Reserch
order

台灣發展量子計算科技產業的策略

  • 林育中

控制/讀取晶片與量子位元和傳統計算的異構整合等,都是台灣既存優勢的切入點。Unsplash

量子計算領域去年就有100多家新創公司。今年雖然經濟受創於疫情,但是投資的熱度並沒有減退。譬如年初俄羅斯政府宣布的8億美元投資於量子科技研究、最近的俄羅斯鐵路公司投資3億美元於量子通訊、psiQuantum籌得2.3億美元計劃於5年內商業化量子電腦等,幾乎不時都有新投入的新聞。主要的原因有二:一是量子計算發展的時程似乎比原先預期的快,另一個是實際量子計算的應用有初步展示。

這樣一個從基礎科學發展出顛覆性的技術,不會只是對一個既有產業技術的突破性出口,而會創造出好幾個新產業。量子技術是對單一粒子量子性質的高精度控制,這遠遠超過傳統意義下的奈米科技。量子訊息科學目前至少有量子計算、量子通信和量子感測三大範疇,而量子計算與量子通信已可預見未來會整合成量子網路。所以要討論發展策略時,要以產業發展的視野來考慮。

量子計算的產業價值鏈比想像中的還長。除了目前的焦點量子計算機外,另外還有演算法(algorithm)、應用程式、測試機台、將來要形成量子網路所需的量子通信等。另外在基礎建設時所需培養的人力資源、量子計算機的「組合語言」、「高階語言」、程式庫等也還橫在前頭。

其中演算法與應用程式是兩回事。演算法是指在量子計算可以著力的BQP (Bounded error Quantum Polynomial time)問題領域中,以數學知識、利用量子計算平行運算特性,尋找比傳統計算可以平方加速(quadratic speedup)甚至指數加速(exponential speedup)的方法。目前雖說已有數百種演算法,但最知名的也不過Shor’s algorithm以及 Grover’s algorithm兩種。

應用程式指的是將待解決的問題映射到量子物理模型,因為特定量子模型在量子計算機上可以有明確解答,因而原來問題也可以同時快速得到解答。譬如在金融的應用中將選擇權定價(option pricing)的Black-Scholes方程式映射到量子力學薛汀格方式,又譬如大多數機器學習的優化(optimization)問題可以映射到物理關於自發性磁化易辛模型(Ising Model),這些模型在量子計算機上可以加速計算,因而原問題也可以獲得加速的計算結果。應用程式需要應用領域知識(domain knowledge),也需要稍為瞭解物理模型。

如果台灣要進入量子訊息產業,要怎麼入手?台灣的經濟規模不夠大,於其中的沈潛、浸淫也遠遜於荷蘭、澳洲、加拿大等國家,集中於我們擅長的一些價值鏈環節,然後再從那些環節延伸出去鞏固更多的環節是後發、中小規模經濟體最合理的策略。

演算法和應用程式環節對量子計算的增值不亞於硬體的研發和改進,而且對量子計算產業近期的支持、發展有決定性的影響。有應用場域、有效益,量子產業才會有社會資源持續投入。可是軟體不算是台灣的強項,優勢的累積不容易,業務也缺少黏著性,因此我不認為這是發展策略的重點。但是如果沒有這2個環節的人才儲備,連硬體的開發、整合、測試都會有問題,遑論真正使用量子計算來解決問題,所以在此2環節還是要分配適當的資源。

台大的IBM-Q at NTU已啟動這方面的努力,中原也開始投入教學與研究。下一個關鍵步驟是要產業的人員直接投入,包括將來要使用量子電腦和要開發量子電腦相關硬體的公司。

硬體部分最核心的量子計算機大致可以分為三部分:量子位元、控制和讀取以及低溫(cryogenic)系統。先說低溫系統,量子計算需要的低溫其實大致有兩個等級:一個是10~20mK等級的,主要的作用是維持有些種類量子位元的相干性(coherence),譬如超導量子位元。另一個等級的是在控制和讀取時維持低雜訊環境,大致上溫度在3~4K。

雖然看似都是接近絕對零度的低溫,但是工程難度相差極大。在10~20mK的溫度時抽取熱量的功率為微瓦(μW),要達到10~20mK的極低溫需要系統一整天的運作;在3~4K時抽取熱量的功率為數瓦,二者有好幾個數量級的差距,其所各自對應的技術難度和售價也不是同一個數量級。能達到10~20mK的低溫、又不需要使用者投入大量工程客製化以及維護的設備目前只有Bluefors一家提供。

有些量子位元不需要低溫,譬如奈米鑽石氮缺陷(nano-diamond nitrogen vacancy)或以路徑(path)當成量子態的光子量子位元;目前也有工程的努力讓原先只能在10~20mK存在的量子態可以存在於1K以上的溫度。低溫系統不是台灣過去的專長,戰略重要性也有可能因為量子位元材料的選擇以及工程的努力而降低,台灣可以安心的當使用者,或者購併第二線的低溫系統廠商。

控制和讀取是未來量子計算機可擴充性的大關卡。量子計算以現在傳統計算的術語來說是記憶體內計算(in-memory computing),資料並不搬動,運算在記憶體(量子位元)內操作,完成後直接讀取。現在的做法是在每一個量子位元後接線操作,但是預計在量子位元數達千個之後這個方法便窒礙難行,解決的方法當然是用可擴充性最佳的半導體晶片取代接線。Intel和QuTech最近合作的晶片Horse Ridge就是為此問題的未雨綢繆:22nm製程,上面包括邏輯、類比、SRAM、射頻(控制用)和雷射(冷卻用)。

這都是台灣優為之事,包括這控制/讀取晶片與量子位元和傳統計算的異構整合等。這是台灣既存優勢的切入點,也是可以用來槓桿與台灣較弱環節合作的砝碼。但這不代表在控制/讀取晶片就沒有新的技術挑戰,譬如CMOS在低溫下的運作、和量子位元的交互作用、28Si的同位素純化、單一原子核的精準放置(對於矽基自旋量子位元)等。

最後是量子位元技術的開發。這個領域目前是百花齊放,但是目前發展得比較領先的有3種:離子陷阱、超導體和光子(這是去年美國科學院量子白皮書的排列次序)。台灣在量子位元的發展是後發者,於此次領域沒有任何優勢。但是這不代表可以完全不理會。如同上一段所言,設計控制/讀取晶片也需要量子位元的深度知識,這也是為什麼Intel設計Horse Ridge需要與QuTech合作的原因。

Horse Ridge可以同時用於量子點量子位元與超導體量子位元的控制,但是Intel的主力放在量子點,需要目前焦點放在超導體QuTech的協助以設計晶片。台灣在這個環節合理的作為是至少有一家startup或機構專注於某一類的量子位元技術,其他種類的量子位元技術則可以倚靠半導體技術來槓桿合作。

如果真要追問我投資那一種量子位元技術,我的「偏見」會傾向於選擇光子。雖然光子量子位元目前發展相對於離子陷阱和超導體較遲緩,也有明顯的技術挑戰要克服,譬如單光子光源效率、光子損耗等問題,但是它有幾個優點令我無法抗拒:

1. 可擴充性。離子陷阱與超導體技術都説是與CMOS相容技術,但是矽光子技術可是結結實實的半導體技術。這也是為什麼前述的psiQuantum公司敢發下幾年內量產商用幾百萬量子位元計算機豪語的原因。量子計算機如果可擴充性受限,充其量只是科學玩具。

2. 矽光子技術受5G應用需求的剌激正在快速發展,其中有些技術—特別是調製器(modulator)—是可以與光子量子位元共用的。可以搭別人資金和技術的便車總是令人愉快的。

3. 即使光子最終當不成基礎的量子位元,量子位元要集合成夠大的數量合理的辦法是先形成小模組,再由小模組異構整合成大計算單元,這就是現在時髦的chiplet概念。要形成小模組與小模組之間的量子糾纏,除了光子外我還想不到替代人選。所以光子一定可以在量子計算中扮演相當重要的角色。

4. 再進一步要形成量子網路,其中的量子通信的訊息攜帶已毫無疑義的由光子擔綱,這樣量子計算與量子通信整合最簡單。

但是選擇發展量子位元種類是個充滿爭議性的話題,兼聽則明,這算是disclaimer吧!

現為DIGITIMES顧問,1988年獲物理學博士學位,任教於中央大學,後轉往科技產業發展。曾任茂德科技董事及副總、普天茂德科技總經理、康帝科技總經理等職位。曾於 Taiwan Semicon 任諮詢委員,主持黃光論壇。2001~2002 獲選為台灣半導體產業協會監事、監事長。現在於台大物理系訪問研究,主要研究領域為自旋電子學相關物質及機制的基礎研究。