式：一类是离散时间量子行走，其特征是在离散步骤中进行频闪式演化；另一类是连续时间量子行走，其演化遵循描述格点间耦合的哈密顿量。

该平台已经实现了对众多量子现象的观测，例如具有玻色和费米统计特性的单粒子及双粒子安德森局域化（Anderson localization）、淬火自旋链中的纠缠动力学、非经典关联以及 Fano 干涉效应。实验实现已从基础的一维波导阵列发展到二维、六角图和三维结构，并出现了全可编程网络（图 8d 和 e）。近期，利用替代传统空间维度的合成维度（synthetic dimensions），已实现了相关光子的大规模量子随机行走。此外，在具有光子辅助和复杂网络的集成平台中，也高效实现了非厄米拓扑相变（图 8f）及热力学的量子模拟。

变分量子算法 (Variational quantum algorithm)

为了探索使用 NISQ 量子器件的实际应用，研究者提出了变分量子算法（VQAs）（图 9）。VQAs 是一种量子-经典混合方法：

1. 量子部分： 使用参数化量子拟设（parameterized quantum ansatz）来制备特定的量子态。在光子系统中，这通常通过可编程集成量子光子（IQP）芯片在物理上实现。
2. 经典部分： 使用经典优化器控制整个优化循环，更新量子电路的参数，并寻找代价函数（cost function, $C(\theta)$）的最小值。

代价函数反映了目标问题的解，并根据拟设的测量结果推导得出。这一优化循环将不断重复，直至满足预设的终止条件。

变分量子算法（VQAs）的典型代表包括：变分量子特征值求解器（VQE）、量子近似优化算法（QAOA），以及利用 VQAs 的各种量子机器学习（QML）算法（如量子神经网络 QNNs）。在本节中，我们按算法类型和应用领域总结了基于 IQP 的 VQAs 的发展。为了保证内容的完整性，QML 将在接下来的小节中详细讨论。

VQE 旨在计算给定哈密顿量的基态能量，这在量子化学领域尤为重要。该算法制备一个试探量子态并迭代地最小化其能量。根据变分原理，这一过程会驱动系统趋向基态。2014 年，VQE 首次被提出，并在一个 2 量子比特的集成硅基二氧化硅芯片上进行了演示，用于计算 $He-H^+$ 的分子基态能量。在该实验中，非线性晶体通过 SPDC 产生的光子对充当两个量子比特。一个成功概率为 1/9 的概率性 CNOT 门与参数化逻辑门相结合，被用于产生分立态和纠缠态（图 10a）。

近年来，该算法在各种光子平台上得到了进一步演示，包括：

• 集成了全 SFWM 光源的硅光子芯片；
• 带有 SPDC 光源的飞秒激光直写电路；

特别是在 2023 年，一种基于四级量子比特（ququart）的 VQE 在可编程硅光子芯片上得到了演示。该方案使用单个光子编码四维希尔伯特空间，从而消除了对概率性 CNOT 门的需求。此外，实验还应用了量子自然梯度优化（quantum natural gradient optimization），展示了更快的收敛速度。

量子近似优化算法（QAOA） 旨在解决组合优化问题。它引入了一个代价哈密顿量 $H_C$（其基态编码了问题的解）和一个混合哈密顿量 $H_B$（其基态易于制备并作为初始态）。由 $H_C$ 和 $H_B$ 交替层组成的参数化量子电路通过迭代优化以最小化 $\langle H_C \rangle$。根据绝热演化定理，QAOA 最终制备出一个接近 $H_C$ 基态的量子态，从而找到最优解。

2018 年，Qiang 等人在一个能够实现任意双量子比特操作的硅光子芯片上，针对约束满足问题（CSP）演示了 $p = 1$ 的 QAOA。测试了三个 CSP 实例，保真度分别达到 $99.88 \pm 0.10\%$、$96.98 \pm 0.56\%$ 和 $99.48 \pm 0.27\%$。2024 年，Shang 等人在一个通用的 8 模光子量子处理器上，应用协同设计的 QAOA 及其两个增强变体（结合了反绝热驱动），对数字 2893 进行了质因数分解（图 10c）。他们还探讨了算法在不同 $p$ 值下的表现，验证了成功概率随电路深度的增加而提高。

除 QAOA 外，VQE 的概念也可应用于数字分解。在这种情况下，哈密顿量定义为 $H_F = (N-pq)^2$，其中 $N$ 是一个半素数，$(p, q)$ 是其两个素因子，编码在 $H_F$ 的基态中。这种方法已在玻璃芯片（飞秒激光直写波导）和硅光子芯片上实验演示了对数字 35 的分解。

量子模拟与验证也受益于变分方法，并在集成量子光子平台得到了演示。

• 2017 年，Wang 等人利用带有 CU 门的双量子比特硅光子芯片学习钻石氮-空位（NV）中心电子自旋的哈密顿量，实现约 $10^{-5}$ 的不确定度。
• 随后，该团队利用该芯片模拟了哈密顿量的本征态并计算了本征值（图 10b）。他们提出了一种结合变分法与迭代量子相位估计的新方法，能够表征基态和激发态。实验达到了超过 99% 的态保真度和 32 位精度的本征值估计。
• 2020 年，Carolan 等人利用可编程硅光子处理器演示了变分量子“反采样”（unsampling）协议，引入了未知量子动力学过程与已知输入态之间的干涉。该协议可应用于量子验证、量子层析成像、量子传感等领域。
• 2022 年，Xue 等人提出了变分纠缠辅助量子过程层析协议，呈指数级降低了态制备的成本，并在四量子比特硅光子芯片上验证了可行性（图 10d）。

VQA 的性能高度依赖于优化方法的选择。

• 无梯度算法： 许多集成光子 VQA 实现采用了 Nelder-Mead 算法、群智优化和贝叶斯优化。
• 有梯度算法： 通常在复杂问题上表现更优，收敛更快。评估梯度的常见技术是有限差分法，通过对参数施加微小扰动来估计近似梯度。
• 参数移位规则（Parameter-shift rule）： 一种更有效的方法，最初为基于逻辑门的量子计算提出，可提供无偏梯度估计且抗噪性更强。近期该规则被扩展至光子平台，使其兼容多光子输入场景。

量子机器学习 (Quantum machine learning)

机器学习（ML）是本世纪最具变革性的技术之一，它能够对大型数据集进行分类、识别并提取复杂模式，从而显著提升人类社会的效率。量子机器学习（QML）是一门将机器学习与量子计算相结合的跨学科领域，旨在利用量子原理加速计算并提升机器学习任务的性能。许多成熟的机器学习算法，包括监督学习和无监督学习技术，都已扩展到量子领域，并产生了相应的量子版本。特别值得注意的是，集成量子光子学已成为量子机器学习领域一个极具前景的平台，在实现可扩展且高效的量子机器学习应用方面展现出巨大潜力。

如图 11 所示，经典的机器学习基础算法正被转化为量子形式：

• 量子核方法 (Quantum kernel method)
• 量子生成对抗网络 (QGAN)
• 量子卷积神经网络 (QCNN)

集成量子光子学已成为 QML 的一个极具前景的平台，展现出实现可扩展、高效量子机器学习的巨大潜力。这一进展是量子人工智能（Quantum AI）轨迹的关键指标，指向一个以量子为中心的计算范式未来，有望为此前难以处理的问题提供指数级加速和解决方案。

支持向量机 (SVM) 是一种广泛用于数据分类的监督学习算法，其中核函数的选择对其成功至关重要。核函数在隐式的高维空间中计算内积，使非线性数据点能够被高效地映射到一个线性可分的空间中。在量子背景下，量子核可以通过 Swap Test（交换测试） 进行高效评估，这一概念已在硅光子芯片上利用单光子得到了实验验证。

最近，在集成光子处理器上利用量子核直接展示了量子优势的实验证据。对于特定的 SVM 二分类任务，与优化后的经典核相比，这些量子核实现了更高的分类准确率和更快的收敛速度，为其增强的表达能力（expressivity）提供了切实可衡量的指标（图 12a）。这一成果建立在其他创新实现的基础之上，例如在混合光子平台上利用自适应玻色采样进行核计算，共同展示了量子特性如何增强传统的机器学习框架。

作为变分量子算法（VQA）家族的重要成员，量子神经网络（QNNs）是执行分类任务极具前景的候选方案。与支持向量机（SVMs）不同，QNNs 直接将经典数据编码进量子态，其测量结果即对应于预测标签。2023 年，Maring 等人在 Iris 数据集上针对多类分类任务训练了一个原生光子神经网络，在训练集和测试集上分别实现了 0.92 和 0.95 的准确率（图 12b）。该实验是在一个集成了分用量子点单光子源的通用 12 模氮化硅（SiN）芯片上进行的，该芯片可通过云端访问。最近，一个研究小组引入了一种利用自适应态注入的光子量子卷积神经网络（PQCNN），它比对应的经典算法具有多项式级加速优势。PQCNN 采用了由量子数据加载器、卷积层、池化层和全连接层组成的模块化架构。特别是用于降低数据维度的池化层，是通过自适应态注入实现的，这一过程会测量某些光模式，并根据测量结果向其他模式注入新的光子。PQCNN 在两个分别具有 8 模和 12 模的飞秒激光直写光子芯片上进行了实验演示，用于二值图像分类，准确率超过 0.9。然而，为了减少资源消耗，他们使用了后选择（post-selection）而非直接的自适应态注入来实现池化。此外，硅光子芯片在二分类和多标签分类任务中也都表现出了优异的性能。

量子生成对抗网络（QGANs）近年来引起了显著关注，因为它们具有在 NISQ 设备中展示理论上指数级优势的潜力。与分类任务不同，QGANs 旨在学习潜在的数据模式并生成新样本，这些样本在本质上可以是量子的也可以是经典的。2023 年，Zhang 等人报道了一款用于欧式期权定价的硅光子芯片，其中利用 QGAN 将金融数据加载到芯片中（图 12c）。同年，Wang 等人开发了一个双四级比特（two-ququart）硅光子处理器来表征 QGANs 的容错能力，证明了在噪声条件下仍能产生保真度超过 90% 的高质量量子态（图 12d）。随后在 2024 年，Ma 等人设计了一个能够产生任意双量子比特纯态的硅光子芯片，并将其应用于三个任务：保真度超过 98% 的单量子比特态学习、量子数据分布加载以及压缩后的 MNIST 图像生成。后来，Sedrakyan 等人采用相同的 12 模处理器实现了基于 Fock 态编码的 QGAN，通过多次复用处理器，利用基于补丁的方法生成了完整的 8 × 8 MNIST 数字图像。然而，生成式任务本质上需要大量的训练参数，这给 NISQ 时代的设备带来了沉重的硬件负担。因此，尽管 QGANs 具有理论上的量子优势，但要证明其比经典对应方案具有明确的硬件加速仍具挑战性，这凸显了需要更大、更强能力的量子平台来展示这一潜力。

自动编码器在经典机器学习中被广泛用于数据压缩。类似地，量子自动编码器可以将量子态从高维希尔伯特空间压缩到低维子空间，从而实现量子信息更高效的传输和存储。2022 年，Zhang 等人提议将量子自动编码器用于高维量子态的量子隐形传态。他们利用通过 10 米光纤链路连接的两个硅光子芯片（分别充当发送端和接收端）实验演示了该协议（图 12e）。发送端制备了一个三维量子态，并通过训练编码器将其压缩到二维子空间，实现了 0.971 的保真度。遵循标准量子隐形传态协议，接收端应用了一个配置为编码器逆过程的解码器来重建原始三维状态，最终保真度达到 0.894。随后，该小组探索了量子自动编码器在光子集成芯片上降噪的应用，证明了在各种噪声信道下状态保真度的提升。

强化学习也已扩展到量子领域。2021 年，Saggio 等人在纳米光子量子处理器上实施了一项强化学习实验，证明引入量子信道可以加速智能体（agent）的学习过程（图 12f）。最近，Gaspar 等人提出了一种称为量子光学项目模拟的方法，该方法利用纠缠来训练智能体。他们将这种方法应用于在有噪声的光子量子模拟器上解决“囚徒困境”问题，并获得了理想的结果。

迈向通用计算

通用量子计算代表了信息科学的一个根本性里程碑，它能够模拟任何量子系统，并为经典方法难以处理的问题开启指数级加速。Knill-Laflamme-Milburn（KLM）方案在证明全光学系统可以实现这种通用性方面起到了关键作用。这是一项变革性的洞察，确立了线性光学作为量子计算可扩展平台的地位。容错量子计算（FTQC）是构建实用量子计算机的关键框架，使其能够在面对噪声、退相干和不完美控制引入的错误时仍能可靠运行。在详细讨论各种实验进展之前，我们首先分析光子硬件平台的发展，包括光学封装、电学控制和系统集成。随后将讨论通用计算的实验进展。

硬件集成

为了能够对制造出的光子量子芯片中的片上器件和阵列进行测试，并将其作为定制的功能模块加以利用，人们采用了多种针对光子量子计算芯片的光学和电学封装技术。这些方法允许对芯片进行功能验证，并促进其在实际场景中的应用。

光学封装技术为光子器件的功能表征以及片上阵列与片外光学系统之间的互连铺平了道路。作为主要的耦合方法，光纤到芯片的互连通常使用光栅耦合器或端面耦合器来实现。对于这些方法，一个根本性的挑战来自于单模光纤（约 10 μm）与硅/氮化硅波导（0.22 × 0.45 和 0.40 × 1.0 μm）之间的模场失配，这会导致光纤-芯片界面产生巨大的插损。鉴于其对信号传输的影响，最小化插入损耗始终是光学封装优化的首要目标。对于光栅耦合器，可以通过优化光栅周期、刻蚀深度和占空比等几何参数来增强耦合效率。此外，如图 13a 所示，修改光栅耦合器的垂直结构，例如在硅层上方引入周期性的氮化硅结构，可以进一步降低插损。迄今为止，已有报道称使用单模光纤时光栅耦合器的插损可低于 1.5 dB。与光栅耦合器相比，端面耦合器实现的插损要低得多，通常低出数倍，尽管它们在片上布局上的灵活性较差。

一方面，诸如反向锥形波导（inverse tapers）和悬臂梁等片上结构，能够实现从波导尺寸到光纤尺寸的光学模式平滑过渡。图 13b 展示了一个部署基于 V 型槽的多尖端氮化硅（SiN）端面耦合器的示例，该器件在两种偏振下均实现了 0.5 dB 的插入损耗。此外，使用高数值孔径光纤或透镜光纤可以通过重塑发射光束轮廓，有效减轻模场失配。因此，端面耦合器能够提供极低的耦合损耗，通常可以达到亚分贝（sub-dB）量级。对于大规模片上计算阵列，定制的光栅阵列可以实现芯片与外部系统之间的多端口光学通信，如图 13c 所示。通过使用紫外固化折射率匹配胶等方法，多通道光纤阵列可以与片上光栅或端面耦合器阵列形成稳定的光学接口。

除了这些常规方法，诸如飞秒激光直写等高精度制造技术的近期进展已实现了光子引线键合（photonic wire bonding），这是一种用于光子芯片的低损耗、紧凑型光学封装解决方案，如图 13d 所示。据报道，芯片到芯片封装的损耗约为 1 dB，芯片到光纤封装的损耗约为 1.5 dB。此外，多项工作演示了通过不同光学互连实现多芯片协作系统的实际应用。如图 13e 所示，两个光量子计算芯片可以通过多芯光纤互连协同工作。此外，为了满足光量子计算芯片的模式编码需求，多模光栅耦合器也被应用于其光学封装中。图 13f 展示了一种通过少模光纤和多模光栅耦合器互连两个量子芯片的方案。目前，已有支持多达 8 个独立模式的多模光栅耦合器的报道，展示了在光量子芯片应用中的巨大潜力。

为了使外部控制设备能够访问片上可调组件并实现大规模光子芯片的可编程功能，需要通过电学封装在片上器件端口与外部驱动器之间建立互连。目前，标准的接口方法依赖于专用印刷电路板（PCB）结合芯片引线键合技术。如图 13g 所示，对于大规模光量子芯片（例如具有 200 多个片上相移器的 16 模光量子计算芯片），定制的多层 PCB 为高密度引线键合提供了可行的解决方案。此外，考虑到在如此大规模的计算阵列中，密集排列的热光相移器同时工作会产生热串扰，芯片封装中还集成了热电制冷器（TEC）。通过加入热敏电阻和外部电学控制器，可以实现大规模光量子芯片的稳定全局热管理。此外，当传统的引线键合无法满足片上可调组件密度带来的电学封装要求时，诸如倒装芯片键合（flip-chip bonding）等先进的 2.5D 和 3D 封装技术为光子和电子驱动芯片的模块化集成提供了方案。例如，图 13h 展示了一种利用硅中介层（silicon interposer）将一个光子芯片与四个电子集成电路有效集成的 2.5D 封装方法。这种光电共同封装（Co-packaged）方法使光量子芯片能够达到显著更高的集成密度，从而构建专门的光量子计算模块。

此外，为了实现功能齐全的光量子计算系统，光量子计算的不同模块可以通过上述封装方法进行互连。图 13i 展示了一个集成了多个关键组件的光量子计算系统，包括量子光源、光纤延迟模块、光子提纯芯片、光量子处理芯片和单光子探测器模块，这些组件通过跨不同芯片的“芯片-光纤-芯片”光学封装和电学封装相互连接。该系统实现了一种用于跨芯片纠缠的硬件架构，支持具有 864 亿个模式的簇态。通过结合各种封装技术，可以将具有不同功能的光量子芯片组装在一个集成平台中。这种方法不仅优化了各部分的性能，还超越了单个光量子芯片所能提供的计算资源。此外，闭环光量子计算平台可以通过专用控制协议与主机集成，从而将其建立为一个能充分利用其计算能力的多用户量子云计算平台。图 13j 展示了一个具有上述功能的可重构量子云硬件框架，它由单光子源、解复用器、光纤延迟线阵列、可编程片上幺正变换矩阵、单光子探测器以及用于系统控制和云接口管理的主机组成。通过主机重新配置片上幺正变换阵列，该平台能够根据用户的特定需求灵活适应不同的计算任务。

实验探索

凭借集成光子学的进步，在追求通用容错量子计算的过程中涌现出了多项实验演示。值得注意的是，PsiQuantum 公司采用了基于融合的量子计算（fusion-based quantum computation），这是一种光学损耗是主要错误来源的可扩展架构。为了减轻这一影响，他们开发了一个可制造的平台，整合了低损耗 SiN 波导、具有制造容差的光源、高效率的光子数分辨探测器、低损耗的光纤-芯片耦合，以及利用 BTO 实现的高速电光相移器。与此同时，Xanadu 公司一直在追求使用 GKP 码的连续变量（CV）量子计算。其方法采用在 300 毫米晶圆上制造的超低损耗 SiN 光子芯片，并集成高效率的光子数分辨（PNR）探测器以产生 GKP 态，其中 PNR 探测是诱导必要非高斯性的主要方法。王建宇团队的补充工作演示了利用集成微腔光梳实现的可扩展 CV 多体纠缠，进一步推动了容错光子架构的发展。

虽然像 Aurora 这样的系统演示有助于增强人们对光子量子计算方案可扩展性的信心，但与所有硬件平台一样，当前性能与容错的严苛需求之间仍存在显著差距。对于基于融合的架构，确定性的图态制备需要多路复用（multiplexing），哪怕极小的光学损耗也会急剧增加所需的多路复用深度。此外，融合测量的后选择性质引入了概率开销，需要大量的辅助光子资源才能实现高成功率。同样，基于 GKP 码的方法对光子损耗水平、可实现的压缩水平以及多路复用深度都有极其严格的要求，以将逻辑错误率保持在容错阈值以下。这一分析强调，弥补这些性能差距是光子量子计算面临的一项关键的系统性挑战。

挑战与展望

集成量子光子芯片代表了加速量子计算、模拟和通信进展的前沿平台。在解决从基础材料到系统架构的复杂挑战方面已取得显著进展，同时也开启了前所未有的机遇。集成光子量子技术的发展面临着关键障碍，包括材料选择、系统集成和部署可行性方面的根本性挑战。

在选择硅（Si）、氮化硅（SiN）和铌酸锂（LN）等材料平台时涉及关键的权衡：硅为强光学效应提供了高非线性，但存在显著的传输损耗；而氮化硅虽然能提供稳定的传输，但在混频工作方面面临制造复杂性。确定性单光子源的产生仍然是一个核心障碍——概率性方法存在限制可扩展性的随机性，而量子点在片上集成方面面临诸如面外发射耦合等未解决的问题。尽管时延泵浦和多模波导设计等创新在实验室中实现了 99% 的保真度，但未来的突破需要结合量子点的高效发射与波导低损耗特性的混合集成路径。

高维量子态的高效编码与操纵是另一项关键技术。虽然路径编码实现了高保真度，但它对光学传输干扰仍较敏感。另一方面，频率编码具有更优的稳健性，但在片上混频方面遇到挑战。目前的证据表明，多自由度纠缠技术将克服这些限制。在近期的实验中，横向模式编码已实现了对 10 维态的稳定操纵，为抗噪声量子通信铺平了道路。此外，通过可调相移器和多模干涉仪，量子芯片的可编程性得到提升，但多比特操作等通用量子逻辑门的实现需要更灵活的结构。例如，可重构光路设计结合变分算法，已在小规模系统上展示了多种量子机器学习应用。

对于集成光子量子技术当前的 NISQ 时代，量子模拟已经展示了量子计算优势。展望未来，该领域正迈向通用计算。目前支持数十个量子比特的系统，正通过量子点光源耦合、超低损耗光波导开发以及低温环境下超导纳米线探测器集成方面的进展，向千比特级平台扩展。这些创新将共同支持通用量子算法的执行。未来的量子技术将向实际部署转型，届时超大规模集成和算法进步将实现从金融风险建模到药物研发的革命性应用。然而，定量评估大规模光子量子计算的可行性揭示了当前硬件中存在的巨大性能差距。实现容错要求在最优配置下的光子损耗预算在 1% 左右，且多路复用深度需达到 10 左右，这一基准目前仍极具挑战。相比之下，当前硬件的光子损耗仍接近 50%，这构成了容错可扩展性的根本障碍。弥补这一差距需要对系统架构和物理硬件进行协同优化。针对后者，密集的研发工作正集中于定制化制造工艺以及先进的光子和光纤组件设计，以实现必要的超低损耗预算。

除了独立的量子处理器，下一个变革性的前沿是量子互联网：一个将量子处理器联合起来进行分布式计算并实现本质安全通信的生态系统。这样的网络将实现经典互联网无法达到的应用，例如具有无条件安全性的量子密钥分发，以及将多台量子计算机互连以提升其集体算力。实现这一愿景需要可扩展的异质架构，即通过距离将多样化的量子硬件（例如结合超导量子比特的可扩展性与光子系统的室温工作能力）联网。集成光子芯片作为关键的赋能技术脱颖而出，为制造广泛部署所需的紧凑、可靠且互连的量子组件提供了可扩展的途径。

---

本站声明：本文转载自NATURE，原标题为《Recent progress towards large-scale integrated photonic quantum computation》。文章版权归原作者及原载媒体所有。本平台转载仅供微纳制造与半导体领域同行进行技术交流与学术探讨，不代表本平台赞同其观点或证实其内容的真实性。文中涉及的技术参数、工艺流程及行业预测仅供参考。鉴于微纳技术迭代迅速，请读者在实际科研或生产中以最新行业标准及实验数据为准。本平台不承担因使用本文内容而产生的任何直接或间接损失。如原作者认为转载行为不妥或涉及版权争议，请及时联系后台，我们将于 24 小时内删除处理。