完整方案开放下载!详解中国移动《通信网络中量子计算应用研究报告》

8月30日,中国移动在第四届科技周暨战略性新兴产业共创发展大会上重磅发布了《通信网络中量子计算应用研究报告》。

玻色量子作为中国移动在光量子计算领域的唯一一家合作企业兼战投企业,在量子计算应用于通信行业达成了深入合作,并在5G天线多小区网络覆盖优化大规模多输入多输出(MIMO)预编码等场景展开项目合作,成果显著,在这次的报告中也从各个方面进行了论述。

下面我们将对报告中的核心研究成果进行详细解读。

本质上,通信是一系列的数学计算过程。这也是通信行业成为量子计算最优应用突破场景之一的根本原因。引入量子计算,将对通信领域带来深刻影响。如量子优化、量子搜索、量子信号处理和量子机器学习可以提升网络能力和业务质量,带来算力网络新资源,再通过量子云平台提供第三方应用与服务,甚至能对部分应用场景带来颠覆性改变。

简单归纳,就是以通信网络中丰富的计算场景拉动量子计算与算法的发展,用量子计算与算法来解决通信中的计算难题,两者会相辅相成、融合发展,共同为“连接+算力+能力”的升级提供跨越式解决方案。

量子计算对通信领域的潜在影响

目前,针对量子计算产业现状与成熟度趋势,中国移动明确要以量子应用算法和云平台为重点和起点。

一是开展量子在通信领域应用的可能性研究,包括网络优化量子算法、量子机器学习算法和量子信号处理算法等。二是积极构建量子云平台,发布“五岳”量子计算云平台,开展相关应用软件与算法研发,提供第三方量子模拟与真机算力服务,以及算法服务。

中国移动量子计算研究规划

报告中提到,中国移动主要从需求侧分析通信中典型计算场景与计算瓶颈问题,如在信号处理方面的MIMO预编码、在网络优化方面的网络覆盖优化等问题。针对这些特定问题,中国移动联合玻色量子,依赖玻色量子自研100量子比特相干光量子计算机真机——“天工量子大脑”,对量子算法应用进行了真机测试与实用化场景验证,取得了一系列重大突破与重要研究成果🔗。

5G天线多小区网络覆盖优化场景

当前,移动通信的大规模阵列中可配置的天线数量可达到1024根,而终端天线也可达32个,5G NR毫米波频段支持传输带宽达400MHz,峰值速率达到10Gbps,未来太赫兹频段甚至有望达到10GHz带宽,100G~1Tbps 峰值速率。

这些系统参数量级在快速傅里叶变换(Fast Fourier Transform,FFT)、信道估计、天线阵列等应用中要求进行毫秒级、超高维、高精度矩阵运算,毫无疑问,这对包括 Lanczos 算法、Krylov 子空间、QR 分解、截断牛顿法在内的经典算法带来巨大压力。

在覆盖优化方面,高频大带宽、大连接、超密集基站使网络覆盖、小区间干扰等优化工作更为复杂。大带宽分割为子带宽分配给多用户,有利于系统容量,但也带来邻频泄漏干扰、小区内用户间和小区间干扰。

而针对动态用户位置的干扰避免管理本质就是大规模实时优化问题。对超密集基站部署中,基于接收信号强度、能效或基于干扰感知的用户接入技术是典型的用户关联问题,即指配问题。二次指配或非对称指配是典型的NP问题。

另外,多小区MIMO波束分配、大规模MIMO天线权值优化,其寻优空间(状态集与动作集)与小区数量呈指数增长关系,庞大的计算量难以实现大规模优化。

而中国移动通过将该问题建模为QUBO模型,并通过玻色量子自研的100量子比特相干光量子计算机“天工量子大脑”求解,可在2毫秒内完成该问题的求解,且解的质量要优于在经典计算机上使用禁忌搜索或模拟退火等优化算法的结果,并且随着问题规模的逐渐增大,量子计算机的求解时间仍然能够基本保持稳定。

通过真机测试与验证,不仅可以轻松实现大规模MIMO小区覆盖与容量最优的波束模式组合计算,还能实现更好的干扰抑制和空间多用户复用的能力。未来,通过高效的寻优算法,可以实现连片覆盖区域波束组合策略与业务需求的动态匹配,并能显著提升在5G及6G通信中的系统容量。

云渲染资源调度场景

另一方面,积极构建量子云平台,并发布“五岳”量子云平台,是中国移动在2023年的重要发力点与核心成果展示,玻色量子在其中担任着举重若轻的重要角色。

依托“1+2+N+X”设计模式,移动云打造了基于自身超级算力的量子计算云服务系统——“五岳”量子计算云平台。其中,移动云和玻色量子在共同打造“恒山光量子算力平台”过程中的首个重要研究成果,是在《中国科学:物理学 力学 天文学》英文版的物理1区Top期刊上,联合发表题为《光学实验求解多路数字划分问题的光学实验解及其在算力调度中的应用》的研究论文🔗。这是量子计算在云计算领域实用化的重要起点。

图像渲染是电影和电视领域云计算的重要应用,当客户提交一个具有特定要求的渲染任务,服务提供商需要实时找到最优方案调用计算资源。然而,由于数据量的增加,大规模动态云渲染无法在短时间内有效地计算最优任务——服务器调度方案,导致服务器和渲染任务之间的不匹配,造成计算资源浪费和渲染效率降低。

从计算角度来看,调度问题常用的求解方法包括基于数学规划的精确算法和各种启发式算法。由于该问题属于NP-Hard问题,这些求解方法的应用随着问题规模增大会受到了复杂性的限制,无法在较短时间内找到最优解。而量子计算机在解决组合优化问题上具有独特优势,能彻底解决这一难题。

中国移动联合玻色量子,通过“天工量子大脑”,针对该问题的求解实现了千倍以上的加速,实现了算力调度任务分配策略的毫秒级运算,并且与模拟退火、禁忌搜索等经典优化算法等对比,计算效率提升2000倍!展现出光量子算力在计算速度和精度上的双重优势。

量子给出的分配策略更加均衡高效与量子的计算时间可始终维持在毫秒量级

(可点击此处查看《量子计算突破云渲染资源调度!真机测试完整报告公开!》一文🔗)

玻色量子专家团队介绍到,云端服务器资源调度问题可归结为JSP组合优化类问题,而对该问题的高效求解,对提升图像渲染效率至关重要。由于基于云计算的集群环境已被用来处理大规模渲染任务,集群中的各个计算节点可以并行处理不同的渲染子任务,将呈指数级提高整体渲染效率。

未来,还需要开发更多有效的并行任务的调度算法,来实现计算集群的任务分配与负载均衡,从而更高效地完成渲染需求。由于渲染的计算效率决定了作品的视觉效果,这一系列的研究突破将在影视、动漫、游戏等领域开启极具颠覆性的视觉盛宴。

目前,中国移动已联合玻色量子在通信行业与算力行业取得一系列骄人战绩,接下来,双方将充分发挥量子优势,实现各行各业的量子革新。今年10月,玻色量子还将联合移动云正式发布“量子计算云平台”,这也是中国首个公有云量子云平台,并将对外开放真机测试,提供人人可用的量子云算力!

接下来,玻色量子还将启动“燎原计划”开发者平台,并持续对外开放“天工量子大脑”的真机测试,热忱欢迎更多不同领域的研究伙伴前来了解相干量子计算的原理和能力,在此基础上展开共同研发,用量子计算去解决更多真实场景中的问题,让量子计算的超强算力能真正服务于各行各业,满足未来时代对于计算的需求。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/206788.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

干货分享|300平米A级机房设计方案

本方案中XXX计算机中心机房建设工程,是XXX的数据中心,机房位于建筑的X层,计算机机房面积300㎡。采购设备以及装修工艺主要用于XXX所属计算机机房装修工程。 考虑到中心机房投资大、使用周期长,而业主业务发展快,现代技…

十二 动手学深度学习v2计算机视觉 ——目标检测

文章目录 锚框目标检测常用算法RCNNFast RCNNFaster RCNNSSD 单发多框检测YOLO 锚框 一类目标检测算法:以图像的每个像素为中心生成不同形状的锚框,并赋予标号,每个锚框作为一个样本进行训练。在预测时,使用NMS来去掉冗余的预测。…

空间地图GIS基础

关注微信公众号掌握更多技术动态 --------------------------------------------------------------- 一、GIS基本概念 地理信息系统(Geographic Informaiton System, GIS)是一个可以建立、浏览、查询、分析地理空间数据的软件系统,其功能小…

利用 Python 进行数据分析实验(六)

一、实验目的 使用Python解决问题 二、实验要求 自主编写并运行代码,按照模板要求撰写实验报告 三、实验步骤 假设有两个txt文件,内容如下: seg1.txtseg2.txt 将这两个文件中的内容根据id(即前面的编号)合并为如下内容,并存…

Vue+ElementUI实现输入框日期框下拉框动态展示

1.首先根据后端返回的数据格式获取类型从而展示对应的框 // fieIdName label名字 // fieIdType 类型 1和4是输入框 2日期框 3日期时间框 5下拉框 // isRequired 1必填 0不必填 // fieIdTypeRange 存放一部分的下拉框的值 需要拿到数据后转成下拉框所需要的格式这种数据…

【AI】Pytorch神经网络分类初探

Pytorch神经网络分类初探 1.数据准备 环境采用之前创建的Anaconda虚拟环境pytorch,为了方便查看每一步的返回值,可以使用Jupyter Notebook来进行开发。首先把需要的包导入进来 import torch from torch import nn from torch.utils.data import DataL…

【RHCE】openlab搭建web网站

网站需求: 1、基于域名 www.openlab.com 可以访问网站内容为 welcome to openlab!!! 增加映射 [rootlocalhost ~]# vim /etc/hosts 创建网页 [rootlocalhost ~]# mkdir -p /www/openlab [rootlocalhost ~]# echo welcome to openlab > /www/openlab/index.h…

利用法线贴图渲染逼真的3D老虎模型

在线工具推荐: 3D数字孪生场景编辑器 - GLTF/GLB材质纹理编辑器 - 3D模型在线转换 - Three.js AI自动纹理开发包 - YOLO 虚幻合成数据生成器 - 三维模型预览图生成器 - 3D模型语义搜索引擎 当谈到游戏角色的3D模型风格时,有几种不同的风格&#xf…

傅里叶变换在图像中的应用

1.图像增强与图像去噪 绝大部分噪音都是图像的高频分量,通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量,可以通过添加高频分量来增强原始图像的边缘; 2.图像分割之边缘检测 提取图像高频分量 3.图像特征提取: 形状特…

3-Mybatis

文章目录 Mybatis概述什么是Mybatis?Mybatis导入知识补充数据持久化持久层 第一个Mybatis程序:数据的增删改查查创建环境编写代码1、目录结构2、核心配置文件:resources/mybatis-config.xml3、mybatis工具类:Utils/MybatisUtils4、…

ALNS的MDP模型| 还没整理完12-08

有好几篇论文已经这样做了,先摆出一篇,然后再慢慢更新 第一篇 该篇论文提出了一种称为深增强ALNS(DR-ALNS)的方法,它利用DRL选择最有效的破坏和修复运营商,配置破坏严重性参数施加在破坏算子上&#xff0c…

请简要介绍一下HTML的发展史?

问题:什么是池化思想? 回答: 池化思想是一种资源管理的策略,通过事先创建并维护一组已经初始化好的资源对象池,以便在需要时快速获取资源并在用完后归还给池,以减少资源的创建和销毁开销,提高资…

第二十一章网络通信总结

21.1 网络程序设计基础 Java网络程序设计基础涉及使用Java编程语言创建网络应用程序。这通常涉及到使用Java的网络API,如java.net包,以建立客户端和服务器之间的通信。 基本步骤包括: 1.创建服务器: 使用ServerSocket类创建服务…

常见的中间件--消息队列中间件测试点

最近刷题,看到了有问中间件的题目,于是整理了一些中间件的知识,大多是在小破站上的笔记,仅供大家参考~ 主要分为七个部分来分享: 一、常见的中间件 二、什么是队列? 三、常见消息队列MQ的比较 四、队列…

用户管理 --汇总

一、第一节课 1.1 本人写的 前端: 鱼皮 --> 用户中心 第1节课-CSDN博客 中期: 一、用户管理 第1节课中间-CSDN博客 后端: 一、用户管理-CSDN博客 其他的链接 亿图脑图MindMaster 1.2 优秀球友,推荐 Docs 另…

12_企业架构之Tomcat部署使用

Tomcat 学习目标和内容 1、能够描述Tomcat的使用场景 2、能够简单描述Tomcat的工作原理 3、能够实现部署安装Tomcat 4、能够实现配置Tomcat的service服务和自启动 5、能够实现Tomcat的Host的配置 6、能够实现Nginx反向代理Tomcat 7、能够实现Nginx负载均衡到Tomcat 一、Tomcat介…

Abaqus许可证配置文件问题

在使用Abaqus工程设计和仿真软件时,您可能会遇到许可证配置文件问题。这些问题可能会影响软件的正常运行和工作效率。为了帮助您解决这些问题,我们特别撰写了这篇文章,以提供全面、有效的解决方案。 一、Abaqus许可证配置文件问题及原因 许…

力扣labuladong一刷day32天二叉树

力扣labuladong一刷day32天二叉树 一、297. 二叉树的序列化与反序列化 题目链接:https://leetcode.cn/problems/serialize-and-deserialize-binary-tree/ 思路:关于序列化与反序列化,题目不要求序列化的方式,只要求树经过序列化…

linux的定时任务Corntab

安装crontab # yum安装crontab yum install -y crontab# 开机自启crond服务并现在启动 systemctl enable --now crondcron系统任务调度 系统任务调度: 系统周期性所要执行的工作,比如写缓存数据到硬盘、日志清理等。 在/etc/crontab文件,这…

机器学习之全面了解回归学习器

我们将和大家一起探讨机器学习与数据科学的主题。 本文主要讨论大家针对回归学习器提出的问题。我将概要介绍,然后探讨以下五个问题: 1. 能否将回归学习器用于时序数据? 2. 该如何缩短训练时间? 3. 该如何解释不同模型的结果和…