协同是指量子计算机负责处理量子信息，如量子态的制备和测量，而经典计算机则负责处理经典信息，如逻辑运算、浮点运算以及算法的分析和优化。通过设计算法和接口，可以让量子计算部分与经典计算部分相互协作，共同完成计算任务。量子计算利用量子叠加、量子纠缠等物理特性，量子比特可以同时处于0和1的叠加态，从而实现并行计算。量子计算机需要将经典形式的数据制备在量子计算机整个系统的初始量子态上，经由一系列幺正操作演化为量子计算系统的末态，对末态实施量子测量，输出运算结果。量子计算机适合于数据的并行运算、矩阵运算、线性代数等问题；而经典计算机擅长进行逻辑运算、浮点运算等操作，并且具有相对完善的编程开发工具、操作系统和算法库。量子-经典融合计算的核心思想是利用量子计算的优势来加速特定问题的求解，同时借助经典计算的稳定性和易用性来确保计算的准确性和可靠性。
具体来说，量子计算机具有并行性、叠加性和纠缠性等独特优势，可以在某些问题上实现指数级加速，但是由于量子计算机的硬件限制和噪声等问题，其计算精度和稳定性往往受到一定影响。经典计算机则具有成熟稳定的算法和软件工具，可以处理大规模数据和复杂计算，并且易于实现和调试。目前，量子计算中量子芯片的测控、程序的编译、结果的转化处理、人机的交互都依赖于经典计算。此外，在一些应用中将计算任务划分为量子部分和经典部分，并设计相应的算法和接口来实现两者之间的信息传递和协作。例如，在变分量子算法（Variational Quantum Algorithms， VQA）中，可以利用经典优化算法来不断优化量子电路的参数，以提高计算精度和效率；在量子化学计算中，可以利用量子计算机来模拟分子的量子态和性质，再通过经典计算机进行数据处理和分析。
量子-经典融合计算存在3种融合模型[2]，分别是量子随机存取机（Quantum Random Access Machine，QRAM）模型、受限的异构量子-经典计算（restricted Heterogeneous Quantum-Classical Computing，restricted HQCC）模型和改进的异构量子-经典计算（refined HQCC）模型。
QRAM模型由Knill[3]在1996年提出，QRAM模型包含一个经典计算机和量子比特（或量子寄存器）。经典计算机执行经典计算，通过在量子寄存器上运行量子线路来控制量子比特的状态演化，并读取返回的量子比特的测量结果。
QRAM模型是一个简洁的抽象模型，它允许在量子态的演化过程中插入任意复杂的经典计算，但是目前量子计算硬件仍处于中等规模含噪（Noisy Intermediate-Scale Quantum，NISQ）阶段，量子比特的相干时间十分有限，不能保证任意的量子-经典融合计算代码能够成功执行。
在restricted HQCC模型中，在经典计算机和量子比特之间引入了一个量子线路执行器，它能够在量子比特的相干时间内执行一个固定的量子线路。由于量子线路执行器几乎不具备经典计算能力，因此无法实现基于测量的实时反馈。大部分硬件路线的量子处理器（如超导、离子阱、中性原子等）中的量子比特需要靠微波或激光脉冲进行操控和测量。这种脉冲级别的操作相对于NISQ硬件的量子比特寿命来说是缓慢的，具有较大的时延，一般在毫秒量级以上。引入量子线路执行器后，量子处理器和经典处理器之间的缓慢交互变为离线操作，与量子线路的执行解耦。为了实现基于测量的实时反馈量子线路，refined HQCC模型中引入了专用的量子控制处理器，它既可以执行量子操作指令，也可以执行更新经典寄存器和指导程序流程的经典辅助指令。因此，它可以支持实时反馈以及基于例如循环和选择的结构化量子-经典融合计算程序。
三者进行比较，QRAM假设经典计算机和量子计算机都是理想的，因此无需考虑量子比特的相干时间、经典计算-量子计算交互时延等因素，开发者可以更专注于计算逻辑本身；restricted HQCC考虑了NISQ硬件的现状，更契合当前的硬件性能发展状态，但是无法实现动态的量子线路；refined HQCC充分考虑了NISQ硬件性能和未来的应用需求，具有更广阔的应用前景。
1.2 量子-经典融合计算的关键技术
1.2.1 量子-经典融合计算技术体系架构
量子-经典融合计算的技术体系架构如图2所示，可以划分为应用层、开发工具层、算法层、编程框架层、任务调度层、资源管理层、物理资源层共7个层级。应用层包含了量子-经典融合计算主要的应用领域，包括量化金融、能源材料、生物医药、交通物流、信息通信等。该层主要通过封装好的软件/函数，或自定义开发的形式向行业用户提供计算服务。开发工具层为量子-经典融合算法提供开发和调试的工具，通常包括Jupyter Notebook、WebIDE等。算法层为应用层提供典型的量子-经典融合算法，代表性算法包括变分量子本征求解器（Variational Quantum Eigensolver，VQE）[4-6]、量子近似优化算法（Quantum Approximate Optimization Algorithm，QAOA）[7-8]、量子机器学习（Quantum Machine Learning，QML）[9]和量子神经网络（Quantum Neural Network，QNN）[10-12]等。编程框架层为算法开发提供基本的编程语言和编译工具，为底层硬件和上层应用软件提供互联的接口，同时完成量子和经典计算任务的拆解和互操作，最终将高级程序设计语言转化为硬件指令集，传递给底层硬件。任务调度层对拆解后的经典任务和量子任务进行调度，并实现各种量子/经典异构算力之间的协同。资源管理层实现各类物理机、虚拟机、Docker容器以及拓扑的注册、监控、调度等功能。最底层是物理资源层，分为经典资源和量子资源。经典资源包含各类经典算力、存力、运力基础设施；量子资源包含各种技术路线的门型通用量子计算机、专用量子计算机以及量子线路模拟器。下面各小节将重点介绍各层级中的部分关键技术。
图2 量子-经典融合计算的技术体系架构
1.2.2 算法
如何利用当前NISQ量子计算机解决实际问题成为量子-经典融合计算发展的关键点。NISQ量子计算机的缺陷在于量子比特数有限以及含噪声相干时间短导致的量子线路深度受限。VQA[13]将量子计算和经典优化器相结合，利用一个浅层的参数化的量子电路来计算损失函数C(θ)，经典优化器（比如梯度下降）通过C(θ)调整量子逻辑门参数序列θ，使C(θ)最小化。VQA提供了一个量子-经典融合计算框架，由VQA衍生出了VQE、QAOA、QML、QNN等量子-经典融合算法，可用于本征值求解、量子机器学习、含时量子模拟等场景，助力分子化学、数据分析等领域。
1.2.3 编程框架
编程框架层是处于量子-经典融合算法和量子/经典算力硬件之间的中间层，是一个承上启下的重要层级。量子-经典融合算法/程序的开发依托编程语言，算法/程序代码经多层编译后转化为量子/经典硬件可识别的指令集传递给底层物理硬件。量子编程语言可分为高级量子程序设计语言、量子中间表示和量子汇编语言。量子-经典融合计算程序一般包含一个主机程序和一个或多个量子内核[14]。主机程序一般采用经典的高级编程语言进行开发，如Python、C++等。主机程序包含了算法中必要的经典逻辑运算（如分支、循环以及各类经典优化器等）。量子内核通常由量子编程语言开发，如Q#等。量子-经典融合程序中的主机程序由经典编译器进行编译最终转化成经典指令集，并交由经典主机CPU进行处理。量子内核部分由量子编译器进行编译，通常分为两个阶段。第一阶段生成与硬件无关的量子线路，通常由量子中间表示或量子汇编语言表示。所谓与硬件无关即不考虑量子计算处理器硬件限制，如量子比特的连通性等。该阶段同时完成量子线路中逻辑门序列的优化。第二阶段生成硬件相关的量子线路，即考虑量子计算处理器硬件的连通性、支持逻辑门的种类等，完成逻辑门的转换、量子比特的映射、路由等操作，最终生成量子计算硬件可执行的量子线路。经过编译后的量子指令包含量子指令和辅助的经典指令，可以支持全面的量子程序控制。经典指令和量子指令分别传递给主机CPU和量子计算处理器（量子协处理器）执行相关的操作。
1.2.4 任务调度
量子-经典融合计算程序编译过程中会将任务分为经典任务和量子任务：经典任务交给经典计算硬件（CPU或GPU）处理；量子任务交给量子处理单元（Quantum Processing Unit， QPU）处理。这两种任务不是完全割裂的，需要任务间的协同调度。目前，量子-经典任务调度主要包含两种方式：异构并行调度和远程并行调度。异构并行调度将QPU看作经典计算的协处理器，逻辑上经典计算机和量子计算机是一台主机。经典计算机和量子计算机之间通过外围组件互联快速（Peripheral Component Interconnect express，PCIe）总线连接。在远程并行调度中，经典计算机和量子计算机物理上完全分离，需要建立远程接入（比如基于云接入）。
2 量子-经典融合计算发展现状
2.1 多种硬件路线并存，应用算法研究活跃
量子计算处理器硬件技术是量子-经典融合计算的基础。不同于经典计算的CPU、GPU硬件，QPU硬件尚处于发展初期，实现一个稳定、可控且可扩展的量子比特系统绝非易事。目前，科研人员已经探索出了多种量子计算的硬件实现方式，各具特色，尚无收敛趋势。主流的门型通用量子计算机技术路线包括超导、离子阱、中性原子、光量子等。超导量子比特是目前研究最广泛的一种技术路线。超导材料在特定条件下能够展现出量子特性，利用微波场对其进行控制，可以实现对量子比特的操作。这种技术的优点是量子比特之间的相互作用容易调控，可以实现相对简单的两量子比特门，但它也存在缺点，比如容易受到噪声和环境温度的影响，需要维持极低温的工作环境。2023年12月，IBM公司推出具有1 121个量子比特的超导量子处理器Condor，并发布了新一代133量子比特的模块化超导量子处理器Heron，相较于之前的处理器，Heron性能提高了3~5倍，错误率显著降低[15]。2024年4月，中国科学院量子信息与量子科技创新研究院研发504比特超导量子计算芯片“骁鸿”并交付科大国盾量子技术股份有限公司[16]。同月，北京量子信息科学研究院、中国科学院物理研究所、清华大学联合完成大规模量子云算力集群建设，实现五块百比特规模量子芯片算力资源和经典算力资源融合，总物理量子比特数达到590[17]。离子阱技术路线使用激光束来囚禁并操控离子，每一个被囚禁的离子都可以作为一个量子比特。离子阱技术的量子比特之间具有天然的长距离相互作用，可以构建复杂的纠缠态，这对于量子信息处理非常重要。然而，扩展离子阱的规模、增加更多的量子比特是当前研究的挑战之一。2024年，Quantinuum离子阱原型机Model H1中单/双量子比特逻辑门保真度分别达到99.9 979(3)%和99.914(3)%，量子体积达到1 048 576[18]中性原子量子计算通过紧密聚焦激光束阵列形成光镊，约束中性原子在超高真空中悬浮并构建二能级系统，与离子阱技术有一定相似性，主要优势在于长相干时间和超高维列阵构建能力。2023年12月，美国哈佛大学、QuEra Computing公司、麻省理工学院、美国国家标准与技术研究院和马里兰大学联合团队基于可重构原子阵列完成逻辑量子比特的实验验证[19]。2024年3月，德国达姆施塔特工业大学发布1305个单原子量子比特阵列操控实验成果[20]。同月，美国Atom Computing公司展示1 200个原子量子比特阵列操控能力[21]。光量子处理器利用单光子或光压缩态的多种自由度进行量子态编码和量子比特构建，具有相干时间长、可室温运行和测控相对简单等优点。2022年，加拿大Xanadu报道Borealis光量子计算机完成216压缩态高斯玻色采样实验，再次验证光量子计算的优越性[22]。2023年，中国科学技术大学联合团队发布255光子的“九章三号”光量子计算原型机，进一步提升了高斯玻色采样速度和量子优越性[23]。每一种技术路线都有其独特的工作机制、研究重点和发展路径。多种硬件路线并存，意味着研究者可以选择最适合自己研究或应用需求的技术路径，未来多种硬件之间的互操作性将成为研究的重点。
在应用算法研究方面，活跃态势更为明显。随着硬件技术的发展，科研人员能够逐渐将理论中的量子算法付诸实践，进一步设计出全新的、适用于特定量子计算硬件的量子-经典融合算法。以量子人工智能算法为例，量子人工智能是一种基于量子计算的人工智能技术。它利用量子计算机的特殊性质，如量子叠加和量子纠缠，来加速机器学习和优化算法，从而实现更高效、更准确的人工智能应用。近年来衍生出量子卷积神经网络、量子循环神经网络、量子深度学习、量子强化学习等算法。2024年3月，德国柏林弗雷大学团队验证了量子机器学习的泛化能力，实验结果表明量子神经网络可以精确地拟合训练数据的随机状态和随机标签[24]。同月，罗马大学、巴勒莫大学等联合团队在光量子平台上实现了量子极限学习机，使用高维光子轨道角动量的量子行走和在固定基矢上的投影测量，实现对光子偏振态的高效和准确的表征。这一成果不仅验证了量子极限学习机的有效性，还凸显了使用光子作为平台在处理关键量子信息任务中的巨大潜力[25]。
总体而言，多种硬件路线并存为量子计算的实用化提供了多样化选择和技术储备；应用算法的活跃研究则为量子计算赋予了解决实际问题、展示量子优势的能力。未来只有两者不断深化融合，才能推动量子-经典融合计算落地应用。
2.2 主流企业争相布局，融合架构陆续推出
随着技术的不断突破，主流企业纷纷认识到量子-经典融合计算的重要性，并开始争相布局，推出各自的融合架构。2023年3月，英伟达发布了GPU加速的量子计算系统NVIDIA DGX Quantum，该系统基于NVIDIA Grace Hopper架构超级芯片和CUDA Quantum开源量子-经典融合编程模型，并与以色列量子计算公司Quantum Machines推出的量子计算控制平台OPX+相结合，实现量子-经典融合控制系统。NVIDIA DGX Quantum使用PCIe 5.0连接NVIDIA Grace Hopper系统和OPX+量子计算控制平台，实现了GPU和QPU之间亚微秒级的通信时延。此前，英伟达发布的开源量子-经典融合编程平台CUDA Quantum允许使用C++和Python通用编程语言实现CPU、GPU、QPU异构融合编程。2023年8月，中微达信科技有限公司（简称“中微达信”）推出适用于经典超级计算机、多路量子操控和测量的融合计算测控单元，基于PCIe接口实现经典-量子测控指令之间毫秒级的调用时延。2023年9月，本源量子计算科技（合肥）股份有限公司（简称“本源量子”）公布了量云融合方案架构，量子计算机通过公网与超算中心经典超算计算机远程互联，通过在量子司南操作系统与超算管理调度模块之间运行量子经典交互协议进行协同计算。对比三种方案，英伟达和中微达信用异构并行调度架构，利用PCIe接口实现量子-经典算力之间的低时延通信；本源量子采用基于经典网络的远程并行调度，实现方式相对容易。此外，IBM、亚马孙、微软、国开启科量子技术（安徽）有限公司等公司也纷纷推出了自己的量子-经典融合框架。
2.3 创新平台加快部署，量超融合初步试用
随着技术的不断发展和研究的深入，量子-经典融合计算平台正加快部署，其中量超融合作为关键技术之一，已经开始初步试用。量超融合是指量子计算机和超级计算机协同工作的一种方式。将两者的算力相互结合，能够实现复杂问题的高效求解和优化。量超融合已经从理论转向初步实践，还呈现出深化发展之势。2022年2月，欧盟发布《欧洲量子计算和量子模拟基础设施》白皮书，明确推动经典超算与量子计算融合发展的时间点。2022年10月，欧洲高性能计算联盟选择捷克、德国、西班牙、法国、意大利和波兰六国部署量子计算机，并将其集成到超算中心。2022年12月，芬兰第一台5比特量子计算机HELMI连接到超级计算机LUMI上，为一种新型计算奠定基础，以便更快速地解决复杂问题。2023年1月，西班牙加利西亚超级计算中心宣布将在2023年内完成量子计算机的安装。2023年6月，上海超级计算中心与本源量子携手成立长三角量超协同创新中心。目前，本源量子已经与上海超级计算中心、国家超级计算郑州中心、国家超级计算成都中心合作提供量超融合计算服务。2023年12月，IBM在最新的路线图中宣称计划于2033年布局以量子为中心的超级计算，包含超过1 000个逻辑量子比特，全面释放量子计算的潜能[26]。2024年4月，Quafu量子计算云平台和本源量子计算云平台成功入驻国家超算互联网，为大众使用量子计算真机提供了方便快捷的渠道。
3 量子-经典融合计算发展趋势
3.1 进一步深入探索应用场景
随着人工智能大模型等技术的不断发展，人们对各类异构算力的需求也日益迫切。量子-经典融合计算将量子计算和经典计算的优势结合起来，通过合理的设计和优化，实现两者之间的优势互补。在量子-经典融合计算中，经典计算负责处理稳定的、大规模的计算任务，而量子计算则负责处理复杂的、需要高度并行化的计算任务。这种分工合作的模式可以大大提高计算效率，同时降低计算成本。随着应用探索的日益深入，量子-经典融合计算未来将给量化金融、能源材料、生物医药、交通物流、信息通信等诸多领域注入新活力，助力我国数字经济高质量发展。
3.2 调度机制将不断健全完善
量子-经典融合计算的核心在于异构算力的协同调度。未来算力并网和算力大脑或将成为推动量子-经典融合计算的关键技术。算力并网指的是将不同类型、不同性能的计算资源有机地连接起来，形成一个统一的、可动态调配的计算资源池。为了实现高效的算力并网，需要突破以下关键技术，包括量子-经典异构算力感知、任务划分、资源动态分配、容错处理等。算力大脑则是指调度机制应具备高度智能化的决策能力，能够像大脑一样对复杂的计算环境和任务进行快速、准确的分析和判断，并作出最优的调度决策。在量子-经典融合计算中，算力大脑的作用尤为重要，因为量子计算和经典计算在计算方式、计算资源等方面存在巨大差异，如何合理地利用这些差异，实现计算效率的最大化，是算力大脑需要解决的核心问题。
3.3 产业生态将分步建立
随着量子计算技术的不断突破和经典计算性能的日益提升，两者之间的融合已成为推动计算产业向前发展的必然趋势。量子-经典融合计算产业生态的建立，首先依赖于技术的不断成熟和创新。量子计算以其独特的并行性、叠加性和纠缠性，在某些特定问题上展现出远超经典计算的优势。然而，量子计算的稳定性和可靠性仍是其商业化应用的主要障碍。因此，将量子计算与经典计算相结合，形成互补优势，是推动技术发展的关键。这种融合不仅可以提高计算的效率和精度，还可以扩大计算的应用范围，解决更多复杂和棘手的问题。在产业生态的建立过程中，硬件制造、软件开发、应用服务等方面将形成紧密的协作关系。硬件制造商将致力于研发和生产高性能、高稳定性的量子-经典融合计算系统，为整个生态提供强大的计算基础。软件开发者将针对融合计算的特点和需求，开发高效、易用的编程工具和软件平台，降低开发难度，提高开发效率。应用服务提供者将利用量子-经典融合计算的优势，为各行各业提供定制化的解决方案，推动产业的数字化转型和升级。此外，教育、培训、标准制定等方面也将在产业生态的建立中发挥重要作用。教育和培训机构将培养大量的量子-经典融合计算人才，为产业的发展提供源源不断的人才支持。标准制定机构将制定统一的技术标准和规范，确保不同厂商和产品之间的兼容性和互操作性，降低用户的使用成本和维护难度。
4 量子-经典融合计算发展建议
量子-经典融合计算不仅结合了量子计算的高效并行性和经典计算的稳定性，还为解决复杂问题提供了新视角。为了推动这一领域的持续进步，提出如下发展建议。
加强基础研究与技术突破。量子-经典融合计算的核心在于量子计算与经典计算的深度融合。因此，加强基础研究，尤其在量子算法、量子纠错、程序编译、异构算力调度机制等方面，是实现技术突破的关键。此外，还需要探索如何将量子计算的优势与经典计算的稳定性相结合，以实现更高效、更可靠的计算。
构建完善的产业生态。一个健康的产业生态对于量子-经典融合计算的长期发展至关重要，涉及硬件制造、软件开发、应用服务、教育培训等多个方面。
推动标准化，提升互操作性。在量子-经典融合计算领域，标准化和互操作性是确保不同系统之间能够顺畅协作的关键。因此，需要制定统一的技术标准和规范，以确保不同厂商和产品之间的兼容性和互操作性。这将有助于降低用户的使用成本和维护难度，进一步推动量子-经典融合计算技术的普及和应用。
探索新的应用领域。量子-经典融合计算具有广泛的应用前景，包括但不限于化学模拟、优化问题、人工智能等领域。未来，应积极探索新的应用领域，将融合计算技术的优势应用到更多实际问题中，以推动产业的创新和发展。
5 结束语
在算力需求爆发式增长的时代，量子-经典融合计算为应对这一挑战提供了一种全新的解决方案。在技术演进和产业发展过程中挑战与机遇并存。未来，随着量子计算硬件的进步和算法的优化，量子-经典融合计算技术将发挥更大的作用，并在更多的领域得到应用。产业界和学术界应加强合作，共同推动量子-经典融合计算技术的发展，以实现更强大的计算能力和更广泛的应用。
