混合计算架构下的前沿探索:量子计算在6G通信中的应用及未来展望

doi:10.12267/j.issn.2096-5931.2025.10.005

信息通信技术与政策 ›› 2025, Vol. 51 ›› Issue (10): 31-39.doi: 10.12267/j.issn.2096-5931.2025.10.005

专题：先进计算创新应用与生态建设上一篇下一篇

混合计算架构下的前沿探索:量子计算在6G通信中的应用及未来展望

Frontier exploration under hybrid computing architecture: application of quantum computing in 6G communications and future prospects

张恩皖, 朱训璘, 魏骊静, 朱云洁

中国移动通信集团安徽有限公司, 合肥 230088

收稿日期:2025-08-22 出版日期:2025-10-25 发布日期:2025-11-06
作者简介:
张恩皖, 中国移动通信集团安徽有限公司量子技术首席研究员,长期从事大数据分析、建模挖掘、信息安全、量子技术等方面的研究工作
朱训璘, 中国移动通信集团安徽有限公司网络技术专家,长期从事网络规划建设、网络优化、大数据分析、网络技术演进等方面的研究工作
魏骊静, 中国移动通信集团安徽有限公司数据挖掘专家,长期从事大数据分析及数据挖掘等方面的研究工作
朱云洁, 中国移动通信集团安徽有限公司网络技术专家,长期从事人工智能、大数据挖掘等方面的研究工作

ZHANG Enwan, ZHU Xunlin, WEI Lijing, ZHU Yunjie

China Mobile Group Anhui Co., Ltd., Hefei 230088, China

Received:2025-08-22 Online:2025-10-25 Published:2025-11-06

摘要/Abstract

摘要：

面对未来6G通信网络在高密度场景下面临的组合优化与实时决策挑战,传统计算范式正遭遇性能瓶颈。旨在探索一种基于量子-经典混合计算的新型解决方案。首先阐述了混合计算作为后摩尔时代算力演进新范式的必然性,并介绍了其核心组成,特别是作为专用优化加速器的量子处理单元(Quantum Processing Unit,QPU)。随后,聚焦6G多用户多入多出(Multi-User Multiple-Input Multiple-Output,MU-MIMO)系统中的波束赋形优化难题,提出了一种基于离子阱平台的量子-经典混合计算框架。该框架通过将通信优化问题映射为伊辛模型,利用量子近似优化算法(Quantum Approximate Optimization Algorithm,QAOA)进行核心求解,并由经典计算机进行迭代优化与控制。最后,通过数值仿真对该方案性能进行评估。仿真结果表明,该混合计算方案有望快速完成决策,并将系统和速率相较于传统启发式算法提升15%~20%。研究结果展示了混合计算在突破经典算力瓶颈、赋能未来通信网络方面的巨大潜力,为解决其他领域的复杂优化问题提供了有益范例。

关键词: 混合计算, 量子计算, 6G通信, 波束赋形, 离子阱

Abstract:

Traditional computing paradigms face performance bottlenecks in addressing the combinatorial optimization and real-time decision-making challenges of future 6G networks. This paper explores a novel quantum-classical hybrid computing solution. It introduces a framework that utilizes a trapped-ion Quantum Processing Unit (QPU) as a dedicated accelerator to solve the 6G Multi-User Multiple-Input Multiple-Output(MU-MIMO) beamforming optimization problem. The framework maps the communication problem to an Ising model, which is then solved by using the Quantum Approximate Optimization Algorithm (QAOA) in a variational loop with a classical computer. Numerical simulations demonstrate that this hybrid approach can achieve rapid decision-making and improve the system sum-rate by 15% ~20% over traditional heuristics. These results highlight the significant potential of hybrid computing to overcome classical limitations and empower future communication networks.

Key words: hybrid computing, quantum computing, 6G communications, beamforming, trapped ion

中图分类号:

TN929.11

张恩皖, 朱训璘, 魏骊静, 朱云洁. 混合计算架构下的前沿探索:量子计算在6G通信中的应用及未来展望[J]. 信息通信技术与政策, 2025, 51(10): 31-39.

ZHANG Enwan, ZHU Xunlin, WEI Lijing, ZHU Yunjie. Frontier exploration under hybrid computing architecture: application of quantum computing in 6G communications and future prospects[J]. Information and Communications Technology and Policy, 2025, 51(10): 31-39.

导出引用管理器 EndNote|Ris|BibTeX

链接本文:

http://ictp.caict.ac.cn/CN/10.12267/j.issn.2096-5931.2025.10.005

http://ictp.caict.ac.cn/CN/Y2025/V51/I10/31

图/表 5

参考文献 8

[1]	贾玉, 张博文. 量子计算技术发展与创新研究[J]. 信息通信技术与政策, 2024, 50(7):69-75. doi: 10.12267/j.issn.2096-5931.2024.07.009
[2]	尹华磊, 卢旭阳, 张庆航, 等. 基于融合量子计算的研究进展[J]. 激光与光电子学进展, 2025, 62(11): 45-55.
[3]	李卓瑛, 邓子宜, 周卓俊, 等. 分布式离子阱量子计算的发展和应用[J]. 信息通信技术与政策, 2023, 49(7): 2-8. doi: 10.12267/j.issn.2096-5931.2023.07.001
[4]	吴宇恺, 段路明. 离子阱量子计算规模化的研究进展[J]. 物理学报, 2023, 72(23):12-17.
[5]	饶欣欣, 李卓瑛, 宋潇, 等. 离子阱量子计算机的发展现状与趋势[J]. 世界科技研究与发展, 2022, 44(2):157-171.
[6]	LEE D, LEE S, SHON S. Qubit adoption method of a quantum computing-based metaheuristics algorithm for truss structures analysis[J]. Biomimetics, 2024, 9(1):11.
[7]	冯猛. 基于量子计算技术的软件通信加密算法改进研究[J]. 中国宽带, 2025, 21(6):31-33.
[8]	王敬, 张萌, 李芳. 量子计算技术产业发展趋势研究[J]. 信息通信技术与政策, 2024, 50(7):39-47. doi: 10.12267/j.issn.2096-5931.2024.07.006

参数类别	参数名称	数值/模型
场景参数	场景模型	3GPP TR 38.901 UMi
	小区半径	200 m
	基站(gNB)位置	(0, 0, 10) m
	用户设备分布	在小区内随机均匀分布
硬件参数	基站天线数(N_t)	64 (8x8平面阵列)
	小区内总用户数(U)	30
	同时服务用户数(K)	8
信道参数	系统带宽	100 MHz
	中心频率	6 GHz
	信道模型	包含路径损耗、阴影衰落和快衰落
	噪声功率谱密度	-174 dBm/Hz
算法参数	对比算法	贪心算法
	混合方案	QAOA (p=5层), SPSA优化器
	评价指标	1.系统和速率(bit/s/Hz);2.计算时延(ms)

参数类别	参数名称	数值/模型
场景参数	场景模型	3GPP TR 38.901 UMi
	小区半径	200 m
	基站(gNB)位置	(0, 0, 10) m
	用户设备分布	在小区内随机均匀分布
硬件参数	基站天线数(N_t)	64 (8x8平面阵列)
	小区内总用户数(U)	30
	同时服务用户数(K)	8
信道参数	系统带宽	100 MHz
	中心频率	6 GHz
	信道模型	包含路径损耗、阴影衰落和快衰落
	噪声功率谱密度	-174 dBm/Hz
算法参数	对比算法	贪心算法
	混合方案	QAOA (p=5层), SPSA优化器
	评价指标	1.系统和速率(bit/s/Hz);2.计算时延(ms)

[1]	贾玉, 张志宏, 王山龙, 金蓄, 黄智国. 计算高速互连技术在量子模拟器中的应用研究[J]. 信息通信技术与政策, 2025, 51(7): 16-23.
[2]	王敬, 董子杰, 张萌, 李芳. 量子计算关键技术与产业应用发展趋势分析[J]. 信息通信技术与政策, 2025, 51(7): 8-15.
[3]	董子杰, 王敬, 崔小铃. 日本光量子计算发展态势及对我国的启示[J]. 信息通信技术与政策, 2025, 51(10): 45-50.
[4]	王振, 王乾坤, 王翰逸, 王升斌, 胡嘉晟, 孙汉涛. 量子-经典融合算力架构与发展[J]. 信息通信技术与政策, 2025, 51(1): 89-96.
[5]	吕品, 苑涛. 量子计算云平台的应用生态建设和发展建议[J]. 信息通信技术与政策, 2024, 50(7): 18-23.
[6]	赖俊森, 赵文玉, 张海懿. 量子计算信息安全威胁与应对策略分析[J]. 信息通信技术与政策, 2024, 50(7): 24-29.
[7]	何琳琳, 张倩. 量子信息技术专利态势分析及发展策略建议[J]. 信息通信技术与政策, 2024, 50(7): 30-38.
[8]	王敬, 张萌, 李芳. 量子计算技术产业发展趋势研究[J]. 信息通信技术与政策, 2024, 50(7): 39-47.
[9]	贾玉, 张博文. 量子计算技术发展与创新研究[J]. 信息通信技术与政策, 2024, 50(7): 69-75.
[10]	张萌, 王敬, 黄智国, 钱岭. 量子-经典融合计算发展现状与趋势研究[J]. 信息通信技术与政策, 2024, 50(7): 9-17.
[11]	赵文定, 蔡明磊, 梅全鑫, 姚麟, 杨蒿翔. 离子量子计算研究及应用[J]. 信息通信技术与政策, 2023, 49(7): 17-26.
[12]	李卓瑛, 邓子宜, 周卓俊, 邱道文, 朱峰, 罗乐. 分布式离子阱量子计算的发展和应用[J]. 信息通信技术与政策, 2023, 49(7): 2-8.
[13]	张萌, 王敬, 赵文玉, 张海懿. 量子计算云平台的架构与发展[J]. 信息通信技术与政策, 2023, 49(7): 27-35.
[14]	付耀斌, 周辉. 量超协同计算发展概述[J]. 信息通信技术与政策, 2023, 49(7): 36-43.
[15]	王敬, 张萌, 李芳, 张海懿. 量子计算关键技术及应用发展分析[J]. 信息通信技术与政策, 2023, 49(7): 9-16.

混合计算架构下的前沿探索:量子计算在6G通信中的应用及未来展望

Frontier exploration under hybrid computing architecture: application of quantum computing in 6G communications and future prospects

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 8

相关文章 15

编辑推荐

Metrics

本文评价