網絡空間是支持戰場物聯網（IoBT）的數字通信網絡，是以防御為中心的傳感器、計算機、執行器和人類以數字方式連接的模式。一個安全的IoBT基礎設施有助于在分布式子系統中實時實施觀察、定位、決定、行動（OODA）循環。網絡犯罪分子和戰略對手的成功黑客行為表明，像IoBT這樣的網絡系統并不安全。三條工作路線展示了一條通往更強大的IoBT的道路。首先，收集了企業網絡流量的基線數據集，并通過生成方法對其進行建模，允許生成真實的、合成的網絡數據。接下來，通過算法制作了網絡數據包的對抗性例子，以欺騙網絡入侵檢測系統，同時保持數據包的功能。最后，提出了一個框架，使用元學習來結合各種薄弱模型的預測能力。這導致了一個元模型在數據包的整體準確性和對抗性實例檢測率方面優于所有基線分類器。國防戰略強調網絡安全是保衛國土和在信息時代保持軍事優勢的必要條件。這項研究提供了學術觀點和應用技術，以推進美國防部在信息時代的網絡安全態勢。

圖 22. 對抗性樣本的生成和測試的4個步驟

圖23. 元學習框架通過智能地結合每個基礎模型的預測能力來加強對對抗性攻擊。對抗性訓練的分類器是通過5.3所述的增強數據集進行訓練。

論文引言

1.1 動機

美國國防部（DoD）預計，未來的戰爭將主要在網絡領域進行，對手包括戰略競爭對手和非國家行為者。由于美國從未打過一場全面的網絡戰爭，因此對 "路線規則"并不十分了解[6]。敵人有可能通過已知和未知的威脅載體來攻擊美國的利益。這些攻擊的影響可能是非動能性的，即對信息系統的未獲許可的訪問或控制，或者是動能性的，即攻擊導致物理資產的破壞、基礎設施的損害或死亡。許多遺留的網絡物理系統在建造時沒有預見到網絡漏洞[7]。隨著戰場物聯網的發展，包括更多的這些系統，潛在的網絡威脅暴露也在增加。想象一下，當士兵的可穿戴設備在戰斗中因網絡攻擊而發生故障時，會出現怎樣的混亂。至關重要的是，我們要在對手利用這些缺點之前，用新技術解決我們軍隊的網絡安全問題。生成式機器學習和元學習是新興領域，可能為網絡安全研究中一些長期存在的障礙提供解決方案。

入侵檢測系統（IDS）是一種阻止和防御網絡攻擊的方法[7]。不幸的是，IDS需要大量的數據集進行訓練[2]。有機的網絡攻擊數據，帶有標記的條目，是出了名的稀缺。NSL-KDD[8]試圖糾正被廣泛引用的KDD-CUP基準數據集的問題，然而，即使是改進的版本也是過時的，而且范圍有限。

生成式機器學習是人工智能的一個領域，有可能以新的方式解決未解決的問題。諸如馬爾科夫鏈蒙特卡洛、自動編碼器和生成對抗網絡（GANS）和自動編碼器的方法被用來估計未知的概率分布函數。對多樣化和現實的生成數據的應用是很迫切的，特別是對網絡。生成方法提供了一個分析和綜合網絡數據的途徑，而生成方法與元學習的結合提供了一個防止某些網絡攻擊的機會。

本章的其余部分介紹了三個促進美國網絡系統安全的研究課題。第2章提供了一個相關主題的總體文獻回顧，以及一個精心挑選的可能對讀者特別有價值的來源的快速參考表。第3至5章提供了與貢獻1、2和3相對應的已完成的研究手稿。以前發表的研究是第六章，最后總結了研究的主要發現以及它們對現代防御的影響。附錄提供了不適合于主文件的額外信息。附錄A是元學習NIDS的相關研究，不適合于所述貢獻。附錄B是一個參考的AFIT論文表。附錄C包括支持貢獻1的數據表格。

1.2 研究貢獻

本論文提出了三個研究課題以支持軍隊安全態勢的現代化。雖然每個課題都可以獨立進行，但本論文采取了連續的方法，早期研究的結果增強了后來的工作。本論文的總體目標是證明在建立一個對對抗性攻擊具有強大抵抗力的入侵檢測系統方面取得了重大進展。

貢獻1：生成真實的合成網絡數據。

第一個研究目標是對現代網絡數據的概率分布進行建模，并從基線分布中生成額外的、現實的數據。預定的生成模型可以是明確的，以概率分布函數的形式，或隱含的，如GAN。生成方法將在第2.2節討論。無論怎樣，模型生成的現實數據必須證明與基線數據的分布相匹配。與第4.2節中NSL-KDD[8]、KDD-CUP[9]、UNSW-NB15[10]等其他基準數據集不同，生成的數據必須能夠代表現代政府系統中的網絡流量，包括授權和惡意行為者的例子，而且比例適當。惡意流量必須是現代網絡攻擊的代表，并反映原始分布中未觀察到的例子。一個可能的策略是通過在敵對環境中收集的真實網絡數據或在現實的高保真模擬中收集的數據來訓練一個生成模型。然后，基線數據可以用來訓練一個生成模型，能夠從與基線相同的分布中創建新的、現實的例子。

特別是，生成模型應該強調對模式崩潰的復原力，并且應該對變量之間的宏觀層面的關聯性進行建模。如果成功，現實生成的網絡數據將被用作創建對抗性例子的起點。擴大的、生成的數據集比小的真實數據集更受歡迎，因為它展示了生成方法的可行性，以克服新型網絡攻擊中的數據不足。隨著網絡日志數據中新現象的發現，它們將被復制到更大的數量，有利于創建對抗性例子和強大的IDS。如果生成方法不能產生現實的數據，那么目標二可以使用數量更多的基線數據來實現，而這些數據的獲取是昂貴和費力的。為了支持貢獻1，已經提交并接受了兩篇存檔的同行評審論文。《網絡領域生成方法的挑戰和機遇》已被《2021年冬季模擬會議論文集》接受，《為訓練和評估網絡入侵檢測系統的機器學習分類器生成現實的網絡數據》已提交給《應用專家系統》。這兩項工作都是由Marc Chal′e（主要作者）撰寫的，委員會成員為支持學位論文研究做出了貢獻。支持貢獻1的工作在第三章和附錄C中介紹。

貢獻2：生成對抗性樣本。

第2個研究目標是產生能夠躲避現代IDS的對抗性樣本。對抗性樣本必須使用新的技術來創建，包括適用的生成方法。對抗性樣本必須超越諸如[11]的工作，強制執行網絡數據的不可變方面[12]，并實現端到端的攻擊。解決這一挑戰可能會增加最先進的網絡攻擊對當前IDS的有效性，但一旦這些技術被確定，它們就可以在強大的IDS中得到解決。盡管最近在計算機視覺領域創造對抗性攻擊方面取得了進展，但在網絡領域產生對抗性攻擊是特別具有挑戰性的[12]。為了使被擾亂的互聯網協議（IP）數據包能夠促進端到端的網絡攻擊，數據包必須保持其專門的數據結構以及執行時的原始功能。雖然圖像可以不受限制地被擾動，并產生一個有效的圖像文件，但在互聯網上傳輸的IP數據包在擾動過程中會被破壞，導致無效的端到端攻擊。盡管最初對網絡領域的對抗性攻擊的研究[11] [13] [14]集中在擾亂網絡數據的特征向量上，但更困難的任務是擾亂網絡數據包的實際有效載荷，同時保持其原始功能[13] [15] [12]。或者，可以生成一個對抗性的特征向量，然后反向設計成一個能躲避IDS的功能性IP數據包。在努力實現端到端黑盒攻擊的過程中，我們必須證明對抗性例子可以被限制在網絡領域的標準內。這一目標在提交給《計算機與工業工程》的期刊文章《基于約束優化的網絡入侵檢測系統轉移攻擊的對抗性實例生成》中實現。 這項工作是由Marc Chal′e（主要作者）撰寫的，委員會成員為支持論文研究做出了貢獻。支持貢獻2的工作在第四章和附錄D中介紹。

貢獻3：展示一個強大的入侵檢測系統。

入侵檢測系統在保護網絡系統數據的保密性、完整性和可用性方面發揮著重要作用，但它們存在根本性的缺陷。幾種流行的基于規則的IDS對惡意軟件的檢測率在實踐中是驚人的低。一項研究發現，Zeek使用其基于規則的警報系統只檢測到52%的惡意軟件攻擊[16]。這種乏善可陳的表現可能促使了機器學習入侵檢測系統的最新發展。雖然近年來IDS的能力有所提高，但對手也在不斷創新他們的方法。此外，自2005年以來，美國報告的入侵事件的比率一直在增加。大多數IDS漏洞被認為是規避攻擊的結果，其中IP數據包被修改為看似無害，但實際上是有害的[17]。在現代，諸如[11]這樣的規避攻擊使用啟發式方法來擾亂IP數據包的特征，騙過IDS。

因此，最終的研究目標是利用GML和元學習等技術，提高基于機器學習的IDS的分類性能和魯棒性，如[2]。通過分類性能，我們特別指出了召回率（檢測率）和準確率的指標。穩健性是指算法對來自于與訓練所用的例子不同的分布的例子有很好的概括傾向[18]；它是當今網絡環境中模型的一個越來越重要的特征。

雖然貢獻2暴露了基于ML的IDS的安全漏洞，但貢獻3提供了一個解決方案。這一研究目標在MADFACTS中實現。MADFACTS: Meta-learning Augmented Defense For Adversarial Cyber Techniques是一篇已完成的長篇文章，正等待提交給《計算機與安全》、《未來互聯網》或《優化通訊》等刊物。這項工作是由Marc Chal′e（主要作者）撰寫的，委員會成員為支持論文研究做出了貢獻。支持貢獻3的工作將在第四章介紹。

影響。

上述研究目標對物聯網的網絡防御和整個國家安全有協同的影響。貢獻1旨在解決網絡領域長期缺乏標記的高質量訓練數據的問題。貢獻2提供了一個技術優勢，以對抗那些希望開發針對物聯網的新型對抗性攻擊的網絡犯罪分子和對手。貢獻1和貢獻2的成功加強了貢獻3的工作，其中一個強大的IDS擊敗了對手的例子。這些成就符合軍事戰略的更大愿景，即在所有領域（包括網絡、空間、陸地、空中和海上）實現機動性自由。加強整個IoBT的網絡安全對于指揮官在現代跨域戰爭中造成預期的影響是必不可少的，因為指揮、控制、情報和識別是決策的骨干，而且越來越數字化了。這項研究提供了一條有希望的途徑，以提高對抗不斷變化的攻擊威脅的穩健性。

糾纏交換和分配將是一個全面運作的量子生態系統的必要組成部分，并將形成一個量子網絡的骨干。支撐這些協議的基本過程是遠程傳輸。在最初設想時，這些協議假定確定性地產生最大的糾纏態；然而，目前還沒有已知的實驗方法來按需產生這種狀態。在這里，我們完整地描述了糾纏態的噪聲生成如何影響雙量子比特傳送的保真度，這是它的第一個特征描述。此外，我們還討論了這項工作對n-qubit傳送的可擴展性。

2022 年 10 月 11 日，美國陸軍發布了一份綜合數據計劃（ADP），這是一種全軍范圍內改進數據管理以確保陸軍成為以數據為中心的組織的方法。

該計劃是一項為期三年的工作，將改善整個陸軍的數據管理、數據治理和數據分析。作戰任務是陸軍數據計劃的當前重點。ADP 在該任務領域的成果是通過進行必要的更改來確保作戰人員的數據得到正確管理和使用，從而為作戰人員提供優勢。陸軍已經開始對數據管理能力、工具和模型進行原型設計，以實現這一目標。

陸軍首席信息官 Raj Iyer 博士說：“數據以及如何在所有梯隊中整合這些數據以實現真正快速、敏捷的決策，才是真正為陸軍提供其在未來戰爭中所需的競爭優勢的關鍵。”

數據和數據分析將為 2030 年的陸軍提供動力。士兵將需要在正確的時間和正確的地點獲得正確的數據，以便在每個梯隊做出更快、更好的決策——以超越任何對手的思維和步伐。

與早期的軍事行動相比，現在的戰爭范圍更大且范圍不斷擴大。作為聯合全域作戰的一部分，多域作戰是陸軍必須準備并贏得下一場戰斗的地方。這是一個數據豐富的環境。

每個領域都有自己的信息和數據流，一些信息來自開源情報，一些來自天基傳感器，還有一些來自網絡空間。今天的士兵和指揮官需要跨領域的綜合來主宰戰場。

ADP 概述了工作的組織并提供了總體戰略目標。它側重于中期努力，未來將被另一個更新所取代。

通過陸軍數據計劃實現這一決策優勢是陸軍的關鍵目標。

摘要

本報告涵蓋了與設計評估人類和智能軟件Agent之間通信有關的問題，這些通信是實現協作關系所必需的。為了使人與Agent之間的互動在動態的現實世界中保持穩定，軟件Agent和人類都必須能夠在任務目標方面溝通他們的整體意圖。由于推理過程、能力和知識庫的不同，人類和Agent并不是人類團隊的模擬。我們討論了有效通信所涉及的技術問題，包括相互透明的模型、自然語言處理（NLP）、人工智能（AI）和可解釋的AI。由于缺乏使人類能夠洞察其隊友心理過程的心智理論，Agent很難預測人類的信息需求和未來行動。涉及多個Agent的協作計劃研究和合成共享心智模型的研究被作為嘗試將人類和Agent整合成一個協同單位典范。然而，我們的結論是，在人類和Agent在復雜的、不確定的任務中像人類團隊一樣通信之前，NLP、可解釋人工智能和人類科學的進展將是必要的。

1. 引言

自主系統的前景和問題都將改變未來系統的動態，這不僅體現在自主系統對社會的影響上，也體現在它們與人類的互動上（《經濟學人》2016；Schaefer等人，2017）。人類和自主系統之間的伙伴關系涉及到將人工和人類融合成一個有凝聚力的系統，這種結合意味著所有的優勢和限制（Bradshaw等人，2009；Chen和Barnes，2014）。自主系統的范圍可以從那些獨立的、只由人類偶爾監控的系統到由人類指導的、受到密切監督的系統（Barnes等人，2017）。能夠自主行動并根據新信息更新行動以實現其目標的軟件系統被確定為智能Agent（IA）；Russell和Norvig 2009）。在人類與IA的合作關系中，人類和IA共享決策空間的混合倡議能力，但人類擁有最終的權力，在危險的時間有限的情況下，允許靈活性，同時保持人類的責任（Chen和Barnes 2015；Barnes等人2017）。在大多數情況下，不可能先驗地將每個人分配到動態環境中的特定角色，因為他們的角色可以隨著情況的變化而改變。例如，自適應Agent可以在高工作負荷的任務段中掌握決策主動權，而不需要等待操作者的許可，但在正常的操作中會將決策主動權還給操作者（Chen和Barnes 2014）。一些與任務分配有關的規定性規則可以根據任務的優先級預先設定。其他規則可能會根據情況的緊急程度而改變（例如，在時間期限過后自主擊落來襲導彈[Barnes等人，2017；Parasuraman等人，2007]）。然而，在動態環境中，溝通、對意圖的理解和共同的態勢感知（SA）是有效協作的必要條件（Barnes等人，2017；Evans等人，2017；Holder，2018；Chen等人，2018）。

隨著IA復雜性的增加，有效通信的必要性也隨之增加。Cooke（2015）認為，高效的團隊合作關系更多的是取決于有效的互動，而不是擁有廣泛的共享知識庫。除了有一個共同的語言框架，每個團隊成員都必須知道什么時候向他們的伙伴推送信息，什么時候要求提供信息。因此，人類和IA不僅要有任務環境的SA，而且要有彼此角色的SA，以便在沒有公開交流的情況下回應伙伴的要求（Scherri等人，2003；Chen等人，2018）。我們討論三個主要的主題。第一個主題是對人-Agent架構的描述，以及為什么它與人-人團隊不同，強調相互透明度的重要性。接下來，我們討論了人類與人工智能（AI）系統通信所涉及的技術問題，包括多模態交互、語言限制、AI的類型以及可解釋AI（XAI）的重要性，以確保相互理解。最后，我們討論了共享意圖的重要性，以促進操作者和人工智能之間信息交互的自然節奏。

美國空軍部自成為一個多軍種組織以來，首次為整個部門提出了統一的作戰條令。這份空軍部條令出版物3-99《美國空軍部在聯合全域作戰中的角色》是一份指導性理論聲明，闡述了兩個軍種在聯合全域作戰這一重要且不斷發展的領域中的未來發展方向。每個軍種都對提供給聯合部隊指揮官的全部力量和能力做出了貢獻。它們共同提供了利用空中和空間為國家服務的無可比擬的能力。

WILLIAM G. HOLT，美國空軍少將，勒梅理論發展和教育中心指揮官

Shawn N. Bratton，美國空軍準將，空間訓練和準備指揮部指揮官

本理論出版物為支持聯合全域作戰（JADO）的空中和空間部分建立了一個框架。該框架將JADO的愿景與基于作戰經驗的近期實踐方法以及經過戰斗檢驗的作戰規劃、執行和評估過程結合起來。該出版物指導空軍部（DAF）組織和使用提交給聯合部隊指揮官（JFC）的全部力量和能力。實驗、兵棋推演和演習繼續完善JADO原則。本出版物的作用，作為新興的理論，在附錄E中有所描述。

摘要

人們不斷地推動人工智能（AI）盡可能地像人類智能一樣；然而，這是一項艱巨的任務，因為它無法學習超出其目前的理解能力。類比推理（AR）已被提議作為實現這一目標的方法之一。目前的文獻缺乏對心理學啟發的和自然語言處理產生的AR算法的技術比較，這些算法在基于單詞的多選題類比問題上具有一致的指標。評估是基于 "正確性 "和 "良好性 "指標的。對于所有的文本問題，并沒有一個通用的算法。作為視覺類比推理的貢獻，卷積神經網絡（CNN）與AR矢量空間模型Global Vectors（GloVe）在擬議的Image Recognition Through Analogical Reasoning Algorithm（IRTARA）中被整合。IRTARA結果質量是通過定義、類比推理和人為因素評估方法來衡量的。研究表明，AR有可能通過其在文本和視覺問題空間中理解超出其基礎知識概念的能力，促進更多類似人類的人工智能。

1 前言

在整個娛樂界，人們都認為機器人是人工智能（AI）的化身，幾乎可以立即識別和探測物體。然而，對于今天的人工智能來說，現實是明顯不同的。運行中的人工智能被訓練成能夠理解、識別或對幾個已知的實例采取行動；然而，像人類一樣，對人工智能可能遇到的每個場景進行訓練是不可行的，所以它有一些未知的場景，圖1-1的行數。當付諸實踐時，人工智能可以觀察到或接觸到它知道或不知道的東西（情況、物體等）。其結果是，人工智能的交互涉及圖1-1所示的四類可能的結果之一，基于實體是已知的（庫內）還是未知的（庫外），從正確分類（已知的已知）、錯誤分類（未知的已知）或各種庫外情況（已知的未知和未知的未知）（Situ, Friend, Bauer, & Bihl, 2016）。

圖1-1. 已知和未知矩陣

在圖1-1的三個類別中，至少有一個部分是已知的，然而，人們對探索如何 "學習 "未知的未知數有很大的興趣。未知數的例子是試圖識別一個機器學習（ML）算法以前沒有訓練過的物體。探索這一領域的動機包括自動化系統的不斷增長，以及無法產生能夠在已知-未知情況下評估問題的模型數量（Bihl & Talbert, 2020）。

現代娛樂業將人工智能展示為能夠幾乎立即解決未知的未知問題，正如2004年和2008年的電影《iRobot》和《Wall-E》所展示的那樣。雖然這兩部電影都發生在比現在更晚的未來，但它們給人留下的印象是人工智能比它的真實情況要自如得多。在這兩部電影中，人工智能可以識別極其廣泛的物體和情況，而觀察所需的時間似乎是最少的。這項任務本質上是復雜的，涉及多個人工智能過程，包括圖像識別、未知事物的識別和分類，以及復雜的推理邏輯。在這種情況下使用的人工智能俗稱包括許多涉及模式識別或ML的方法和領域；雖然ML是人工智能的一個子集，但俗稱的人工智能/ML可以用來包括許多能力，從分類和圖像處理到完全機器意識的計算機。

為了更好地說明人工智能在圖像識別方面的狀況，圖1-2.a所示的圖像由人類（即作者）和谷歌云的Vision AI進行評估。如圖1-2.b所示，人類會很容易地識別出天空中的許多煙花，然后，識別出煙花下面的水。對人類觀察者來說，這幅圖像顯然包含了多個物體；然而，視覺人工智能對這一結論感到掙扎。

圖1-2. 煙花圖像

Vision AI包括Vision API，可以對圖像中的各種物體/特征進行分類、識別和檢測（Google, 2021）。使用他們的工具的網絡演示，圖1-2.a所示的同一圖像被通過，并在兩種不同的情況下被評估，物體識別和圖像標簽。Vision AI只對物體進行識別，圖1-3中的綠框表示的是閃電，得分是51%（其中 "得分 "是一個從無信心，0%到高信心，100%的值（Google, 2021））。

圖1-3. 由谷歌云視覺AI分解的煙花圖像（谷歌，2021年）

然而，當試圖只給整個圖像貼上標簽而不是搜索特定的物體時，Vision AI明顯改善了其預測結果。這些結果，即排名、標簽和分數，都顯示在表1-1中。開頭用 "t-"表示的排名代表得分相同。在排名的頂部，這些標簽似乎適合于該圖像，特別是 "煙花 "以96%的分數出現在頂部。有幾個標簽激起了人們對該算法如何工作的好奇心。盡管 "地標 "和 "空間 "的得分是77%，但如果從圖像的表面價值來看，它們是不準確的。有幾個標簽似乎很難被普遍可視化，如 "午夜"、"事件 "和 "假日"。最后，有些標簽可能是準確的，也可能是不準確的，這取決于標簽的使用環境（例如，同音字，如 "光 "的亮度或重量，這兩個詞在這里都很合適），以及圖片的拍攝環境（例如，"除夕"、"排燈 "和 "中國新年"）。

表1-1. 谷歌云端視覺AI標簽預測

退一步講，這很可能是一個已知的情況；然而，除了表1-1中的 "煙花 "標簽外，其余的頂級分類（得分大于或等于90%）都在不描述圖像的類別上，例如 "水"、"光 "或 "自然"。這就是圖像分類由于其對它所知道的類/標簽的限制而提供了非常狹窄的結果。能夠準確地解釋或識別這些未知的東西，是目前文獻中非常感興趣的。解決未知數的一個建議是通過應用類比推理（AR），從而通過類比進行推理/學習。

1.1 技術動機

許多圖像分類算法是為2010-2018年的ImageNet大規模視覺識別挑戰賽（ILSVRC）創建的（Russakovsky, et al., 2015; Stanford Vision Lab, 2020）。ILSVRC主要關注三個不同的任務：圖像分類、單一物體定位和物體檢測（個別年份有一些變化）（Russakovsky, et al., 2015）。數據集包括1000個不同的類別，有超過一百萬張訓練圖像、五萬張驗證圖像和十萬至十五萬張測試圖像（Russakovsky, et al.） 2010年和2011年的獲勝者使用了 "淺層 "人工神經網絡（ANNs）；然而，從2012年開始，比賽出現了第一個使用深層ANNs的作品，在比賽的生命周期內，深層ANNs一直很受歡迎（Russakovsky, et al., 2015）。這些深度ANNs在圖像分類領域是成功的，但需要大量的時間和高性能的計算資源。這些算法，如應用于ILSVRC的ANNs，是在一定數量的熟悉的實例上訓練出來的，因此可以處理已知的已知事物。然而，當遇到意想不到的查詢時，即一個在最初發布時沒有提出的新圖像類別時，這種算法要么完全不能勝任，要么表現不佳。

此類問題正是AR在改善人工智能結果方面的巨大潛力。AR可以根據算法已經知道的信息，從一個意外的查詢中提取信息。模仿人類使用類比學習的方式，算法也可以做到這一點，而不需要額外的訓練場景，更多的計算資源，和/或不合理地延長所需的運行時間。因此，令人感興趣的是現有的不同類型的AR算法，以及它們如何已經或可以與當前最先進的圖像識別程序相結合。

現有的許多AR算法都專注于語言和視覺領域的各種任務。然而，這些算法往往局限于語言或視覺問題，在利用兩者的信息方面幾乎沒有重疊。此外，許多視覺AR算法都集中在基于幾何的問題上，例如（Polya, 1990; Sadeghi, Zitnick, & Farhadi, 2015），這并不適用于上面提出的圖像分類問題。因此，感興趣的是在圖像識別的背景下使用AR來處理涉及未知數的問題。

1.2 應用動機

圖像識別只是人工智能研究的一小部分；然而，它對日常生活的影響是最大的之一。一些例子包括用于解鎖手機的面部身份識別，圖像到文本的自動字幕生成器，自動駕駛汽車，以及其他許多例子。在這些場景中，不準確和未知的后果大體上從輕微的不便（即不得不手動解鎖手機）到可能危及生命的事件（即，自動駕駛汽車沒有檢測到行人）。隨著人工智能的日常使用的增加和后果的擴大，對能夠處理未知因素的精確人工智能的需求也在增加。

具體到自駕車場景，圖像識別算法需要識別許多不同的東西、物體和/或人，而且越來越不可能為所有可能的現實世界情況收集數據。例如，考慮到一個停車標志，在查看一個停車標志時，各種因素會改變它的表現，如眩光、照明、遮蔽、損壞、陽光角度、背景、油漆質量、外觀角度、安裝高度等等。由于不可能為每一種可能的情況收集數據，更不用說為其他物體收集數據了，所以能夠通過類比推理，認為觀察到的油漆褪色的停車標志與已知的停車標志的樣子相似，然后判斷這可能是一個停車標志，然后指揮汽車停車。

1.3 研究貢獻

自1954年Polya的工作開始，算法的AR方法首先在1964年Evan的ANALOGY程序中得到發展（Polya, 1990）。從那時起，AR的許多途徑都被探索出來了。與作者的貢獻最相關的技術領域列舉如下

表1-2，列舉了最近的前期工作（2000年及以后）以及作者在本論文（Combs, 2021）或單獨文章（Combs, Bihl, Ganapathy, & Staples, 2022）中進行的研究的實例參考。

表1-2. 以前的技術貢獻和目前的研究貢獻之間的關系圖（在 "重點 "欄中用X表示）。

1.4 研究目標

了解了技術和應用動機，以便更好地嘗試意外的查詢，本論文的目標是通過開發一個類比推理-增強的框架，在存在未知的未知因素的情況下提高圖像識別。圖像識別的發展有很多方式；然而，它們在解釋 "已知 "語料庫之外的能力方面是有限的。由于其結構圍繞著熟悉和不熟悉的場景，AR以前被用來，也將被用來從以前不熟悉的場景中產生信息。為了達到這些目標，研究和開發過程被分成了四個部分。

首先，在第二章中，為了了解AR的現狀，需要對AR的算法有一個全面的了解，包括以文本和視覺問題為中心的算法。由于這是在圖像分類問題的背景下進行的，所以這里也有一個簡短的部分專門討論圖像識別和卷積神經網絡（CNN）的研究。其次，在第三章中，由于文獻中的AR算法種類繁多，我們進行了廣泛的比較，以選擇AR中的最佳品種，進一步用于基于圖像的問題。六種基于文本的AR算法，包括混合算法和連接主義算法，在評估正確性和良好性的兩個指標上進行了比較。接下來，在第四章中，詳細描述了一種新的AR集成算法，用于對未知的未知事物進行圖像分類。這一節談到了用于測試算法的數據集，算法的工作原理（技術描述和3個步驟的演練），最后是算法產生的結果。最后，在第五章中，在選定的 "未知數 "背景下，討論了用于評估結果的兩種自動化方法以及作為基線的第三種基于人類的分析。第六章是論文的結尾，一般性地討論了在圖像分類問題上的研究的新穎性，以及未來關于AR如何在其他未知情況下使用的工作。

量子技術將量子物理學的原理轉化為技術應用。總的來說，量子技術還沒有達到成熟的程度；然而，它可能對未來的軍事傳感、加密和通信，以及對國會的監督、授權和撥款有重大影響。

1 量子技術的關鍵概念

量子應用依賴于一些關鍵概念，包括疊加、量子比特（qubits）和糾纏。疊加是指量子系統同時存在于兩個或多個狀態的能力。量子位是一種利用疊加原理來編碼信息的計算單元。(經典計算機用比特編碼信息，這些比特可以代表0或1的二進制狀態，而量子計算機用量子比特編碼信息，每個比特可以同時代表0、1或0和1的組合。因此，量子計算機的功率隨著每個量子比特的增加而呈指數級增長）。

美國國家科學院（NAS）將糾纏定義為 "一個系統中的兩個或更多的量子對象可以有內在的聯系，從而使對一個對象的測量決定了對另一個對象可能的測量結果，無論這兩個對象相距多遠"。糾纏是量子技術的一些潛在軍事應用的基礎。然而，由于量子狀態的脆弱性，疊加和糾纏都很難維持，它們可能會被微小的運動、溫度變化或其他環境因素所破壞。

2 量子技術的軍事應用

美國國防科學委員會（DSB），一個獨立的國防部（DOD）科學顧問委員會，已經得出結論，量子技術的三種應用對國防部來說最有希望：量子傳感，量子計算機，和量子通信。DSB的結論是，量子雷達，假設能夠識別物體的性能特征（例如，雷達截面，速度）--包括低可觀察性，或隱形飛機--"不會為國防部提供升級的能力"。

2.1 量子傳感

量子傳感在傳感器內使用量子物理學原理。根據國防部的說法，這是量子技術最成熟的軍事應用，目前 "準備用于任務"。量子傳感可以提供一些增強的軍事能力。例如，它可以提供替代性的定位、導航和計時選項，理論上可以使軍隊在GPS退化或GPS否認的環境中繼續全力以赴地工作。

此外，量子傳感器有可能被用于情報、監視和偵察（ISR）的作用。這種傳感器的成功開發和部署可能會導致潛艇探測的重大改進，并反過來損害海基核威懾力量的生存能力。量子傳感器還可以使軍事人員探測地下結構或核材料，因為它們預計 "對環境干擾極其敏感"。量子傳感器的敏感性同樣有可能使軍事人員探測到電磁輻射，從而增強電子戰能力，并有可能協助定位隱蔽的對手部隊。

2.2 量子計算機

根據美國國家航空航天局的說法，"量子計算機是唯一已知的計算模型，可以提供比今天的計算機更高的指數級速度。" 雖然量子計算機處于相對早期的發展階段，但其中許多進展是由商業部門推動的，可能對人工智能（AI）、加密和其他學科的未來產生影響。

例如，一些分析家認為，量子計算機可以使機器學習（人工智能的一個子領域）取得進展。這種進步可以刺激改善模式識別和基于機器的目標識別。這反過來又能促成更精確的致命自主武器系統的發展，或能夠選擇和打擊目標的武器，而不需要人工控制或遠程操作。啟用人工智能的量子計算機有可能與量子傳感器配對，以進一步加強軍事ISR應用。

此外，量子計算機有可能解密存儲在加密媒體上的機密或受控非機密信息，使對手能夠獲得有關美國軍事或情報行動的敏感信息。一些分析家指出，要打破目前的加密方法，可能需要在量子計算方面取得重大進展。他們的估計表明，要破解目前的加密方法，需要一臺具有約2000萬個量子比特的量子計算機；然而，目前最先進的量子計算機一般不超過256個量子比特。

量子計算機的實際應用可能只有在錯誤率提高和新的量子算法、軟件工具和硬件開發之后才能實現。雖然正如NAS所指出的，"不能保證[這些技術挑戰]將被克服"，但一些分析家認為，能夠破解當前加密方法的初始量子計算機原型可能在2030至2040年的時間框架內開發出來。出于這個原因，NAS得出結論："后量子密碼學的開發、標準化和部署對于最大限度地減少潛在的安全和隱私災難的機會至關重要"。(在部署后量子密碼學之前截獲的信息將不會受到保護)。

2022年5月，拜登政府發布了《關于促進美國在量子計算方面的領導地位，同時減少對脆弱的密碼系統的風險的國家安全備忘錄》（NSM-10），其中 "指示各機構在美國開始將脆弱的計算機系統遷移到抗量子密碼學的多年過程中采取具體行動"。NSM-10指出，國家標準和技術研究所所長和國家安全局局長正在制定并預計在2024年之前公開發布抗量子密碼學的技術標準，此外還列舉了一個國家 "在2035年之前盡可能多地緩解量子風險的目標"。

2.3 量子通信

量子通信--不包括量子密鑰分配（[QKD]，將在下文中討論）--正處于一個新興的發展階段。量子通信在理論上可以實現量子軍事傳感器、計算機和其他系統的安全聯網，從而提高單個量子系統或經典通信網絡的性能。聯網還可以加強這些系統在射程上的穩健性，從而擴大它們可以部署的潛在環境（即在維持脆弱的量子狀態通常需要的實驗室環境之外）。這可以大大擴展量子通信的軍事用途。

量子密鑰分配是量子通信的一個子集，它利用量子物理學原理對信息進行加密，然后通過經典網絡發送。QKD實現了安全通信，在傳輸過程中不能被秘密截獲。(然而，QKD通信可以在目前長距離傳輸所需的中繼站被截獲）。據報道，中國正在大力投資QKD，并在2016年完成了北京-上海約1250英里的量子網絡的建設。然而，DSB的結論是："QKD的實施還沒有足夠的能力或安全性來部署給國防部的任務使用。"

3 資金和最近的立法活動

國會已經考慮了量子技術的管理和影響。例如，2019財年國防授權法（NDAA）（P.L. 115-232）第234條指示國防部長--通過國防部研究與工程副部長行事--與私營部門和其他政府機構協調，執行量子技術研究和開發計劃。

此外，FY2020 NDAA（P.L. 116-92）第220條要求國防部制定使用量子技術的道德準則，以及支持量子勞動力和減少與量子技術相關的網絡安全風險的計劃。它還授權每個軍事部門的部長建立量子信息科學（QIS）研究中心，可以 "與適當的公共和私營部門組織合作"，以推進量子研究。迄今為止，海軍已指定海軍研究實驗室作為其QIS研究中心，而空軍已指定空軍研究實驗室作為空軍和太空部隊的QIS研究中心。陸軍說它目前不打算建立一個QIS研究中心。

2021財年NDAA（P.L. 116-283）第214條指示各部門編制并每年更新一份量子計算機在未來一到三年內可能解決的技術挑戰清單。該清單目前包括量子化學、優化和機器學習。第214條還指示各部門與中小型企業建立項目，為政府、工業和學術研究人員提供量子計算能力，以應對這些挑戰。第1722條指示國防部對量子計算機帶來的風險以及當前的后量子密碼學標準進行評估。

最后，2022財年NDAA（P.L. 117-81）第105條指示總統通過國家科學技術委員會建立量子信息科學的經濟和安全影響小組委員會，而第229條指示國防部長 "建立一套活動，以加速開發和部署雙重用途的量子能力"。

國防部在最近的預算請求中沒有提供量子研究的細目；然而，根據數據分析公司Govini，國防部在2021財政年度要求為量子技術和研究提供約6.88億美元。

4 給國會的潛在問題

• 目前量子技術軍事應用的成熟度需要多少資金？如果有的話，美國政府應該在多大程度上投資和研究能夠實現量子軍事應用的技術（例如，材料科學、制造技術）？

• 量子技術的商業進展在多大程度上（如果有的話）可以被用于軍事應用？

• 美國競爭者在開發量子技術的軍事應用方面的努力有多成熟？如果有的話，這種努力在多大程度上可以威脅到美國的先進軍事能力，如潛艇和隱形飛機？

• 正在采取哪些措施來開發抗量子加密技術和保護用現有方法加密的數據？

• 如果有的話，美國應該采取什么措施，以確保量子勞動力足以支持美國在量子技術方面的競爭力？

【作 者】

Michal Krelina

1 捷克技術大學核科學與物理工程學院；

2 Quantum Phi s.r.o.公司。專注于量子技術的知識、原理、學術研究、工業及其應用，重點是在國防、空間和安全領域的應用。

【關鍵詞】

量子戰爭、量子技術、量子計算、量子遙感、量子網絡、量子雷達、量子成像、軍事應用、量子安全、軍民兩用技術

【摘 要】

量子技術是一門新興且具有潛在破壞性的學科，能夠影響許多人類活動。量子技術是兩用技術，因此對國防和安全行業以及軍事和政府行為者很感興趣。本報告回顧并描繪了可能的量子技術軍事應用，作為國際和平與安全評估、倫理研究、軍事和政府政策、戰略和決策制定的切入點。用于軍事應用的量子技術引入了新的能力，提高了效率和精度，從而導致了“量子戰爭”，其中應該建立新的軍事戰略、學說、政策和倫理。本文提供了正在開發的量子技術的基本概述，還估計預期的交付時間范圍或利用率影響。描述了量子技術在各種戰爭領域（例如陸地、空中、太空、電子、網絡和水下戰爭以及ISTAR——情報、監視、目標獲取和偵察）的特定軍事應用，并闡明了相關的問題和挑戰。

圖1 利用各種量子技術系統的量子戰示意圖

1 引 言

盡管第四代現代戰爭的特點是分散化和國家對戰爭失去壟斷[1,2]，但先進國家軍隊的特點是可以使用最先進的軍事技術。這包括即將出現的量子技術。

量子技術(QT)一詞指的是主要源于所謂的第二次量子革命的技術。早些時候，第一次量子革命帶來了我們今天所熟悉的技術，例如核能、半導體、激光、磁共振成像、現代通信技術或數碼相機等成像設備。第一個量子技術產生了核武器和能源；然后，經典計算機發揮了重要作用。目前，激光武器正在實施和測試[3]。

第二次量子革命[4]的特點是操縱和控制單個量子系統（如原子、離子、電子、光子、分子或各種準粒子），允許達到標準量子極限；也就是說，在量子尺度上測量精度的極限。在本報告中，量子技術一詞指的是來自第二次量子革命的技術。量子技術不會帶來根本上的新武器或獨立的軍事系統，而是顯著提高當前和未來軍事技術的測量能力、傳感、精度和計算能力以及效率。大多數量子技術通常是雙重用途的技術。因此，量子技術的軍事應用潛力巨大。各種研究和建議不斷涌現，表明實現這種技術的可能性越來越大；例如，參見[5-8]。

本報告提供了一個更深入的背景來理解“量子戰”這個術語，討論了它影響情報、安全和國防部門的可能性，并描述了新的可能的能力或改進。目標不是提供基于量子技術的精確預測，而是展示實施和應用的可能方向和趨勢。量子技術通常被認為是新興技術，具有改變戰爭行為和戰斗結果的潛力[8]。盡管當前的量子技術大多具有較低的技術就緒水平(TRL)，但它們被認為具有顛覆性潛力[9]。繪制量子技術可想象的軍事應用對于進一步評估對全球和平的威脅以及討論道德政策或基于量子的預防性軍備控制也很重要。

本報告共分八節。在第2節中，定義了量子技術和量子戰爭的術語，介紹了量子技術的分類和量子技術。第3節提供了基本的量子技術概述，它是特定應用的基礎，包括預期的部署時間和使用影響。第4節介紹了量子技術在軍事領域的發展和部署的一般考慮和期望。在第5節中，單個量子技術在軍事上的應用被介紹到不同的領域(如網絡、水下、空間和電子戰)。第6節確定并討論量子炒作以及現實的可能性。第7節初步討論了有關的軍事、和平和道德方面以及技術后果和挑戰。第8節對本文進行總結。

第5節和第4節涉及國家安全和國防問題。雖然第3節是基于最先進的研究并提供了相關的參考資料，但第5節更多地是基于各種軍事或政府報告、政策簡報和國際安全分析，如[5-8,10-13]。在這里，讀者應該警惕圍繞量子技術的炒作，避免夸大的期望;這方面在第6節和[14]中有論述。對于目前提出的許多量子技術軍事應用來說，與高端軍事技術需求相關的所有挑戰是否會得到解決，甚至該技術是否會被實際部署，都是不確定的。

2 定 義

量子技術一詞的定義如下：

量子技術（QT）是一個新興的物理和工程領域，基于量子力學特性——特別是量子糾纏、量子疊加和量子隧道效應——應用于單個量子系統，并將它們用于實際應用。

從定義來看，量子技術描述了量子力學系統的各種物理原理，具有眾多應用；例如，捕獲離子技術可以用作量子計算機的量子比特，也可以用作磁場或量子鐘的量子傳感器。

兩用技術是指在國防和商業生產中具有潛在應用的研究和開發領域[15]。

量子技術是一種典型的兩用技術，不僅對軍隊而且對政府行為者[16]和維和組織都具有相當大的興趣。

量子戰（QW）是將量子技術用于影響所有戰爭領域的情報、安全和防御能力的軍事應用的戰爭，它帶來了新的軍事戰略、學說、情景與和平以及倫理問題。

也有人嘗試將量子域[17]定義為戰爭的新域。然而，在本文中，我們將把量子技術視為改進所有當前定義的領域的一個因素，而不是作為一個獨立的戰爭領域。

隨后，定義術語量子攻擊是有幫助的，它指的是使用量子技術來破壞、破壞或竊聽經典或量子安全系統。典型的例子是使用量子密鑰分發竊聽或破壞Rivest-Shamir-Adleman (RSA) 加密方案的量子計算機。 盡管有大量的QT文獻，但對量子技術分類沒有明確的共識。我們將使用以下分類法：

• 量子計算與模擬

量子計算機(數字和模擬量子計算機及其應用，如量子系統仿真、量子優化)

量子仿真器(非可編程量子電路)

• 量子通信與密碼學

量子網絡與通信(量子網絡單元、量子密鑰分配、量子通信)

后量子密碼學(量子彈性算法、量子隨機數發生器)

• 量子傳感與計量

量子傳感(量子磁力計、重力儀)

量子計時(精確時間測量與分配)

量子成像(量子雷達、低信噪比成像)

除了上述一般的量子技術分類，我們介紹了一個新的分類量子技術根據他們的利益和用途。下面的分類可以概括為:然而，我們更重視軍事應用。量子技術利用影響的分類如下:

• 必須性:必須實施的量子技術，以防止未來的量子攻擊(例如后量子密碼);

• 有效性:提高當前技術和方法有效性的量子技術(如量子優化、量子機器學習或人工智能);

• 精度:提高當前測量技術(如量子磁強、量子重力、量子慣性導航、授時)精度的量子技術;

• 新能力:量子技術提供了超出現有技術范圍的新能力(如量子雷達、量子化學模擬、量子密碼分析、量子密鑰分配)。

請注意，這種分類不是互斥的。

3 量子技術概述

本節提供了量子技術的基本描述以及相關參考資料。對于每種量子技術，都會顯示當前的開發狀態、確定的利用影響、估計的預期部署時間、并概述了主要挑戰。對于量子計算應用，提供了所需邏輯量子比特的大致數量。

不同的量子技術及其應用處于不同的TRL從TRL 1（例如，某些類型的量子比特）到TRL 8（例如，量子密鑰分發）。

我們在此不追求完整性，也不提供任何理論背景，而只是根據討論的軍事應用的需要介紹基礎知識、效果和當前的發展狀態。

3.1 量子信息科學

量子信息科學（QIS）是與量子物理學相關的信息科學，處理量子信息。在經典信息科學中，信息的基本載體是只能為0或1的比特。信息的量子信息基本載體是量子比特，簡稱量子比特。一個量子比特可以|0?要么|1?，或狀態的任意復雜線性組合|0?和|1?稱為量子疊加。

另一個關鍵特性是量子糾纏。量子糾纏是指兩個或多個量子位（或通常是兩個或多個量子系統）之間的強相關性，沒有經典的類似物。量子糾纏是造成許多量子意外的原因。另一個特點是不可克隆定理[18]，它說量子信息（量子比特）不能被復制。該定理對量子比特糾錯以及量子通信安全具有深遠的影響。

量子信息科學描述了量子計算和量子通信中的量子信息流，盡管在更廣泛的意義上它可以應用于量子傳感和計量學，參見[19,20]。

有相當大的學術興趣，并且已經創建了幾種量子算法[21]。然而，預計只有少數對國防和安全應用有價值。

3.2 量子計算

• 現狀:商業上可用的物理量子位數量非常有限

• 使用影響:新的能力，有效性，精確度

• 時間線預期:10年100萬個物理量子位元

• 主要挑戰:提高量子位的質量(相干性，抗錯誤性，門保真度)，提升量子位的數量，邏輯量子位

量子計算是指利用量子信息科學進行計算。這樣的機器可以稱為量子計算機。量子計算機的分類可能非常復雜。為本報告的目的，我們將分類簡化如下：

• 數字量子計算機（也稱為門級量子計算機）是通用的、可編程的，應該執行所有可能的量子算法，并具有如下所述的眾多應用。經典計算機可以完全模擬基于門級的量子計算機。區別在于資源和速度。例如，完全糾纏的量子比特的模擬成倍地增加了對經典資源的需求。這意味著在經典（超級）計算機上幾乎不可能模擬?45個量子位。

• 模擬量子計算機（也稱為哈密頓計算）通常使用量子退火（作為絕熱量子計算的噪聲版本）來實現。量子退火器與數字量子計算機的不同之處在于量子比特的有限連接性和不同的原理。因此，模擬量子計算機的使用受到更多限制，但仍適用于量子優化或基于哈密頓量的模擬等任務。

• 量子模擬器用于研究和模擬通常不太容易訪問的其他量子系統，并且通常被構建為單一用途的機器。與量子計算機相比，量子模擬器可以想象成一個不可編程的量子電路。

一般來說，量子計算不會取代經典計算。量子計算機僅適用于有限類型的問題，通常是高度復雜的問題。量子計算應用的實際部署取決于質量（相干性、抗錯性、門保真度）和量子比特的數量。要遵循的一些基本參數是：量子比特的數量、量子比特相干時間、量子門保真度和量子比特互連。在單個量子位上應用量子門的一組量子指令稱為量子電路。量子電路是量子算法的實際實現。

繼[7]之后，量子計算機可以分為三個演化階段：分量量子計算（CQC）、噪聲中等規模量子（NISQ）計算和容錯量子計算（FTQC）。CQC階段涵蓋量子計算示范和成熟的基本要素。CQC的計算能力非常有限，足以證明一些原理證明。NISQ階段的量子計算機應該有足夠數量的量子比特來展示量子計算的優勢。持續的研究應該會導致增加量子比特的數量和質量。當達到完美的邏輯量子位時，FTQC階段開始（解釋見下文）。

物理量子比特可以通過許多量子系統來實現。最新的先進技術是基于超導量子位和處于或接近NISQ階段的俘獲離子量子位的量子計算機。所有其他技術，例如冷原子、拓撲、電子自旋、光子或基于NV中心的量子比特，仍處于CQC階段或僅理論階段。各個量子計算機及其性能顯著不同（例如速度、相干時間、糾纏所有量子比特的可能性、門保真度）。已經開發了各種指標和基準，例如Quantum Volume指標[22]，用于比較。

所有類型的量子比特都存在的問題是它們的質量。量子比特非常脆弱，相干時間有限（不會丟失量子信息的時間尺度）。在量子位上執行的每個操作都具有有限的保真度。因此，研究人員需要使用糾錯碼。量子比特的糾錯比經典比特的糾錯復雜得多，因為量子比特不能被復制，正如不可克隆定理所解釋的那樣。區分了兩種類型的量子比特：由物理量子系統實現的物理量子比特和由若干物理量子比特和糾錯碼組成的邏輯量子比特。邏輯量子比特是完美或近乎完美的量子比特，具有非常長到無窮大的相干時間、非常高的保真度和更高的環境電阻率。例如，[23]將需要。有關量子計算的最新概述，請參見例如[24]。

前沿量子計算機的例子是由谷歌制造的具有53個物理超導量子比特的量子計算機（該公司在2019年聲稱擁有量子霸權[25]），以及由IBM制造的量子計算機。最好的離子阱量子計算機是IonQ的32個量子位或霍尼韋爾的6個量子位。就光子量子比特而言，Xanadu有一臺24量子比特的量子計算機。IBM和Google的量子計算路線圖所設想的預期時間表如下：IBM 計劃在2022年推出433量子比特的量子處理器，到2023年推出1121量子比特[26]。谷歌宣布了一項計劃，以達到10,000個量子比特的量子模塊。到2029年，所有其他量子處理器將包含多達100萬個量子比特的此類模塊[27]。根據對量子科學和技術關鍵相關領域領導者的調查，量子計算機很可能會開始變得強大到足以對大多數公鑰加密方案構成威脅（有關更多詳細信息，請參見3.2.2) 在大約20年內[28]。模擬量子計算機的例子是D-Wave Systems的具有超過5000個量子位的量子退火器和東芝的相干伊辛機。

模擬和數字量子計算機的區別在于它們不同的物理原理和局限性。數字量子計算機受資源限制，不受噪聲限制（可以使用更多資源來校正噪聲）。相比之下，模擬量子計算機受到難以理解、控制和表征的噪聲的限制（尤其是對于量子退火器）。因此，模擬量子計算機的適用性受到限制[24]。

在現實中，量子計算機完成的任務大多只是經典計算機程序的子程序或子程序。經典程序不僅會控制量子計算機，還會提供大量在量子計算機上執行是不切實際的計算。這包括最近使用量子模擬在化學中的應用，例如，變分量子特征求解器(VQE)[29]，這是經典計算和量子計算的混合組合。此外，量子計算機是大型機器，其中許多需要低溫技術。因此，在未來幾十年中，大多數客戶不太可能購買個人量子計算機，而是將這些作為云服務訪問。基于云的量子計算模型（通常稱為量子計算即服務- QCaaS）如今已在商業上可用，甚至是免費的，它們允許任何對量子計算感興趣的人訪問。對量子計算機的云訪問由各個量子硬件制造商提供。某些平臺，例如Microsoft Azure Quantum或Amazon Braket，可以在一個生態系統中訪問各種制造商的量子計算機。

澄清量子霸權、優勢和實用性的術語也很有幫助。量子霸權是指量子計算機解決特定問題的速度明顯快于經典計算機的情況。然而，這個問題很可能是理論上的而不是實際的。量子優勢是指量子計算機能夠解決經典計算機無法解決的現實問題的情況。量子實用性類似于量子優勢，唯一的區別是量子計算機比經典計算機更快地解決現實世界的問題。

我們在下面提供了可能的量子計算機應用的基本概述。讀者應該記住，量子計算是一個快速發展的領域，新的革命性量子算法仍在等待被發現。請注意，在量子計算應用的上下文中，術語“量子位”意味著一個邏輯量子位。然而，小型量子電路可以僅使用物理量子位運行，并且具有合理的精度。

3.2.1 量子模擬

• 狀態：開發中的算法，小規模應用

• 使用影響：新能力（例如量子化學計算）

• 時間線預期：短期，可用性隨著量子比特的數量而增加

• Qubits 要求：～200（例如用于固氮問題）

• 主要挑戰：邏輯量子比特的數量

早在第一臺量子計算機誕生之前，量子計算機的主要任務就被認為是模擬其他量子系統[30]。分子就是這樣一個量子系統。盡管現有的計算能力有所提高，但可以使用當前的計算化學或以許多近似和簡化為代價對較大分子進行僅簡單分子的完全模擬。例如，對于具有n 個電子的系統，經典計算機需要位來描述電子的狀態，而量子計算機只需要n個量子位。因此，量子模擬是量子計算機的第一個應用，也可能是最有前途的應用。

最主要的方法有兩種：量子相位估計[31]和量子變分技術(VQE)[32,33]。特別是后一種方法在NISQ計算機上成功的可能性最高。例如，在2020年，谷歌進行了迄今為止最大的量子化學模擬（使用VQE的H12分子）[34]。

正在開發用于量子化學模擬的算法。它們可以應用于更復雜的模擬，與量子比特的數量密切相關。因此，即使在量子計算的早期階段，化學和制藥行業也很感興趣。一般來說，這種模擬允許發現和設計新的藥物、化學品和材料。例如，最近考慮的主題是高溫超導、更好的電池、蛋白質折疊、固氮和肽研究。

3.2.2 量子密碼分析

• 狀態：算法準備就緒

• 使用影響：新功能（例如公鑰密碼方案破壞）

• 時間表預期：中長期

• 量子位要求：~ 6200用于2048位RSA因式分解[35]，~ 2900用于256位ECDLP-based加密[36]

• 主要挑戰：邏輯量子比特的數量

最著名的量子計算機應用之一是通過Shor算法[37]描述的指數加速對大素數進行因式分解。這對RSA、DH和ECC等公鑰密碼方案構成威脅，基于大素數乘法、離散對數問題或基于橢圓曲線離散對數問題的模式，這些模式被認為在經典計算機上難以計算或非常困難。

盡管現有NISQ量子計算機的資源遠不能滿足RSA破解所需，但威脅是真實存在的。對手或外國情報可以攔截和存儲加密流量，直到量子密碼分析可用。由于許多機密的解密時間遠遠超出了強大的量子計算機交付的預期時間表，因此如今這種威脅可以被認為是真實的。

量子密碼分析還為對對稱加密方案的暴力攻擊提供了改進的工具。例如，著名的Grover 搜索算法[38]將密鑰安全性降低了一半以對抗暴力攻擊；256位AES在大約2128次量子操作中，可以通過蠻力解決5個密鑰。盡管量子計算機需要大量資源，但建議將對稱密鑰長度加倍[39]。此外，Simon算法和疊加查詢[40]可以完全破解大多數消息認證碼(MAC)和關聯數據的認證加密(AEAD)，例如HMAC-CBC和AES-GCM [41、42]。

此外，基于對稱密碼系統中存在的結構，對對稱密鑰系統的密碼分析攻擊進行了積極的研究，它可以提供高達超多項式的加速[43]。然而，這些算法對量子計算機的資源要求過高。

3.2.3 量子搜索和量子行走

• 狀態：正在開發的算法
• 使用影響：有效性（例如更快的搜索）
• 時間表預期：短期至中期
• Qubits 要求：～100，取決于搜索的系統大小
• 主要挑戰：邏輯量子比特的數量

最著名的搜索量子算法之一是Grover算法[38]，它在數據庫搜索或反演函數中提供二次加速。對于未排序的列表或數據庫，經典的搜索算法是關于復雜度（意思是與N個實體的數量成正比），雖然 Grover 的算法大約是

量子搜索算法是所謂的大數據（非結構化數據）分析的一個重要課題。處理大量數據需要大容量的量子存儲器。然而，沒有可靠的量子存儲器可以將量子信息保持任意長時間和大量。其次，將經典數據轉換為量子形式既耗時又無效。因此，目前只有對算法生成的數據進行搜索才被認為是可行的。 另一種搜索方法可以基于量子隨機游走機制[44]，它提供與Grover算法類似的加速。

3.2.4 量子優化

• 狀態：開發中的算法

• 利用率影響：有效性（例如更快地解決 NP 問題）

• 時間表預期：短期至中期

• Qubits 要求：～100，取決于問題的復雜性

• 主要挑戰：邏輯量子比特的數量

考慮到解決NP級別的可能性，量子優化是一個非常積極探索的話題復雜的問題。這種 NP問題的一個例子是旅行商問題。在這里，給定一個地點列表和它們之間的距離，目標是找到最短（和最佳）的路線。天真地，人們可以嘗試所有可能性，但這種方法有嚴重的缺點，甚至可能變得不可能，而且復雜性越來越高。因此，最常見的解決方案是基于啟發式算法，這些算法不一定能找到最佳解決方案，但至少可以找到一個接近它的解決方案。

量子計算為這個問題引入了一個新的視角，并提供了不同的方法和技術。目前最主要的方法是基于變分方法，例如量子近似優化算法(QAOA) [45]。QAOA的一部分是稱為二次無約束二進制優化(QUBO)[46]的子技術，它也適用于模擬量子計算機。其他方法是，例如，最小二乘擬合的量子類比[47]或半定規劃[48]。 到目前為止，尚不清楚量子優化是否會比經典的啟發式方法提供一些加速。然而，人們一致認為，如果可以實現一些加速，它不會超過多項式[48]。量子計算引入的新范式導致了新的受量子啟發的經典算法，例如在QAOA[49]的情況下刪除了量子加速。另一方面，我們可以談論量子啟發算法作為第一個量子計算實際結果。

已經有許多關于量子優化的演示、用例和概念證明，特別是與模擬量子計算相關，目前為此類應用提供最多的量子計算資源。典型的演示是對交通、物流或金融部門的優化。

3.2.5 量子線性代數

• 狀態：開發中的算法

• 利用率：有效性（例如更快的線性方程求解）

• 時間表預期：短期至中期

• 量子位要求：取決于解決的系統大小

• 主要挑戰：邏輯量子比特的數量

已經表明，量子計算機在求解線性方程時也可以達到超多項式加速。這種加速估計尤其適用于稀疏矩陣的HHL(Harrow-Hassidim-Lloyd)[50]算法。但是，估計的加速取決于問題（矩陣）的大小。也有大量的資源需求，這對于某些問題可能被認為太不切實際[51]。另一方面，例如對于10,000個參數的線性方程組，需要10,000步來求解它，而HHL可以在13步之后提供近似解。

目前，規劃、工程、建筑和天氣預報中的許多數值模擬將復雜問題簡化為大量線性方程組。對于他們中的許多人來說，本質上是統計的，近似的解決方案可能就足夠了。

請注意，HHL算法在量子計算中被證明是通用的，并且被證明可用于各種應用，例如k均值聚類、支持向量機、數據擬合等。有關更多詳細信息，請參閱[52]。

處理大量輸入數據的量子算法的主要警告之一是數據加載。經典數據，尤其是二進制數據或比特，需要通過高效的量子算法轉換成量子態進行后續處理。這個過程很慢，并且經典數據加載本身可能需要比連貫時間更長的時間。解決方案是量子存儲器或量子RAM[52,53]。

3.2.6 量子機器學習和人工智能

• 狀態：開發中的算法
• 利用率影響：有效性（例如更好的機器學習優化）
• 時間表預期：短期至中期
• Qubits 要求：～100，取決于問題的復雜性
• 主要挑戰：邏輯量子比特的數量

由于圍繞經典機器學習和人工智能 (ML/AI) 的炒作，可以預期也會有關于這個主題的量子研究。首先，請注意，考慮到處理經典數據的效率非常低 [54]，人們不能指望全量子 ML/AI，如果缺少量子存儲器以及經典數據（例如圖片數據）的加載和編碼速度非常慢，則更是如此) 轉換成量子信息格式。這根本不實用。當機器學習/人工智能應用于量子數據時，會出現另一種情況；例如，來自量子傳感器或成像 [55]。

盡管如此，可以引入量子增強的ML/AI [56,57]，其中量子計算可以改進一些機器學習任務，例如量子采樣、線性代數（其中機器學習是關于高維線性中復雜向量的處理）空間）或量子神經網絡[54]。一個例子是量子支持向量機[58]。

事實上，ML/AI 主題涵蓋了各種技術和方法，與量子計算沒有什么不同。量子機器學習/人工智能或量子增強機器學習/人工智能是當今許多研究工作的主題。有關量子ML/AI算法及其可能的加速的調查，請參閱[59]。

3.3 量子通信和密碼學

量子通信是指通過使用光纖或自由空間通道的量子網絡進行的量子信息交換。大多數情況下，量子通信是使用光子作為量子信息載體來實現的。然而，由于光子的限制，例如遠距離損失，量子網絡包含其他元素，例如量子中繼器或量子開關。

量子密碼學的目標是用量子密鑰分發的抗量子算法取代傳統的（主要是非對稱的）加密方案。用于量子通信的典型量子特征如下：量子糾纏、量子不確定性以及指出量子信息無法復制的非克隆理論[18,60]。

3.3.1 量子網絡

• 狀態：研究中（僅可用于具有可信節點的QKD）

• 使用影響：新功能、有效性（例如超安全通信、量子彈性密碼學）

• 時間表預期：中期

• 主要挑戰：量子中繼器和開關（量子存儲器）

量子網絡（有時稱為量子互聯網[61]或量子信息網絡(QIN)）的目的是通過多種技術跨各種渠道傳輸量子信息。量子信息（量子比特）通常由單個光子攜帶，因此量子信息傳輸是脆弱的。此外，許多量子網絡應用依賴于量子糾纏。

量子信息傳輸的常用通道是專用的低損耗光纖或當前具有較高損耗的電信光纖基礎設施。兩個相互靠近的通信端點的情況就像使用一根光纖一樣簡單。網絡的復雜性隨著更多的終端節點或更大的距離而增加，其中需要諸如量子中繼器或量子開關之類的組件。請注意，對于大多數量子網絡應用來說，非常適中的（一個量子比特）量子處理器就足夠了。

自由空間量子通道更具挑戰性。由于強烈的大氣衰減，光學或近光學光子在大氣中的效用有限。因此，最普遍考慮和實現的量子網絡場景是使用量子衛星[62,63]。衛星的優勢在于可以利用光光子通信傳輸量子信息，其中衛星-地面鏈路中的損耗低于相距較遠的兩個地面節點之間的損耗。然而，短距離自由空間通道中的光子通信可以使用無人機等來實現[64]。最好的方法是使用經典無線通信所采用的微波頻譜。然而，在單個光子水平上使用微波光譜的通信更具挑戰性[65]。微波單光子技術在產生和檢測單個光子方面難度更大。另一個問題是微波頻段的嘈雜環境。

由于光子損失和退相干，長距離的量子通信需要量子中繼器。量子中繼器是一個中間節點，其工作方式類似于經典光網絡中的放大器，但需要遵守不可克隆定理。事實上，量子中繼器允許糾纏端節點的量子比特。當兩個末端節點糾纏在一起時，量子隱形傳態的效果[66] 可以被利用。這意味著可以在沒有物理發送光子的情況下傳送量子信息；只需要經典的通信。利用量子糾纏，量子信息可以流過一個量子網絡或其中的一部分，甚至可以被竊聽者控制，而沒有任何機會泄露傳輸的量子信息。為了量子中繼器的正確運行，需要量子存儲器。然而，目前還沒有可靠實用的量子存儲器可用。

作為中間步驟，可以使用受信任的中繼器。可信中繼器不會糾纏終端節點，僅用于量子密鑰分發（QKD，參見下一節，3.3.2）。為了想象它是如何工作的，讓我們考慮兩方A和B以及一個受信任的中繼器R。然后用密鑰對密鑰進行加密。可信中繼器R對進行解密，得到。此時，受信任的中繼者R知道密鑰, A和B必須相信密鑰是安全的，不受竊聽者的控制。最后，R使用密鑰對重新加密，并將其發送給B。這是目前QKD網絡中使用的一種技術。

目前在實驗中測試的下一步是獨立于測量設備的QKD(MDI-QKD)[67,68]。它是一種量子協議，不僅可以用安全的中繼器代替受信任的中繼器（仍然不是量子，不支持糾纏），而且還可以用作交換機。這意味著可以開始構建通常的星形網絡拓撲和基礎設施。請注意，在 MDI-QKD網絡中，對中心節點的攻擊在物理上不能泄露密鑰，也不能泄露敏感信息。之后，中心節點將被量子交換機和中繼器取代，實現功能齊全的量子信息網絡。

量子網絡將與經典網絡并行工作，因為并非所有傳輸的信息都需要在量子信息中進行編碼。事實上，例如，量子隱形傳態需要并行經典網絡。量子網絡可用于以下應用：

• 量子密鑰分發（QKD），一種加密密鑰的安全傳輸（參見第3.3.2節）；

• 量子計算機或量子計算集群之間的遠距離量子信息傳輸或遠程量子能力共享；

• 盲量子計算[69,70]允許將量子算法傳輸到量子計算機、執行計算和檢索結果，而無需所有者或竊聽者知道算法或結果是什么；

• 網絡時鐘同步[71]，見第3節3.4.2；

• 安全識別[72]允許在不泄露身份驗證憑證的情況下進行識別；

• 量子位置驗證[73]允許驗證對方的位置；

• 用于多臺量子計算機的分布式量子計算[74,75]，允許將任務作為一臺量子計算機進行計算；

• 涉及所謂拜占庭協議的共識和協議任務（盡管有對手的干預，組對一個輸出的決定問題）。與經典復雜度相比，量子版本[76]可以在復雜度上達成一致。

• 糾纏傳感器網絡[77,78]允許提高傳感器的靈敏度并減少錯誤，并評估全局屬性，而不是收集有關系統特定部分的數據。

量子網絡允許量子計算機之間直接安全的量子通信，其中可以直接交換量子數據。這對于根據單個量子計算機性能有效地重新分配計算任務很有用，主要是當一個巨大的任務可以分成更小的任務時。另一種情況是量子云，其中量子數據可以在多臺量子計算機之間共享。此外，是否有可能構建一臺獨立的高性能量子計算機是值得懷疑的。這種實現更有可能通過分布式量子計算[74,75]，其中許多量子計算機將通過量子網絡連接。

3.3.2 量子密鑰分發

• 狀態：商業可用（帶有可信賴的中繼器）

• 使用：新能力時間線

• 預期：短期

• 主要挑戰：安全的量子中繼器（量子存儲器）、物理硬件的安全認證

量子密鑰分發（QKD）是量子通信最成熟的應用。目標是在兩方或多方之間為通過經典渠道分發的加密數據分發密鑰。由于不可克隆定理，任何竊聽者都必須執行通信方可檢測到的測量。

協議的主要類別有兩種：一種基于BB84 (Bennett-Brassard 1984) 協議[79]，另一種基于 E91 (Ekert 1991) 協議[80]。占主導地位的BB84協議在技術上更簡單，但需要生成量子隨機數（參見 第3.3.4節），并且提供方必須在分發之前準備密鑰。E91協議利用量子糾纏在分發過程中生成密鑰，各方同時知道密鑰。在該協議中，不需要量子隨機數生成器。然而，量子糾纏的技術解決方案更具挑戰性。這兩類協議在信息理論上都是安全的。

理論上，QKD 在傳輸過程中是不可穿透的。然而，典型的攻擊向量可能集中在最終（接收器/發送器）或中間節點，其中軟件層的硬件可能包含漏洞，例如控制軟件中的錯誤、不完美的單光子源、各方驗證問題等。這是一個非常活躍的研究領域。例如，不完善的物理硬件可能被所謂的光子數分裂[81]或特洛伊木馬[82]攻擊濫用。在這里，硬件和軟件的安全認證是必要的，并且需要時間。

除了受信任的中繼器之外，另一個弱點是量子比特傳輸速率，它太慢而無法分發長密鑰。新的單光子源的高傳輸率可以解決這個問題。

目前，QKD技術可作為短距離的點對點連接或在遠距離使用可信中繼器進行商用。值得信賴的中繼器可以是一顆太空衛星，正如中國所證明的那樣[62,63]。

3.3.3 后量子密碼學

• 狀態：算法準備就緒

• 使用影響：必須有

• 時間線預期：短期

• 主要挑戰：標準化、實施

后量子密碼學（有時稱為量子證明、量子安全或抗量子密碼學）代表了一個應該能夠抵抗未來量子計算機攻擊的加密技術領域。目前，對于大多數使用公鑰技術的非對稱加密來說，情況并非如此。另一方面，大多數對稱密碼算法和散列函數被認為相對安全，可以抵御量子計算機的攻擊[83]。盡管如此，建議將對稱密鑰長度加倍[39]。

現在，有幾種方法被認為是抗量子的。例如，基于格的密碼學[84]、超奇異橢圓曲線同源密碼學[85]、基于哈希的[86]密碼學、基于多變量的[87]密碼學、基于代碼的密碼學[88] 和對稱密鑰量子抗性。

與QKD不同，從數學角度來看，所有這些算法都不能證明是安全的。因此，在標準化過程中，所有這些算法都經過嚴格的測試和分析，包括實施。在最壞的情況下，經典計算機 [89]可以破解在實現中存在錯誤的抗量子算法。最受關注的標準化過程是美國國家標準與技術研究院(NIST)的標準化過程。標準化進程在第三輪[90]，有三名決賽選手（基于格、基于代碼和多變量的算法）和幾個備選候選者。NIST 標準化過程預計將于 2023-24 年結束。無論如何，現在越來越多的商業供應商正在提供新的抗量子加密解決方案。

3.3.4 量子隨機數發生器

• 狀態：市售

• 使用影響：新功能（真正的隨機數生成）

• 時間線預期：短期

• 主要挑戰：提高比特率

隨機數生成器 (RNG) 對于許多應用程序來說都是必不可少的，例如蒙特卡洛模擬和集成、加密操作、統計和計算機游戲。然而，經典計算機中的RNG，因為它是確定性的，并不是真正隨機的，被稱為偽隨機數生成。但是，對于許多應用程序，偽RNG就足夠了。

另一方面，生成強密鑰是安全的基石，只有真正隨機的RNG才能實現。一種解決方案是基于硬件的量子隨機數生成器(QRNG)。此外，QRNG是基于BB84的QKD協議的關鍵部分，可證明是安全的。

QRNG可用于任何密碼學，并使所有密碼學變得更好。QRNG的優點之一是它可以被驗證和認證[91]，這與任何其他RNG不同。

3.4 量子傳感和計量

量子傳感和計量是最成熟的量子技術領域，它改進了時序、傳感或成像。例如，來自第一次量子革命的原子鐘已成為全球定位系統(GPS)的一部分近半個世紀。當前的量子時鐘正在提出更高的時間測量精度。

量子傳感代表所有測量各種物理變量的量子技術，例如外部磁場或電場、重力梯度、加速度和旋轉。量子傳感器可以產生關于電信號、磁異常和慣性導航的非常精確的信息。

量子成像是利用光子相關性的量子光學的一個子領域，可以抑制噪聲并提高想象物體的分辨率。量子成像協議被考慮用于量子雷達、在不透光環境中檢測物體和醫學成像。

量子傳感和計量技術依賴于以下一項或多項特征：量子能級、量子相干性和量子糾纏[92]。單個量子傳感器具有隨應用而變化的各種指標。常用指標是：靈敏度（在1秒積分時間后給出統一信噪比的信號）、動態范圍（最小和最大可檢測信號）、采樣率（對信號進行采樣的頻率）、工作溫度、等。衍生的關鍵指標包括，例如，一定距離的空間分辨率和達到指定靈敏度所需的時間。典型的測量量是磁場和電場、旋轉、時間、力、溫度和光子計數。

3.4.1 量子電、磁和慣性力傳感

• 狀態：實驗室原型

• 使用影響：精度、新能力

• 時間表預期：短期到長期

• 主要挑戰：小型化、冷卻

許多傳感量子技術是通用的，可以測量各種物理量。每種技術的詳細描述超出了本報告的范圍；但是，提供了一個基本概述。許多應用包括各種量子技術。例如，量子慣性導航包括三種類型的傳感：加速度、旋轉和時間。一般來說，許多應用都需要精確的基于量子的定時，而不僅僅是量子技術。有關量子計時，請參閱第3節。3.4.2最有前途的技術是：原子蒸氣、冷原子干涉、氮空位中心、超導電路和俘獲離子。

冷原子干涉儀（測量量：磁場、慣性力、時間）。在非常低的溫度下冷卻的原子表現出類似波浪的行為，并且對與其質量相互作用的所有力都很敏感。在干涉圖案中觀察到變化 [5,92,93]。特定的實現可以是拉曼原子干涉法、原子布洛赫振蕩或其他形式[94–96]。例如，在重力測量中，基于量子的重力儀有可能達到大約幾個數量級的精度[5]比最好的經典同行。這種精確的重力儀可以非常詳細地繪制地球表面和地下的地圖，分辨率達到厘米級。在慣性導航方面，振動晶格干涉儀有可能克服最先進的原子干涉儀技術的缺點，可以同時用作加速度計和陀螺儀[97]。仍然存在一些挑戰。一些最大的挑戰是將量子傳感器集成到一個量子慣性測量單元中，用于冷卻原子并同時保持相干性（抑制與噪聲環境的相互作用）的激光冷卻裝置的小型化，或動態范圍實驗室外的冷原子傳感器。然而，在這一領域也可以找到顯著的進步，例如[98]。回顧見[99]。

俘獲離子（測量量：電場和磁場、慣性力、時間）。俘獲離子是最通用的傳感平臺之一 [100–102]。控制良好的俘獲離子形成具有量化運動模式的晶體。任何干擾都可以通過這些模式之間的轉換來測量。單個捕獲的離子可以作為時間的精確測量或作為量子計算機中的量子比特。對于慣性導航，1、2和3維陣列中捕獲的冷原子的光學晶格技術可能提供亞厘米級的尺寸。除了可以測量重力和慣性參數外，它還可以測量卡西米爾力或范德華力。最近，使用量子糾纏的俘獲離子，電場測量的靈敏度已達到，這比經典對應物好幾個數量級。

氮空位 (NV) 中心（測量量：電場和磁場、旋轉、溫度、壓力）。金剛石晶體中的氮空位中心作為與外部磁場耦合的電子自旋量子比特起作用。此外，使用Berry相位的帶負電的 NV中心可以測量旋轉。一般來說，基于NV中心的傳感器可在各種條件下提供高靈敏度、廉價的生產和操作[92、104、105]。特別是，基于NV中心的技術也可以在室溫或更高溫度下工作。一種新穎的3D設計允許同時感應磁力、加速度、速度、旋轉或引力的所有三個分量[106]。NV中心在基于金剛石的傳感中的優勢在于空間分辨率和靈敏度。另一方面，挑戰在于選擇、實施和制造單個NV中心或其整體。在電場傳感的情況下，定義靈敏度是一項挑戰[107]。

超導電路（測量量：電場和磁場）。基于約瑟夫森效應的超導電路技術描述了兩個超導體之間的量子隧道效應[92]。該技術允許在宏觀尺度上制造量子系統，并且可以通過微波信號進行有效控制。超導量子干涉裝置（SQUID）是最好的磁力傳感器之一。然而，缺點是需要低溫技術。請注意，對于小于地磁噪聲的磁場變化的測量，首選設計是基于傳感器陣列來消除與應用的空間相關性，例如醫學和生物醫學應用（例如MRI或分子標記）。最近的發展表明，量子計算機中使用的超導量子比特也可用于測量電場和磁場[92]。

原子蒸氣（測量量：磁場、旋轉、時間）。自旋極化的高密度原子蒸氣在外部磁場下經歷狀態轉變，可以光學測量[92,108,109]。一個優點是在室溫下部署。原子蒸氣適用于旋轉傳感，稱為原子自旋陀螺儀(AGS)。AGS可以是芯片級的[5]。相比之下，最好的經典旋轉傳感器非常精確（例如環形激光陀螺儀）。預期的量子傳感器將精確到大約兩倍。然而，上面提到的最好的經典陀螺儀的尺寸為4×4 米，這是不切實際的[110]。基于原子系綜的原子蒸汽電池磁力計有可能超越SQUID磁力計并在室溫下工作[92]。

3.4.2 量子鐘

• 狀態：實驗室原型

• 使用影響：精度

• 時間表預期：短期至中期

• 主要挑戰：小型化

原子鐘已經陪伴我們幾十年了。例如，作為GPS衛星的一部分。當前的原子鐘是基于原子物理學的，其中在改變能級時電子的電磁輻射利用“滴答聲”。因此，原子鐘是一項非常成熟的技術。今天，基于原子噴泉或熱原子束和磁態選擇原理的原子鐘可以達到相對的不確定性[111]，或者最先進的芯片大小的原子鐘具有不確定性[5]。

第二次量子革命帶來了原子鐘或量子鐘的新原理。量子邏輯時鐘基于單離子，這是一種與用于量子計算的捕獲離子量子比特相關的技術[101]。量子邏輯時鐘是第一個時鐘不確定性低于[112]。量子鐘也可以從量子糾纏中受益[113]。

后來，量子邏輯時鐘被實驗光學晶格時鐘所取代。請注意，當前的原子鐘使用微波頻率工作，即能級之間的躍遷會發射微波光子。盡管它提供了更好的性能，但在光學頻率中發射光子的電平躍遷測量更難實現。光學時鐘仍在開發中，系統基于：在離子阱中隔離的單個離子、在光學晶格中捕獲的中性原子和包裝在3D量子氣體光學晶格中的原子。尤其是 3D 量子氣體光學晶格時鐘已經證明了頻率精度[114]。最近，證明量子糾纏可以提高時鐘穩定性[115]。

另一項研究側重于提供芯片尺寸實現的蒸汽電池（或氣體電池）原子鐘[116]；固態（例如，鉆石中的NV中心）時鐘[117]；或核鐘，其原理與微波或光學原子鐘相似，只是它使用核躍遷而不是原子殼中的電子躍遷[118]，具有超越原子光學鐘[119]的前所未有的性能潛力。

各種時鐘技術都有自己的挑戰，例如精確的頻率梳、用于控制和冷卻的激光系統以及黑體輻射偏移（在光學時鐘的情況下）。此外，小型化通常以較低的頻率精度為代價。另一種常見的挑戰是這些時鐘的同步。 精確計時對于許多技術至關重要，例如衛星導航、空間系統、精確測量、電信、國防、網絡同步、金融業、電網控制以及幾乎所有工業控制系統。然而，非常精確的時序對于量子技術至關重要，尤其是對于量子傳感和成像。例如，一個非常高精度的時鐘允許進行新的測量，例如重力勢測量到地球表面的厘米級或尋找新的物理學。

3.4.3 量子射頻天線

• 狀態：實驗室原型

• 使用：有效性

• 時間表預期：短期至中期

• 主要挑戰：小型化、冷卻

射頻(RF)天線用作各種信號的接收器或發射器。它們可以是復雜的AESA的簡單偶極天線個模塊。它們的尺寸限制受限于產生或接收信號的波長。例如，3 GHz信號的波長為～10厘米并且天線的尺寸應不小于大約1/3這個波長的。這稱為 Chu-Harrington 極限[120,121]。

里德堡原子的技術可以打破這一限制，并擁有一個獨立于接收信號波長的幾微米大小的天線。里德堡原子是高度激發的原子，具有相應的大電偶極矩，因此對外部電場具有高靈敏度[122,123]。請注意，基于里德堡原子的天線只能接收一個信號。

最近的基于Rydberg原子的分析儀原型在0到20 GHz的頻率下用于AM或FM無線電、WiFi 和藍牙信號[124]。更多天線的組合可以檢測信號的到達角[125]。在實驗室層面，里德堡原子技術已商業化。

量子射頻接收器作為單個單元（用于目標頻率、窄帶寬）或陣列傳感器（寬頻率跨度）可以在導航、有源成像（雷達）、電信、媒體接收器或無源太赫茲成像中找到其應用。

3.4.4 量子成像系統

• 狀態：實驗室原型和概念驗證

• 使用：新能力

• 時間表預期：短期到長期

• 主要挑戰：提高分辨率、高倍率單光子源

量子成像系統是一個廣泛的領域，涵蓋 3D 量子相機、幕后相機、低亮度成像和量子雷達或激光雷達（對于量子雷達，請參閱第 3.4.5節）。

SPAD（單光子雪崩探測器）陣列是一種非常靈敏的單光子探測器，與脈沖照明源相連，可以測量從源到物體的飛行時間，從而測量物體的范圍。然后，將SPAD放入陣列中就可以作為3D相機工作。SPAD與擴展至近紅外光譜的光譜一起工作。

SPAD陣列也可用于檢測視線之外的物體（例如隱藏在墻角后面）。這個想法是基于激光和相機的合作，其中激光在SPAD相機的前面（例如地板上的一個點）發送一個脈沖。從該點，激光脈沖將向各個方向散射，包括拐角后，光子可以反射到SPAD相機前面的點，然后再反射到相機。SPAD足夠靈敏，可以檢測到這樣的三散射信號[126]。

量子重影成像[127 –129]，也稱為重合成像或雙光子成像，是一種允許對相機視線之外的物體進行成像的技術。在源中，產生了兩個糾纏的光子，每個光子的頻率不同。光學頻率中的一個由高分辨率光子計數相機直接記錄。具有不同頻率的第二光子（例如紅外線）被發送到物體。反射的光子由單光子檢測器（所謂的“桶”檢測器）檢測。然后根據兩個光子之間的相關性創建圖像。鬼成像協議也被證明沒有量子糾纏（使用經典相關），盡管分辨率較差。

這種模式允許在極低的光照水平下對物體進行成像。此外，紅外光可以更好地穿透某些環境，具有更好的信噪比(SNR)[130]。最近展示了使用 X 射線或超相對論電子的鬼成像實驗 [131,132]。

亞散粒噪聲成像[133] 是另一種量子光學模式，允許檢測信號低于散粒噪聲的弱吸收物體。散粒噪聲是檢測到的光子數量波動的結果。例如，散粒噪聲是激光的極限。使用相關光子可以克服這個限制。一個“先驅”或“輔助”光子的檢測表明存在探測物體或環境的相關光子。

量子照明(QI)[134]是一種使用兩個相關（糾纏）光子檢測目標的量子協議。保留一個稱為“閑置”的光子。另一個稱為“信號”光子，被發送到目標并被反射，兩個光子都被測量。即使糾纏被有損和嘈雜的環境破壞，該協議的優勢仍然存在。QI協議是主要適用于量子雷達的協議之一，但也可以應用于醫學成像或量子通信。

3.4.5 量子雷達技術

• 狀態：實驗室原型和概念驗證

• 使用：新能力

• 時間表預期：長期和更多

• 主要挑戰：高速率單光子源、量子微波技術

從原理上講，量子雷達的工作原理與經典雷達類似，即必須向目標發送信號，并且雷達系統需要等待反射信號。盡管如此，理論上可以通過量子力學逼近來提高精度和新能力。

有幾種用于量子雷達的協議，例如干涉式量子雷達[135]、量子照明(QI) [134] 、混合量子雷達[136、137]或Maccone-Ren量子雷達[138]。沒有一個提到的協議是完美的。例如，干涉式量子雷達對噪聲過于敏感，需要保留量子糾纏。QI是嘈雜環境的理想協議，甚至在實驗室驗證了微波頻譜[139]，但它需要了解與目標的距離，例如它沒有測距功能。然而，基于QI的量子目標測距方法正在開發中[140]。混合量子雷達也解決了這個測距問題，但以犧牲靈敏度為代價。Maccone-Ren協議具有QI屬性和測距功能，但目前還只是一個理論概念。

所有協議共同面臨的最大挑戰是（不僅）微波狀態下糾纏光子的高生成率。雷達方程的量子版本[141]仍然占據主導地位，其中R是雷達-目標距離。因此，所需的糾纏光子（模式）的數量比目前可用的數量級高幾個數量級[142]。從某種意義上說，量子雷達與噪聲雷達相似，具有截獲概率、檢測概率低、頻譜共享高效等諸多特性，參見[137]及其參考文獻。

另一個相關的挑戰是目標尋找。理論工作[143]表明，量子糾纏在尋找目標未知位置方面可以勝過任何經典策略。此外，所提出的方法可以用作固定目標范圍的量子增強頻率掃描儀。

3.4.6 其他傳感器和技術

• 狀態：實驗室原型

• 利用：新功能（例如化學和精確聲學檢測）

• 時間表預期：中短期

• 主要挑戰：提高分辨率

使用光聲檢測，量子技術可用于高達聲子水平的超精確聲音傳感，聲子是一種準粒子量化固體物質中的聲波[144,145]。聲波的精確檢測對于許多應用至關重要，包括醫療診斷、聲納、導航、痕量氣體傳感和工業過程[146,147]。

光聲檢測可與量子級聯激光結合，用于氣體或一般化學檢測。量子級聯激光器 (QCL) 是一項成熟的技術[148]。QCL是一種在中波和長波紅外波段發射的半導體激光器，與許多其他量子技術一樣，需要遠低于-70℃的冷卻。然而，最近的發展允許芯片級實現工作在-23℃ 左右，這可以通過便攜式冷卻系統來實現[149]。

4 國防中的量子技術

與工業或公共應用相比，軍事技術的要求更高。考慮到戰場上可能的部署，這需要更加謹慎。第5節介紹了具有不同 TRL、時間預期和多種實現風險的各種可能的軍事應用。

對于易于實施并適合當前技術的技術，例如量子傳感器，簡單地說，我們可以用量子傳感器代替經典傳感器，這將更簡單，風險更小。

相反，QKD是一種已經商業化但難以部署的技術的例子。需要許多新的硬件、系統和與當前通信系統的互操作性。因此，這項技術在軍事部署方面具有更大的風險。

從長遠來看，我們可以期待降低SWaP和擴大量子計算機和量子網絡的優勢。如果國家/軍隊想與其他國家/軍隊競爭邊緣（量子）技術，這將使部署更容易并且可能是必要的。

4.1 量子策略

軍事量子技術的未來用戶將不得不仔細考慮是否、何時以及何時投入時間和資源。國防軍的目標不是開發軍事技術，而通常只是明確要求及其獲取。但是，他們可以顯著參與開發，特別是如果他們是最終用戶。 作為基礎，最好有一個由產業和學術機構組成的國家量子生態系統。這樣的生態系統應在政府層面得到普遍支持，即制定國家量子計劃，但也應激勵為國防部門開發技術。這可以通過適當的贈款資金甚至各種主題挑戰來實現，個人和初創公司可以參與其中，并可能帶來新的顛覆性想法和解決方案。這自然會導致與工業界和學術界的更緊密合作。量子產業非常有趣，學術界和工業界之間有大量的合作。

第一步是建立量子技術路線圖或量子戰略。路線圖/戰略應詳細說明所有后續步驟，從識別顛覆性量子解決方案、市場調查、技術和風險評估以及開發本身到原型測試和最終解決方案部署。路線圖或量子策略可以由三個部分組成：

1.鑒別，

2.發展，

3.實施和部署。

最關鍵的部分是為所考慮的戰爭領域確定最有利和最具破壞性的量子技術。此步驟還包括技術和科學評估，以平衡技術風險（有限的可部署性、低于預期的性能或不可能從實驗室轉移到戰場）與單個量子技術的潛在優勢。這個識別過程應該循環重復，以便對新發現和破壞性解決方案做出相對快速的反應。重要的是要記住許多應用程序尚未被識別或發現。

下一步是通常的研發（R&D）過程。研發應在財政上得到充分支持，但官僚障礙也應降至最低。它應該涉及快速的開發周期，并與軍事技術的最終用戶密切互動（規格和性能咨詢、原型測試、準備認證……）。在此階段結束時，新系統應具備初始運行能力。

最后一步是達到全面作戰能力，包括修改或創造新的軍事學說，準備新的軍事情景、戰略和戰術，充分發揮量子優勢。

最后一點與識別階段有關。在這里，決策者還需要考慮長遠的觀點。到目前為止，許多量子技術已經被單獨考慮：傳感器、QKD、量子計算等。但長期的愿景是考慮通過量子網絡實現量子傳感器和量子計算的互連。在這里，理論和實驗工作展示了利用量子糾纏傳感器和計算機的額外量子優勢[77,78]。更多類似的應用可能會被發現或發明。在構建光纖/量子網絡時要考慮這一點很重要。之后，可信中繼器等當前元素可以被全量子中繼器和交換機取代，從而充分發揮量子網絡的潛力。

4.2 TRL 和時間范圍

正如多次提到的，各種量子技術處于不同的TRL，從1到8不等。在考慮各種應用和部署平臺時，尤其是用于軍事目的時，TRL的變化和時間范圍預期更加復雜。[150]中提供了一些TRL和時間范圍估計。然而，根據本報告中的描述，一些估計，例如TRL 6 的量子精確導航，似乎過于樂觀。

在這里，我們在表1中提供了我們自己的TRL和預期時間范圍 ，這與這項工作的結果相對應。

表 1 TRL 和時間范圍預期。這些期望反映了一般 TRL 而不僅僅是軍事 TRL。請注意，各種量子技術在同一應用程序中處于不同的 TRL

讀者可以將這些與[11,150]中的其他時間線進行比較。

實際的軍事部署可能需要一些時間來克服所有技術障礙并滿足軍事要求。以用于地下掃描的量子重力儀為例。第一代可能會部署為放置在卡車上的靜態傳感器，并且范圍/空間分辨率將相當低。隨著時間的推移，下一代將提高靈敏度和空間分辨率。隨著SWaP的降低，該傳感器將能夠被放置在飛機上，然后在無人機上，也許在LEO衛星上。然而，傳感器的極限也有可能提前達到，導致部署變得不可能，例如在無人機或LEO衛星上。

4.3 量子技術對策

一個關于量子技術對策的獨立部分是有必要的，盡管這個主題將被觸及，例如在 Sect.5.6關于經典電子戰的量子類比。該主題研究較少，很少有文本涉及該主題；此外，詳細描述超出了本報告的范圍。

簡而言之，這個主題是指欺騙、禁用或破壞量子技術的方法和技術，無論是量子計算機、量子網絡還是量子傳感器和成像系統。量子技術利用了單個量子的量子物理特性。因此，它們非常容易受到來自環境的干擾和噪音的影響，因此可能會被欺騙或癱瘓。特別是關于量子網絡，特別是QKD，我們談到了與QKD本身攜手發展的量子黑客攻擊[151–155]。

量子戰略的作者和決策者應該牢記，當量子技術部署在軍事領域時，很可能遲早會出現各種對策。目前未知的是量子技術對策的可能有效性及其影響。

5 量子技術軍事應用

量子技術有可能對人類活動的許多領域產生重大影響。對于國防部門來說尤其如此。量子技術可以影響現代戰爭的所有領域。第二次量子革命將提高靈敏度和效率，并引入新的能力和提高現代戰爭技術，而不是導致新型武器。

以下文字描繪了現代戰爭不同方面的軍事、安全、太空和情報方面的可想象量子技術應用，如圖1所示。它還提到了可能暗示量子技術能力和性能的工業應用，尤其是在沒有關于軍事應用的公開信息可用的情況下。

圖1 利用各種量子技術系統的量子戰示意圖

重要的是要注意，許多應用仍然是理論多于現實。在實驗室中取得的顯著量子進步并不總是在實驗室外產生類似的進步。除了工作實驗室原型之外，從實驗室到實際部署的轉移還涉及其他方面，例如便攜性、靈敏度、分辨率、速度、穩健性、低SWaP（尺寸、重量和功率）和成本。量子技術的實用性和成本效益將決定是否制造和部署特定的量子技術。

將量子技術集成到軍事平臺中更具挑戰性。除了與民用類似的主要位于數據中心的量子計算機外，量子傳感、成像和網絡的集成和部署還面臨著軍事用途需求增加帶來的若干挑戰（與民用/工業或科學需求相比））。例如，精確導航的軍用級要求需要快速的測量速率，這對于當前的量子慣性傳感器來說可能是相當有限的。還有更多的例子，而且可能還會有更多的例子。

此外，這個領域還很年輕，新技術的驚喜，無論是好的還是壞的，都可能帶來其他量子優勢或劣勢。

5.1 量子網絡安全

關鍵點：

• 量子加密敏捷實施的必要性。

• 想要利用Shor算法的操作應該在部署量子安全加密之前開始收集感興趣的數據。

• QKD的實施需要仔細考慮。

• 在QKD中，端點將是系統中最薄弱的部分。

網絡戰中的量子優勢可以提供新的，但一方面非常有效（具有指數加速），對當前非對稱加密的攻擊向量（基于整數分解、離散對數或橢圓曲線離散對數問題），并且，理論上，關于對稱加密[90,156]。另一方面是新的量子彈性加密算法和方法，以及量子密鑰分發。有關概述，請參見例如[157 –160]。 當前的趨勢也是機器學習或人工智能在網絡戰中的發展和應用[161]。有關量子機會的更多詳細信息，請參閱3.5.2 .

5.1.1 量子防御能力

后量子密碼學實現是應該盡快實施的“必備”技術。敵對情報正在收集加密數據并期望未來使用量子計算機的力量進行解密的風險是真實的、高的并且存在的[162]。這適用于交換或存儲秘密和機密數據的軍事、情報和政府部門以及工業或學術界。當前的趨勢是，當經過認證（標準化）的后量子密碼學準備好部署時，開始準備實施量子密碼敏捷性的基礎設施 [90,156]。

新的量子彈性算法不僅可以提供一種即使對于量子計算機來說也足夠困難的新數學方法，還可以提供一種處理加密數據的新范式。例如，完全同態加密 (FHE) 允許數據永遠不會被解密——即使它們正在被處理[163]。盡管安全應用程序（例如基因組數據、醫療記錄或財務信息）被提及最多，但情報、軍事或政府應用程序也很明顯。因此，FHE 是基于云的量子計算的良好候選者，以確保安全的云量子計算[164]。

請注意，后量子密碼學應在物聯網(IoT)或軍事物聯網(IoMT)[165]中實施，因為這是一個快速發展的領域，存在許多潛在的安全漏洞。有關物聯網后量子密碼學的概述，請參閱 [166]。

量子密鑰分發(QKD)[160,167,168] 是另一個允許安全加密密鑰交換的新功能，其中安全性得到了數學證明。雖然不可能竊聽量子數據（密鑰）的量子載體，但由于硬件或軟件實現不完善，弱點可以在端節點和可信中繼器上找到。另一個問題是成本，如果解決方案是基于光纖或利用量子衛星，則獨立考慮量子數據吞吐量、安全性和非量子替代方案。QKD 解決方案似乎在歐盟[169]中受到青睞，而后量子加密解決方案在美國[170]中受到青睞。

最后一點是指量子隨機數生成器。QRNG提高了安全性[171]并拒絕了對偽隨機數生成器的攻擊[172]。

5.1.2 量子攻擊能力

借助Shor基于算法的公鑰加密(PKE)量子密碼分析（例如RSA、DH、ECC），攻擊者可以解密之前收集的加密數據。所謂的“Q-Day”（量子計算機破解2048位RSA加密的那一天）何時會發生，并沒有準確的預測。然而，普遍的看法是大約需要10-15年（基于2017年的一項調查）[173]。由于Simon的算法和疊加查詢，類似的威脅適用于大多數消息身份驗證代碼(MAC)和關聯數據的身份驗證加密(AEAD)，例如HMAC-CBC和AES-GCM。

人們必須假設這種進攻性行動已經存在，或者正在進行深入的研究。在10年內，最敏感的通信或感興趣的主題將使用在未來六年內實施的后量子密碼學或QKD。這意味著當能夠破解PKE的量子計算機可用時，大多數安全敏感數據將使用量子安全解決方案。

理論上，Grover算法弱化了對稱密鑰加密算法；例如，DES和AES。然而，量子計算，特別是量子存儲器的需求如此巨大，以至于在未來幾十年內似乎是不可行的[174]。

另一個攻擊向量使用經典計算機的經典黑客方法，這些方法將落后于量子技術。總的來說，量子技術是一個技術年輕的領域，正在開發大量新的量子系統控制軟件。新的軟件和硬件往往有更多的錯誤和安全漏洞。例如，當前的QKD量子衛星作為受信任的中繼器工作，由經典計算機控制，可能成為網絡攻擊的理想目標。此外，針對量子網絡的特定基于物理的攻擊向量（例如QKD）是積極研究的主題[175]，例如光子數分裂[81]或特洛伊木馬攻擊[82]，不能排除未來的驚喜。有關量子黑客的概述，請參見例如[157]。

5.2 量子計算能力

關鍵點：

• 量子計算能力將隨著邏輯量子比特的數量而增加。

• 最有可能的是，量子計算將被用作混合云的一部分。

• 小型嵌入式量子計算系統是直接量子數據處理的理想選擇。

• 一般用于量子優化、ML/AI 增強和更快的數值模擬。

量子計算將為當前的經典計算服務引入新的能力，幫助解決高復雜度的計算問題。此外，除了上述量子模擬之外，量子計算還包括量子優化、機器學習和人工智能 (ML/AI) 改進、量子數據分析以及更快的數值建模[11,24]。在[10]中提出了可以用近期量子計算機解決的軍事問題。它們是：戰場或戰爭模擬；無線電頻譜分析；物流管理；供應鏈優化；能源管理; 和預測性維護。

為了獲得最有效的結果，未來的量子計算實施將與經典計算機一起在計算農場中實現，這將創建一個混合系統。混合量子經典操作系統將使用ML/AI分析要計算的任務，并將單個計算拆分為CPU、GPU、FPGA或量子處理器(QPU)，可以獲得最佳和最快的結果。

例如，可以放置在自動駕駛汽車或移動指揮中心中的小型嵌入式量子計算機是值得懷疑的。當前最先進的量子比特設計需要低溫冷卻。因此，更多的努力應該集中在其他量子比特設計上，例如可以在室溫下工作的光子、自旋或NV中心。嵌入式量子芯片可以執行簡單的分析任務或用于與需要直接量子數據處理的量子網絡應用相關的簡單操作。盡管如此，自主系統和機器人技術的機器學習和模型優化也可以從“大型”量子計算機中受益。

量子計算在優化問題中可能是有效的[10,176,177]。在軍事領域，量子優化的例子可以是海外行動和部署的物流、任務規劃、兵棋推演、系統驗證和驗證、新車的設計及其屬性，如隱身或敏捷性。頂部將是一個增強決策的應用程序，通過量子信息科學支持軍事行動和功能，包括預測分析和ML/AI[178]。具體來說，量子退火器已經證明了自己在驗證和驗證復雜系統的軟件代碼方面的能力[179,180]。

量子計算機有望在指揮和控制 (C2) 系統中發揮重要作用。C2系統的作用是分析和呈現態勢感知或協助規劃和監控，包括模擬各種可能的場景，為最佳決策提供最佳條件。量子計算機可以改進和加速場景模擬或處理和分析來自 ISR（情報、監視和偵察）的大數據，以增強態勢感知。這還包括量子增強機器學習和量子傳感器和成像的參與。

量子信息處理可能對于情報、監視和偵察(ISR)或態勢感知至關重要。ISR將受益于量子計算，它極大地提高了ISR捕獲的信號和圖像中過濾、解碼、關聯和識別特征的能力。尤其是量子圖像處理是一個引起廣泛關注和發展的領域。預計在短期內，態勢感知和理解可以受益于利用神經網絡的量子圖像分析和模式檢測[13]。

量子計算將增強經典機器學習和人工智能[54]，包括國防應用[178]。在這里，量子計算肯定無法進行完整的機器學習過程。然而，量子計算可以改進ML/AI機器（例如量子采樣、線性代數、量子神經網絡）。最近的一項研究[181]表明，量子ML僅對一些適合特定問題的內核提供了優勢。原則上，量子計算可能會增強大多數經典的ML/AI國防應用；例如，自動化網絡操作、算法目標、態勢感知和理解以及自動化任務規劃[182,183]。量子 ML/AI 最直接的應用可能是量子數據；例如，由量子傳感或測量設備產生的數據[55]。實際適用性將隨著量子計算機資源的增長而增長，八年后，量子機器學習/人工智能可以成為重要的量子計算應用之一[184]。這種適用性可以通過混合經典量子機器學習來加速，其中張量網絡模型可以在小型近期量子設備上實現[185]。

通過量子神經網絡，量子計算機有望提供卓越的模式識別和更高的速度。這可能是必不可少的，例如，在保護網絡的仿生網絡防御系統中，類似于生物有機體的免疫系統[13]。

此外，通過更快的線性代數（見3.2.5），量子計算有可能改進國防領域當前基于數值線性方程的數值建模，如兵棋推演模擬、雷達截面計算、隱身設計建模等。

從長遠來看，量子系統可以啟用網絡量子啟用能力（NQEC）[13]。NQEC是一個未來系統，允許各個單位和指揮官之間通過網絡進行通信和共享信息，以快速響應戰場發展和協調。量子增強可以帶來安全通信、增強的態勢感知和理解、遠程量子傳感器輸出融合和處理以及改進的 C2。

5.3 量子通信網絡

關鍵點：

• 各種安全應用（例如 QKD、識別和認證、數字簽名）。

• 隨著對所有新技術安全方面的仔細探索，安全應用程序的采用將很快發生。

• 量子時鐘同步允許使用更高精度的量子時鐘。

• 量子互聯網是量子計算機和/或量子云之間最有效的通信方式。

量子互聯網代表具有各種服務的量子網絡[186]，這些服務不僅具有重要的安全性，而且具有重要意義。然而，許多進步的量子通信網絡應用需要量子糾纏；也就是說，它們需要量子中繼器和量子開關。回想一下，可信中繼器只能用于QKD（參見第3.3.1節）。未來光纖和自由空間通道的組合將互連各種終端節點，如無人機、飛機、船舶、車輛、士兵、指揮中心等。

5.3.1 安全應用

量子密鑰分發是最成熟的量子網絡應用之一。以后，當使用MDI-QKD或量子中繼器的長距離通信成為可能時，這項技術將對國防部門產生興趣。目前，可以使用使用可信中繼器的基本商業技術。這些先驅可以作為如何使用量子技術的典范。在這里，QKD公司將這項技術推廣為最安全的技術，并且出現了越來越多的用例，尤其是在金融和醫療保健領域。另一方面，眾多的推薦報告和權威機構更加謹慎；例如，英國國家網絡安全中心[187]不認可 QKD 在其當前狀態下用于任何政府或軍事應用。

除了僅分發密鑰的QKD之外，量子網絡還可用于太空、特種部隊、空軍、海軍和陸地資產之間的量子安全直接通信(QSDC)[188–191]。在這里，在量子數據中加密的直接消息利用了類似于QKD的安全性。一個障礙可能是低量子比特率，它只允許發送簡單的消息，而不是視聽和復雜的遙測數據。在這種情況下，網絡切換到QKD協議來分發密鑰，加密數據將通過經典通道分發。其他協議，例如量子對話[192]和量子直接秘密共享[193]旨在使用量子網絡作為QSDC進行可證明的安全通信。請注意，QKD和QSDC被認為是6G無線通信網絡的原生部分，并在[194]中進行了相應討論。

量子方法對安全性的另一個重要貢獻是量子數字簽名(QDS)[195]。它是經典數字簽名的量子力學等價物。QDS 提供安全性，防止在發送者簽署消息后篡改消息。

接下來，量子安全識別利用了量子特征，允許在不泄露身份驗證憑證的情況下進行識別 [72]。非量子身份識別基于登錄名和密碼或加密密鑰的交換，允許入侵者至少猜測誰嘗試了身份驗證。

另一個應用是基于位置的量子密碼學[196,197]。基于位置的量子密碼學可以提供更安全的通信，其中訪問的信息只能從特定的地理位置獲得，例如只能從特定的軍事基地與軍用衛星進行通信。當一方的地理位置是其唯一憑證時，基于位置的量子密碼學還可以提供安全通信。

5.3.2 技術應用

量子網絡將執行網絡時鐘同步[71,198]，這已經是經典數字網絡中的一個主要話題。時鐘同步旨在協調其他獨立的時鐘，尤其是原子鐘（例如在 GPS 中）和本地數字時鐘（例如在數字計算機中）。使用量子糾纏的量子網絡將實現更準確的同步，尤其是在部署量子時鐘時（時間標準和頻率傳輸見第 5.4節）。否則，量子時鐘的高精度只能在本地使用。精確的時鐘同步對于C4ISR（指揮、控制、通信、計算機、情報、監視和偵察）系統的合作至關重要，以準確同步雷達、電子戰、指揮中心、武器系統等的各種數據和行動。

一個簡短的說明專門用于盲量子計算[69,70]。這類量子協議允許量子程序在遠程量子計算機或量子計算云上運行并檢索結果，而無需所有者知道算法或結果是什么。當需要秘密計算（例如軍事行動計劃或新武器技術設計）并且沒有自己的量子計算機能力可用時，這是很有價值的。

通過量子網絡進行的分布式量子計算——參見第3節。 3.3.1——對于擁有量子計算機的軍事和政府行為者來說，構建高性能量子計算服務或量子云非常重要。

能夠分布糾纏的量子網絡可以集成和糾纏量子傳感器[77]，以提高傳感器的靈敏度，減少誤差，最重要的是執行全局測量。這在感興趣的參數是整個網絡的全局屬性的情況下提供了優勢；例如，當信號的到達角需要從三個傳感器測量時，每個傳感器測量具有一定幅度和相位的信號。之后，每個傳感器的輸出可用于估計信號的到達角。量子糾纏傳感器可以在全球范圍內對此進行評估。然后可以通過機器學習來改進這個過程[78]。

用于分布式計算協議的量子協議[76]可以對一群無人機或一般來說對一群自動駕駛汽車 (AV) 具有有利的軍事應用。在這里，量子協議可以幫助在同一時間尺度上實現所有AV之間的協議，而與它們的數量無關。然而，所有快速移動的AV之間的開放空間量子通信將是一個必須首先解決的挑戰。請注意，最近成功進行了無人機量子糾纏分布的第一個實驗[64]。

5.4 量子PNT

關鍵點：

• 所有量子 PNT 技術都有一個共同點，即對高精度量子時鐘的需求。

• 量子慣性導航可以帶來比其經典對應物高幾個數量級的精度。

• 量子慣性導航可以通過使用量子磁或重力映射的量子增強導航進行擴展。

• 基于地球磁異常的有前途的量子導航。

量子技術有望顯著改善定位、導航和授時(PNT)系統，尤其是慣性導航。時間標準和頻率傳輸(TFT)是一項基本服務，可為通信、計量以及全球導航衛星系統(GNSS)提供精確計時。盡管目前的TFT系統已經很成熟，但光學原子鐘或量子鐘與利用量子網絡的TFT相結合的性能[199,200]將跟上當前應用（通信、GNSS、金融部門、雷達、電子戰爭系統）并支持新的應用（量子傳感和成像）。

新的基于量子的技術和方法支持開發用于PNT的靈敏精密儀器。量子優勢將在GPS被拒絕或具有挑戰性的操作環境中體現出來，從而實現精確操作。這種環境的示例是水下和地下，或GPS干擾下的環境。

當前的GNSS（GPS、GLONASS、伽利略、北斗……）依賴于通過單個衛星中的多個原子鐘提供的精確計時，這些原子鐘由地面上更穩定的原子鐘進行校正。量子時鐘的更高精度也將提高定位和導航的準確性。從長遠來看，GNSS衛星應連接到量子互聯網以進行時間分配和時鐘同步。芯片大小的精確移動時鐘可以幫助發現GNSS欺騙和欺騙[201]。

已經考慮和研究了一些量子GNSS（不僅僅是量子時鐘）；例如，干涉式量子定位系統 (QPS)[199,202,203]。QPS[202,203]的方案之一具有類似于傳統GNSS的結構，其中有三個基線，每個基線由兩個低軌道衛星組成，基線相互垂直。然而，盡管理論上定位的準確性令人驚訝，但必須進行大量工程才能設計出逼真的QPS。

當前的大多數導航依賴于GPS，或者一般來說是GNSS，這是最精確的可用導航技術。GNSS技術容易受到干擾、欺騙、欺騙或缺乏GPS的環境，例如使用高電磁頻譜的人口稠密地區。此外，對于地下或水下環境，GNSS技術根本不可用。解決方案是慣性導航。經典慣性導航的問題是它的漂移，隨著時間的推移精度的損失。例如，航海級慣性導航（用于船舶、潛艇和航天器）的漂移為1.8公里/天，導航級（用于軍用飛機）的漂移為1.5公里/小時[204]。2014年，DARPA啟動了MTO-PTN項目，目標是達到20 m和1 ms/小時的漂移[205]。即便如此，一些期望值非常高，即量子慣性導航將提供每月僅約數百米的誤差[5,206]。

全量子慣性導航系統由量子陀螺儀、加速度計和原子/量子鐘組成。盡管量子慣性導航所需的單個傳感器在實驗室外進行了測試，但創建完整的量子慣性測量單元仍然具有挑戰性。對于高度移動平臺的導航，傳感器需要幾個100 Hz的快速測量速率，或者提高量子傳感器的測量帶寬[204,207]。最需要改進的關鍵部件是低漂移旋轉傳感器。經典的慣性傳感器基于各種原理[208]。一種常見的芯片尺寸技術是MEMS (Micro Electro - Mechanical Systems)技術，其中MEMS陀螺儀的不穩定性達到約，適用于軍事應用[99]。目前最好的冷原子陀螺儀的不穩定性極限約為(積分時間為1000 s)[209]。與現有實驗室實驗的精度相比，不確定性在于可現場部署的量子傳感器的精度。經典和量子慣性導航之間的中間步驟可以是融合經典和量子加速度計輸出的混合系統[210]。隨著量子慣性導航設備的尺寸減小到芯片尺寸，可以預期其部署在較小的車輛上，尤其是無人駕駛的自動駕駛汽車或導彈上。但是，我們可以達到的小型化是未知的。對于芯片大小的量子慣性導航存在諸多疑慮。盡管挑戰很大，但它無疑是下一代技術。

目前，陀螺儀或加速度計等單個元件也在各種平臺上進行測試；例如，在飛機[211]或最近的[212]上。 多年來，美國國家海洋和大氣管理局(NOAA)一直在繪制地球磁異常圖并創建磁異常圖。將靈敏的量子磁力計與地球的磁異常圖結合使用是另一種實現量子非GNSS導航的方法 [213,214]。

引力圖匹配[215]的工作原理類似，人們可以期待使用量子引力計提高性能。量子重力儀和磁力儀一起可以成為潛艇量子增強導航的基礎，尤其是在海底峽谷、褶皺海床或沿海環境中。

一般來說，量子慣性導航或增強導航具有巨大的潛力，因為不需要GPS、紅外或雷達導航，而且它不易受到干擾或一般電子戰攻擊。然而，“不需要 GPS”的說法并不十分準確。這些系統的初始位置總是需要一些外部輸入，很可能來自GNSS。

5.5 量子ISTAR

關鍵點：

• 量子計算的密集參與以收集和處理信息。

• 期望在低軌道衛星上部署，但分辨率值得懷疑。

• 海底作業的廣泛應用。

• 預期具有不確定分辨率的先進地下監視。

• 新型 3D、微光或低信噪比的量子視覺設備。

ISTAR（情報、監視、目標獲取和偵察）是現代軍隊進行精確作戰的關鍵能力。量子技術有可能顯著提高多域戰場的態勢感知能力。

一般來說，預計量子計算會產生巨大影響，這將有助于獲取新的情報數據、處理來自監視和偵察的大數據以及使用量子 ML/AI 識別目標[178,183]。

除了ISTAR的處理部分之外，可以預期放置在單個陸地/海洋/飛行器和低軌道衛星上的量子傳感會取得巨大進步。

量子重力儀和重力梯度儀保證了高精度，可以改進或引入新的應用：地球物理學研究、地震學、考古學、礦物（裂變材料或貴金屬）和石油探測、地下掃描和精確的地理參考和地形測繪（例如，用于水下的海床導航）[7]。

另一種重要的傳感類型是量子磁力計。量子磁力測量的應用與量子重力測量的應用部分重疊，因此引入了新的應用：地球磁場包括磁異常、由于存在的局部磁異常，例如金屬物體（潛艇、礦井等），或弱生物磁信號（主要用于醫療目的的應用）[7]。

ISTAR 感興趣的第三個領域是量子成像。量子成像提供了許多不同的應用；例如，量子雷達（見第 5.7節）、醫學成像設備、3D相機、隱形測距儀等。

量子計算在 ISR 和態勢感知中的潛在應用在第3節中進行了描述。

5.5.1 量子地球的地表和地下監視

基于磁力測量、重力測量和重力梯度測量的第一級量子傳感有助于研究大陸和海面，包括自然起源的地下變化。磁異常和基于重力的傳感都提供了地球表面的不同圖像。地球是非常不均勻的（海洋、巖石、洞穴、金屬礦物……），包括由人類制造的巨大建筑或車輛，它們會產生獨特的引力（取決于質量）和磁（取決于金屬成分）足跡。

所討論的量子傳感技術——磁力測量、重力測量和重力梯度測量——可以達到非常高的精度，至少在實驗室中是這樣。例如，實驗室外絕對重量法的精度約為[216]。請注意，靈敏度3.1 μGal對應于地球表面上方每厘米高度的靈敏度。然而，問題在于通常與靈敏度反相關的空間分辨率（較高的靈敏度是以較低的空間分辨率為代價的，反之亦然）。空間分辨率和靈敏度是定義您將識別什么（大規模自然變化或小型地下結構）以及距離多遠（距地面、無人機或基于衛星的測量）的關鍵屬性。當前空間分辨率的例子是，星載重力梯度儀大約為100公里[217]，或者使用雷達衛星測高儀（海域）增加了16公里[218]寬度，或者機載重力儀為5公里[219]。有關更多信息，請參閱例如[5]。

對于許多量子傳感應用，必須將傳感器放置在低地球軌道(LEO)衛星上[220]。然而，目前的靈敏度和空間分辨率只允許應用于地球監測（測繪資源，如水或石油、地震或海嘯探測）。

除了低軌道衛星外，上述量子傳感器還被考慮部署在機載、海上或地面車輛平臺上。如今，量子傳感實驗是在實驗室環境之外進行的，例如在卡車[221]、無人機和飛機[222,223] 或船上[217]上。例如，可以將量子重力儀安裝在無人機上，以搜索人造結構，例如用于走私毒品的隧道[223]。將量子傳感設備放置在無人機上（這可能是無人駕駛飛行器(UAV)、無人水面艦艇(USV)、遙控潛水器 (ROV) 或無人水下航行器(UUV)）需要更多工程才能達到最佳靈敏度、分辨率和可操作性同時進行。

低分辨率量子傳感可用于精確的地理參考和地形映射，以幫助在崎嶇地形中進行水下導航或任務規劃。此外，新礦物和油田的探測可能成為新的關注點，尤其是在海床下[224]。盡管在大多數情況下邊界是明確的，但這可能是國際摩擦的根源。

高分辨率量子磁力和重力感應[217,225–227]在許多報告和文章[7,225,228–231]中被認為能夠：檢測偽裝的車輛或飛機；有效地從LEO搜索船隊或單艘船；探測洞穴、隧道、地下掩體、研究設施和導彈發射井等地下結構；定位埋藏的未爆炸物體（地雷、水下地雷和簡易爆炸裝置）；實現旋轉機械的穿墻檢測。 然而，再次注意，技術限制在哪里以及所提到的量子重力測量和磁力測量應用是否會達到實現上述所有想法的靈敏度和分辨率（尤其是從LEO使用）是高度不確定的。量子傳感器將分多代投放市場，每代都具有更好的靈敏度和分辨率以及更低的SWaP，從而允許更廣泛的部署和應用。

5.5.2 量子成像系統

除了量子雷達和激光雷達（參見 第5.7節），還有其他與軍事相關的量子成像應用。一般來說，ISTAR 的全天候、晝夜戰術傳感用于長/短程、主動/被動狀態、不可見/隱形使用 EO/IR/THz/RF 頻率特征和優勢。量子成像系統可以使用各種技術和量子協議；例如，SPAD、量子鬼影成像、亞散粒噪聲成像或量子照明，如第3節所述。 3.4.4 一般來說，構建小尺寸的量子成像系統是沒有問題的。關鍵參數是單光子/糾纏光子發射器的通量或單光子檢測分辨率和靈敏度。此外，大規模部署具有高光子通量的量子成像系統將需要強大的處理能力，這可能會限制系統的可部署性和性能。

利用量子糾纏和光子數相關性的量子3D相機將引入具有前所未有的焦深和低噪聲的快速3D成像，旨在實現亞散粒噪聲或遠程性能。這種能力可用于檢查和檢測噴氣式飛機、衛星和其他敏感軍事技術上的偏差或結構裂縫。無人機的遠程3D成像可用于偵察和探索任務目的地或敵對設施和設備。

另一種商用技術是量子氣體傳感器[232]。從技術上講，它是一種經過校準以檢測甲烷泄漏的單光子量子激光雷達。下一個準備好的產品是能夠檢測二氧化碳(CO 2)的多氣體檢測器。通過適當的改進和校準，它也可以用于人體存在檢測。

短距離的一個特定特征是在角落后面或視線之外的可見性的可能性，[126]。這些方法可以幫助定位和恢復被困人員、人質情況下的人，或者通過檢測拐角處的車輛來改進自動駕駛。

量子成像可以用作微光或低信噪比的視覺設備；例如，在多云的水、霧、灰塵、煙霧、叢林樹葉或夜間等環境中，導致優勢。低信噪比量子成像有助于目標檢測、分類和識別，具有低信噪比或隱藏的可見特征，并可能對抗對手的偽裝或其他目標欺騙技術。當直升機飛行員降落在多塵、有霧或煙霧的環境中時，量子成像將非常有用[9]。

一個重要的產品將是量子測距儀[233,234]。傳統的測距儀使用明亮的激光，可以很容易地被目標檢測到。從目標觀察時，量子測距儀在時間和光譜上都無法與背景區分開來。換句話說，量子測距儀將是不可見和隱身的，包括在夜間，而經典測距儀可以對目標或其他人可見。

在某些情況下，量子鬼成像可以起到量子激光雷達的作用[235]，尤其是當目標不移動或移動非常緩慢且需要無限景深進行3D成像時。

5.6 量子電子戰

關鍵點：

• 通過更小的通用量子天線、精確的定時和先進的射頻頻譜分析儀來增強當前的電子戰。

• 量子通道檢測的問題。

• 當量子通道被定位時，會考慮和開發幾種類型的攻擊。

• 量子電子戰（EW）可分為量子增強經典電子戰和專注于對抗、反對抗和支持量子通道的量子電子戰。量子通道是指攜帶用于量子互聯網、量子雷達或使用自由空間或光纖通道的其他量子系統的量子信息的任何光子傳輸。

用于電子支持措施的經典電子戰系統可以從量子天線中受益。基于里德堡原子的量子天線可以提供與測量信號波長（頻率）無關的小尺寸[122,123]。這意味著即使對于低頻（MHz 到 kHz [124,236]）信號攔截，幾微米的量子天線就足夠了。可以有一組量子天線，用于不同帶寬的多頻測量，也可以有一個天線根據興趣動態改變帶寬。此外，基于里德堡原子的天線可以測量AM和FM信號，提供自校準，測量弱場和強場并檢測到達角[125]。未來，量子天線可能看起來像里德堡原子細胞的陣列（矩陣）。不同的小區可以測量不同的信號，在兩個或多個小區的聯合測量中，可以確定信號的到達角。這種天線最薄弱的方面是冷卻里德堡原子所需的低溫技術，需要按比例縮小到可接受的尺寸。一般來說，量子射頻傳感器是先進（LPD/LPI) 通信、超視距定向射頻、抗射頻干擾和干擾、射頻測向或射頻-太赫茲成像。例如，陣列式量子射頻傳感器被開發為戰斗機F-35[237]的潛在升級。

經典電子戰也可以從量子計算中受益，為電子戰提供改進的射頻頻譜分析儀，可以應用量子優化和量子ML/AI技術。通過直接處理和分析來自RF量子傳感器（里德堡原子，NV 中心）的量子數據[55]可以獲得更高的效率，其中量子計算機的影響可能更為顯著。此外，其他基于量子的解決方案和方法正在開發中，例如基于NV中心的射頻頻譜分析或基于SHB的彩虹分析儀[238]。

當前的電子戰系統也將受益于量子計時。量子計時可以增強信號情報、反DRFM（數字射頻存儲器）和其他需要精確計時的電子戰系統等能力；例如，反雷達干擾能力。

量子電子戰的另一個領域將是信號情報（SIGINT）和通信情報（COMINT）（檢測、攔截、識別、定位）和量子電子攻擊（干擾、欺騙、使用直接能量武器）。量子通道（用于量子通信或量子成像）具有特定的特性。首先，簡單的信號攔截是有問題的，因為量子數據是由單個量子承載的，它們的攔截很容易被檢測到。其次，典型的量子成像技術使用低信噪比，這意味著在沒有額外知識的情況下識別信號和噪聲具有挑戰性。第三，通常用作信號的相干光子表現得像非常聚焦的激光。在不知道至少一方位置的情況下找到這樣的量子信號非常具有挑戰性。

即使對于潛在的量子電子戰系統來說，這種情況也很困難，因為是否有可能檢測到量子（自由空間）通道的存在存在疑問。這將需要開發激光警告接收器的量子類比[239]。對于量子電子戰，使用量子通道獲取有關一方或雙方位置的情報至關重要。

經典電子戰會攔截和竊聽自由空間經典信道。然而，這對于將被迅速檢測到的量子通道來說是不可能的。一種可能的攻擊是中間人類型的攻擊[240,241]，因為早期的量子網絡各方可能在身份驗證或受信任的中繼器方面存在問題。在量子物理層面考慮其他類型的攻擊；例如，光子數分裂攻擊依賴于將相干激光脈沖用于量子通道[81]或特洛伊木馬攻擊[82]，或散射光的收集和檢測[242]。然而，這些類型的攻擊非常復雜，它們的實用性，例如在太空中，是不確定的。

量子電子戰攻擊更有可能只是一種拒絕服務，其中量子信道被攔截，導致信道停止使用。另一種可能性是一側或兩側接收器的復雜干擾，導致巨大的噪聲。當接收器或發射器的位置已知時，經典電子戰的另一個對策是使用激光等定向能武器，導致傳感器損壞或破壞。這種攻擊也可以幫助竊聽者[155]。 總的來說，需要開發新的方法和方法來實現量子電子戰的能力并滿足相應的要求。

5.7 量子雷達和激光雷達

關鍵點：

• 現有的量子微波技術不太可能實現遠程監視量子雷達。

• 光學領域的可能應用——量子激光雷達。

• 量子雷達可用于太空戰。

對量子雷達話題的認知[141,243,244] 受到媒體對中國量子雷達發展的炒作[245,246] 或樂觀的實驗室實驗的影響。確實，量子雷達的理論優勢和特點是顯著的（其中一些取決于單獨的量子協議）：

• 更高的抗噪聲能力——即更好的SNR（信噪比）——更高的抗干擾能力和其他電子戰對抗能力；

• 基于單個光子；即輸出信號功率太低，電子戰措施看不到；

• 目標照明；也就是說，可以識別目標的雷達。

根據獨特的量子雷達功能列表，它可能是一種強大的顛覆性技術，可以改變現代戰爭的規則。因此，盡管技術不成熟，量子雷達能否作為標準的初級監視雷達存在諸多疑慮，但國際上仍對這一話題給予關注。 此外，許多人立即將量子雷達想象為具有數百公里范圍的遠程監視雷達，而量子雷達的這種應用似乎不太可能[247,248]。這種最佳的長期監視量子雷達將非常昂貴（比任何范圍的經典雷達成本高出許多數量級）[247]，并且它仍然無法滿足上面列出的所有優勢和特性。

簡而言之，實際問題如下[247]。量子雷達也受制于雷達方程，其中接收功率隨距離的四次方而損失。同時，為了保持量子優勢，每個模式最好有一個或更少的光子。總之，需要在微波范圍內產生由低光子模式構成的相對較高的功率。這需要大量的量子信號發生器、低溫裝置、大天線尺寸等。所有這些都導致極高的成本和不切實際的設計[137,247]。科學家們需要想出更實用的量子微波技術來克服這些困難。

除了高昂的價格外，人們還對探測隱身目標或抗干擾能力持懷疑態度。量子雷達對抗彈幕干擾器可能有優勢，但不一定對抗 DRFM 或其他智能干擾器[247]。綜上所述，遠程監視量子雷達即使作為一個長期前景也不太可能實現。為了實現這一目標，人們需要發展新技術，允許更小的低溫裝置、在更高溫度下工作的射頻量子發射器或更有效的低溫裝置冷卻，以及更強大的發射器（低光子脈沖的高速率）。請注意，即使開發了室溫超導材料，它也無助于產生糾纏微波光子的約瑟夫森參量放大器 (JPA) 方法[249]。然而，JPA 并不是獲得糾纏微波光子的唯一方法[137]。未來發現新的量子雷達理論和設計并非完全不可能。上述遠程監視量子雷達尺寸大、重量大、功耗大，這種雷達是否具有隱身性值得懷疑[247]。

另一個問題是量子照明（QI）協議情況下的測距。QI 協議需要事先了解目標，因此它需要對測距進行一些擴展，無論是經典的還是量子的[6]。

幾年來，人們認為量子雷達截面 (RCS) 高于經典雷達的RCS[250,251]。對量子RCS[252]進行的一項新的精確研究表明，先前聲稱的量子RCS優于經典RCS的優勢是錯誤近似的結果。目前，量子和經典RCS似乎是平等的。

另一種方法可以是量子增強噪聲雷達[137、253、254]。噪聲雷達使用噪聲波形作為發射信號，根據發射信號與接收到的噪聲波形雷達回波之間的相關性進行檢測。優點是截獲概率(LPI)低，現在的截獲接收器幾乎無法檢測到。量子噪聲雷達設計需要更多研究才能看到實際適用性。然而，這里的潛在用途尤其適用于微波方案。

盡管如此，目前的理論和研究在雷達領域仍有應用，尤其是使用光學或近光學光子的領域；也就是量子激光雷達。在這里，短程量子激光雷達可用于短距離目標照明。從10[255]到45公里[256]演示了單光子成像實驗。在這個范圍內，量子激光雷達可以作為反無人機監視雷達或作為SHORAD（短程防空）綜合體的一部分運行。

空間可以是量子雷達/激光雷達[257]有利環境的另一個例子，它對光學系統來說是低噪聲的，它甚至幾乎消除了糾纏光子情況下的退相干問題。例如，雷神公司在空間域[258,259] 的光學狀態下對量子雷達進行了模擬。這個想法是在衛星上放置一個量子雷達，并探測由于截面積小、反射率和環境照明條件小而難以探測到的小型衛星。為空間環境部署量子雷達/激光雷達幾乎可以提供上述所有優勢。

這里有一個小筆記專門介紹量子增強雷達。經典雷達可以配備原子鐘或量子鐘。這種量子增強雷達顯示出高精度和低噪聲，因此在檢測小型、緩慢移動的物體（如無人機）方面表現出優勢[260]。

5.8 量子水下戰

關鍵點：

• 潛艇可以成為量子慣性導航的首批采用者之一。

• 量子磁力計作為探測潛艇或水下水雷的主要工具。

量子技術可以顯著干擾水下戰爭，增強對潛艇或水下水雷的磁探測、新型慣性潛艇導航和量子增強精確聲納。一般來說，在海洋環境中，可以應用基于量子光電探測器、雷達、激光雷達、磁力計或重力儀的傳感[257]。有關量子技術對核武器潛艇近乎無懈可擊的影響的一般概述，請參閱[261]。

潛艇和其他水下航行器將受益于 Sect 中描述的量子慣性導航。 5.4關于PNT。大型潛艇可能是量子慣性導航的首批采用者之一，因為它們有能力安裝更大的量子設備，包括低溫冷卻。此外，靈敏的量子磁力計和重力儀可以幫助繪制海底峽谷、冰山和起皺的海底等環境，而無需使用易于檢測的聲納。另一種特別適用于水下北極導航的慣性導航的例子是基于量子成像[262]。

反潛戰的基本工具可能是量子磁力計。研究人員預計，尤其是SQUID磁力計可以檢測 6 公里外的潛艇，同時仍能改善噪聲抑制[263,264]。請注意，目前通常安裝在直升機或飛機上的經典磁異常探測器的探測范圍只有數百米。一系列量子磁力計，例如沿海岸，可以覆蓋重要區域，從而導致潛艇無法進入區域。此外，一組量子磁力計似乎在抑制噪聲的情況下工作得更好。

量子磁力計也可用于探測水下水雷，例如，使用無人水下船只[230]。

但是，主要討論的是檢測范圍、靈敏度等，如Sect. 5.5.1 甚至聲納等其他水下領域技術也提供了更長的探測范圍[229]。[261]中還指出，量子技術對SSBN（彈道導彈潛艇）影響不大。量子磁力計有可能與其他傳感器一起工作，以幫助檢測、識別和分類目標[229]。

5.9 量子空間戰

關鍵點：

• 對長距離量子通信很重要。

• 近地軌道對于未來量子傳感和成像技術的部署將很重要。

• 太空戰將導致新的量子雷達/激光雷達和量子電子戰技術部署在太空中。

太空領域的重要性日益凸顯，將成為先進國家的重要戰場。太空過去主要用于衛星導航、測繪、通信和監視，通常用于軍事目的。如今，太空正變得越來越武器化[265]；例如，帶有激光武器的衛星或“神風敢死隊”衛星被放置在地球軌道上，反衛星戰也在同步發展。另一個激增的問題是太空垃圾的數量，估計有 2,200 顆衛星，還有幾顆計劃被釋放[266]。

空間也將是在衛星中部署量子傳感和通信技術的關鍵[267–271]，以及空間對策。

對于前幾節中描述的許多量子技術應用，最好將量子傳感技術（例如量子重力儀、重力梯度儀或磁力儀）放置在地球軌道上的衛星上，尤其是低軌道（LEO）衛星上。此類應用程序正在開發中；例如，一種低功率量子重力感應設備，可以部署在小型衛星上的太空中，用于準確繪制資源圖或幫助評估自然災害的影響[272]。然而，這樣的應用不需要太高的空間分辨率。見節。5.5.1進行詳細討論。這同樣適用于基于衛星的量子成像。例如，中國聲稱開發了一顆使用幽靈成像技術的間諜衛星[273]。然而，它的空間分辨率是多少尚不確定。盡管如此，量子重影成像的優勢在于可以在多云、有霧的天氣或夜間使用。

另一方面，已經證明利用衛星進行量子通信[62,274]。基于衛星的量子通信對于近期的遠距離集成量子網絡至關重要[275]。目前的量子通信衛星存在與光纖通道可信中繼器相同的問題。事實上，目前的量子衛星是值得信賴的中繼器。受信任的中繼器的問題在于，它們為可能對衛星控制系統進行的網絡攻擊敞開大門。目前演示的MDI-QKD協議是一種更好的安全狀況[276]，其中中心點用作中繼器或開關，但處于安全狀態，后來使用量子中繼器。有關空間量子通信概述，請參見[270,271]。

一項新的所需軍事能力將是檢測其他衛星、太空物體、太空垃圾并對其進行跟蹤的技術。經典雷達用于此目的；例如，作為美國太空監視網絡一部分的太空圍欄項目[277]。然而，這些空間監視雷達中的大多數都存在尺寸約為 10 厘米或更小的物體的問題[266]（在太空圍欄的情況下，最小尺寸約為 5 厘米），另一個問題是容量，如他們可以跟蹤多少個對象。大多數只有幾厘米大小的太空垃圾就是這種情況。代替經典雷達，量子雷達或激光雷達被考慮[6,257,259]作為備選。特別是對于空間環境，考慮了光學狀態下的量子雷達[259]，因為光學光子不會遭受諸如在大氣中的損失。空間量子雷達可以提供量子雷達的大部分優點，如第 3 節所述。 5.7，包括隱身。根據模擬[259]，與GEODSS（陸基電光深空監視）相比，太空中的量子雷達可以提供至少一個數量級的太空探測靈敏度和目標跟蹤靈敏度。空間量子雷達對于跟蹤小型、黑暗和快速的物體非常有用，例如衛星、太空垃圾或流星體。

太空中越來越多的量子傳感和通信設備將導致人們對量子電子戰的興趣增加，如第5.6節所述。

5.10 化學和生物模擬與檢測

關鍵點：

• ～ 200 個量子位足以進行化學量子模擬研究。

• 實現更復雜模擬的能力隨著邏輯量子比特的數量而增加。

• 空氣或樣品中的化學物質檢測。

• 適用于探測爆炸物和化學戰劑。

與國防相關的化學和生物模擬主要對軍事和國家實驗室、化學國防工業或 CBRN（化學、生物、放射和核）國防力量感興趣。基于量子模擬的新藥和化學物質研究需要先進的量子計算機、經典計算設備和量子化學專家。化學和生物化學戰劑的量子模擬原則上與民用研究具有相同的要求，例如已經在進行的蛋白質折疊、固氮和多肽研究。

所需量子比特的數量取決于空間基函數的數量（存在各種基組，例如STO-3G、6-31G 或 cc-pVTZ）；例如，使用6-31G基礎，苯和咖啡因分子可以通過大約分別為140和340個量子位[278]。例如，沙林分子模擬需要大約250個量子比特。根據量子計算機路線圖[27,279] 和邏輯量子比特要求，一個人可以在10年內達到100個邏輯量子比特，但可能更早，更有效的糾錯和抗錯誤量子比特。這對于中型分子模擬來說已經足夠了。

威脅可能是新的中小型分子的結構和化學特性的設計和精確模擬，這些分子可以發揮化學戰劑的作用，例如氰、光氣、氯化氰、沙林或Yperit。另一方面，一般來說，相同的知識也可用于CBRN對策和新檢測技術的開發。

蛋白質折疊、DNA和RNA探索的研究，如基序識別、全基因組關聯研究和從頭結構預測[280]也可能影響對生物制劑的研究[281]。然而，需要更詳細的研究來評估量子模擬的真正威脅。

使用量子級聯激光器的光聲檢測作為化學檢測器將是有效的。例如，量子化學探測器可以檢測用于非對稱沖突中常用武器的簡易爆炸裝置(IED)中的TNT和三過氧化三丙酮元素。用于檢測丙酮的同一系統可用于發現行李和攜帶爆炸物登機的乘客。一般來說，量子化學檢測可用于對抗化學戰劑或有毒工業化學品[282,283]。

從中長期來看，此類探測器可以放置在正在檢查某個區域的自主無人機或地面車輛上 [284]。

5.11 新材料設計

關鍵點：

• 一般研究影響；例如，允許高精度SQUID磁力計在不冷卻的情況下運行的室溫超導可以對軍事量子技術應用產生顯著影響。

• 國防工業研究偽裝、隱身、超硬裝甲或耐高溫材料。

現代科學正在通過利用量子力學特性（例如石墨烯、拓撲絕緣體）來開發新材料、超材料，有時稱為量子材料。作為量子系統的材料可以通過量子計算機進行模擬；例如，材料的電子結構。例如，考慮的應用可以是室溫超導體、更好的電池和特定材料特性的改進。

為了更詳細地解釋，例如，室溫超導材料利用高溫下的超導性[285]。這將允許構建約瑟夫森結，通常用作SQUID或超導量子比特的構建塊。到目前為止，需要在絕對零附近進行冷卻。預計具有約70個邏輯量子比特[286]的量子計算機足以進行高溫超導體的基礎研究。

對于國防工業而言，正在考慮研究新材料的機會，例如更好的偽裝、隱身（電磁吸收）、超硬裝甲或耐高溫材料設計，但沒有透露任何細節。

5.12 腦成像和人機交互

關鍵點：

• 量子啟用的腦磁圖

• 增強的人機界面

MEG（腦磁圖）掃描儀是一種醫學成像系統，它通過測量流經神經元組件的電流產生的磁場來可視化大腦正在做什么。量子磁力計——例如，基于光泵磁力計[287]——可以實現高分辨率腦磁圖，用于實時大腦活動成像。該技術安全且無創，并且已經過實驗室測試。該技術本身很小，而且可穿戴[287]。

在短期內，量子 MEG 可以成為士兵頭盔的一部分，用于在受傷時進行連續和遠程醫療監測和診斷。長期的期望包括增強人機接口，即與機器和自治系統進行實際的非侵入性認知通信[11]。

6 樂觀與悲觀

上面提到的許多量子技術軍事應用聽起來非常樂觀，可能會導致夸大的期望。一些應用取自各種報告和報紙或雜志文章，其中作者可能高估了從實驗室到戰場的量子技術轉移或受到一般量子技術炒作的影響[288]。當話題涉及國家安全或國防時，避免夸大預期尤為重要。這個問題已在[14]中描述。

上述量子技術軍事應用基于公共領域的最新研究，并輔以有關國防應用的各種報告和報紙或雜志文章。沒有針對幾種技術對其可行性進行批評性評論，因為沒有相同的公開信息。在這些情況下，讀者應該更加小心和挑剔，直到獲得更詳細的研究。

另一方面，眾所周知，大型國防公司和國防實驗室已經進行了幾年的量子研發計劃。但是，只有一些詳細信息是公開傳達的。相反的極端似乎包括公告，例如來自中國的公告 [245,246,263,273]，在這些公告中，很難將真正的研究進展與國家的戰略宣傳[289]分開。

對于許多提到的量子技術，迄今為止只提供了實驗室的概念證明。決定量子技術是否會在實驗室外普遍使用的決定性因素是組件的小型化和對干擾的敏感性。這些改進不能以犧牲靈敏度、分辨率和功能為代價。實際部署的另一個決定性因素是技術的價格。

總之，考慮到過去幾年量子技術研究和支持系統的進步，例如激光和低溫冷卻的小型化，對未來的量子技術軍事應用持樂觀態度而不是悲觀是合理的（從軍事的角度來看）或政府行為者）。需要注意運營部署中的實際能力，看看它們是否滿足要求，以及性價比是否可以證明采購和部署的合理性。

7 量子戰的后果和挑戰

用于軍事應用的量子技術的開發、獲取和部署將帶來新的相關挑戰。量子戰的概念將對軍事戰略、戰術和理論、倫理和裁軍活動以及技術實現和部署提出新的要求。應該進行研究以了解量子技術發展產生的問題、影響、威脅和選擇，而不僅僅是為了軍事應用。

7.1 軍事后果和挑戰

軍事應用中的量子技術具有增強現有能力的潛力，例如通過提供更精確的導航、超安全通信或先進的 ISTAR 和計算能力。一般來說，量子戰需要更新、修改或創建新的軍事學說、軍事場景以及為量子時代開發和獲取新技術和武器的計劃。

在此之前，需要制定技術政策和戰略來響應各個參與者的戰略雄心[290]。國家技術政策和戰略應包括，例如，國家量子技術資源（大學、實驗室和公司）和市場的研究、發展狀況和可行性研究以及軍事和安全威脅和潛在評估，例如[261]。

監測量子技術的演變和適應對于避免鄰國或潛在敵對國家造成的技術意外至關重要。即使量子技術超出了某些國家的財政、研究或技術能力，量子戰監測也是必不可少的。因此，所有現代軍隊都應該對量子戰可能產生的影響感興趣。

國家貿易和出口政策也很重要。例如，歐盟已宣布量子計算是一項具有全球戰略重要性的新興技術，并正在考慮對名為Horizon Europe[291]的研究計劃的訪問進行更嚴格的限制。此外，中國還禁止出口密碼技術，包括量子密碼技術[292]。

另一個話題是與盟友仔細溝通重要的量子優勢，特別是在量子ISTAR和量子網絡能力方面，這些能力可以揭示軍事機密，例如機密文件、核潛艇的位置或地下設施。力量平衡的重大破壞可能會擾亂盟友以及中立或敵對玩家[9]。

7.2 和平與倫理的后果和挑戰

迄今為止，量子技術的軍事應用已被繪制在Sect中。 5不引進新武器，即使它們提高了現有的軍事技術；例如，通過開發更精確的傳感和導航、新的計算能力和更強的信息安全。然而，量子技術，特別是用于軍事應用，對世界和平是好是壞的問題是相關的。

已經出現了對量子計算[293–295]道德準則的各種呼吁，其中提到了道德問題，例如人類DNA操縱、為戰爭創造新材料和侵入性人工智能[294]。

盡管量子技術不會產生新武器，但它們對現有軍事技術的改進將提高這種能力，縮短攻擊、警告和決策的時間。因此，即使在降低個人風險的同時，量子技術也可以更有可能使用武力[296]，從而使戰爭更有可能發生[297,298]。

諸如量子技術等通用兩用技術的預防性軍備控制將更加困難，因為它們也可以用于民用應用，例如用于醫學的量子傳感。已經與納米技術進行了類比[299]。防止或減緩其他國家或非國家團體的擴散和軍事使用的出口管制是試圖減少量子技術構成的任何威脅的最有可能的方式[298]。

具體來說，量子計算的研發成本非常高。然而，目標是開發一種允許簡單可靠的量子比特生產的技術。這可以為技能較少的參與者帶來更便宜、更廣泛分布和更容易獲得的技術，這是即將出現的有問題的軍事技術的一個特征[298]。

7.3 技術后果和挑戰

將成功的實驗室概念驗證轉移到真正的“外部”應用面臨許多技術和技術挑戰，例如小型化和可操作性，而不是以實驗室實現的靈敏度和分辨率為代價。此外，還有其他相關的技術挑戰。

一個重要的問題可能是量子勞動力。量子勞動力不需要包括物理學家或擁有博士學位的科學家。但是，他們應該是具有量子信息科學知識和量子技術概述的量子工程師，能夠理解并能夠處理和評估來自量子傳感器、計算機和通信的傳出數據。目前，現有的量子生態系統正在不斷增長，這個生態系統將需要越來越多的量子勞動力[300]。這需要培訓和教育新的量子工程師和專家；也就是說，更多的大學提供量子課程，更多的學生選擇學習這些課程。此外，讓這些人在軍隊工作可能更加困難。因此，量子信息和量子技術的基本原理也應該成為現代軍隊軍事學院課程的一部分，量子技術已經或將要部署的地方。

另一個技術挑戰將是海量數據。量子技術通過所有的量子傳感器、量子成像、量子通信和計算，將產生大量經典和量子數據，這將增加對數據傳輸、處理和評估的要求。在規劃 C4ISR 和量子基礎設施期間應考慮這些要求。

最后的挑戰將是標準化。標準化過程對于不同生產商制造的設備的互操作性很重要。除了統一接口和通信協議，標準化過程還可以包括安全驗證，例如在后量子密碼標準化過程中[90]。在量子網絡的情況下，特別是各種連接的設備（如節點、中繼器、交換機、光纖通道和開放空間通道）可以預期，因此開發和實施一些允許成功傳輸的標準非常重要量子信息。

8 結論

量子技術是一個新興的技術領域，它利用對單個量子的操縱和控制來實現具有顛覆性潛力的多種應用。這些應用中有許多是雙重用途或直接用于軍事目的。但是，從TRL 1（觀察到的基本原理）到TRL 6（在相關環境中展示的技術），單個量子技術處于用于軍事用途的 TRL。

用于軍事應用的量子技術不僅將提供改進和新的能力，而且還需要制定新的戰略、戰術和政策，評估對全球和平與安全的威脅以及識別道德問題。所有這些都包含在“量子戰”一詞中。

在本報告中，描述了不同TRL的各種量子技術，重點關注在國防領域的可能利用或部署。由于從實驗室到現實世界應用的過渡尚未實施或正在進行中，因此無法準確預測量子技術的部署。這引發了一些問題，例如我們是否能夠達到提供真正量子優勢的解決方案，而經典系統通常要便宜得多，而且通常已經在行動。盡管對量子技術可能的軍事應用的描述聽起來非常樂觀，但人們應該警惕量子炒作，并提請注意實際部署量子技術用于軍事應用之前面臨的挑戰。

量子技術有望產生戰略和長期影響。然而，技術意外影響軍隊和國防力量的可能性相當低。避免意外的最好方法是培養量子技術知識和監控量子技術的發展和就業。用心對待量子技術，將起到量子保險的作用。