亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

【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。

付費5元查看完整內容

相關內容

人工智能在軍事中可用于多項任務,例如目標識別、大數據處理、作戰系統、網絡安全、后勤運輸、戰爭醫療、威脅和安全監測以及戰斗模擬和訓練。

在 2020 年,空中力量(制空權)辯論越來越多地關注新興技術對國防創新和未來戰爭特征的影響。人工智能 (AI) 系統、機器人技術、增材制造(或 3D 打印)、量子計算、定向能量和其他“顛覆性”技術等先進新技術的融合,第四次工業革命 (4IR)為國防應用提供了新的和潛在的重大機會,進而提高了對潛在競爭對手的軍事優勢。當前的大部分辯論可以說將“下一個前沿”技術描述為“不連續”或“破壞性”軍事創新的代名詞——從“工業時代”到“信息時代戰爭”和現在越來越傾向于“自動化時代的戰爭”(Raska,2021 年)。例如,高光譜圖像、計算攝影和緊湊型傳感器設計等先進傳感器技術旨在提高目標檢測、識別和跟蹤能力,并克服傳統的視線干擾(Freitas 等人,2018 年)。具有自適應特性的復合材料、陶瓷和納米材料等先進材料將使軍事裝備更輕,但更適應于復雜環境(Burnett 等人,2018 年)。新興光子技術,包括高功率激光器和光電設備,可能會提供基于量子計算和量子密碼學新級別的安全通信(IISS,2019 年)。

新興技術的融合——即機器人技術、人工智能和機器學習、具有先進傳感器技術的模塊化平臺、新型材料和保護系統、網絡防御和模糊物理、網絡和生物領域之間界限的技術,被廣泛認為對人類的特征具有深遠的影響。未來的戰爭,在空中力量的背景下,有望將新的機器學習算法應用于高速進行信息處理、有人/無人武器平臺和監視系統的混合自動化,以及最終指揮和控制 (C2) 決策(Horowitz,2018;Cummings,2017)。

大型軍工產品不再是技術創新的唯一驅動力;取而代之的是,具有雙重用途潛力的先進技術正在商業領域開發,然后“轉而”用于軍事應用

然而,盡管戰略背景各不相同,但這些新興技術的傳播也引發了類似于過去 40 年提出的理論和政策規定性問題:新興技術的傳播是否真的意味著戰爭中的“破壞性”轉變?這僅僅是進化上的變化嗎?如果新興技術規定了戰爭的顛覆性變化,那么國防資源分配的必要性是什么,包括部隊結構和武器采購要求?包括空軍在內的軍事組織如何利用新興技術為自己謀利?此外,新興技術在應對 21 世紀以不確定性、復雜性和模糊性為特征的安全威脅和挑戰方面的效果如何?

顛覆性敘事的四個十年

在受信息技術飛躍的推動下,“顛覆性”軍事創新敘事和辯論的軌跡已在 IT 驅動的軍事革命 (IT-RMA) 的背景下定義,該革命已通過至少五個階段:(1)1980年代初期蘇聯戰略思想家對軍事技術革命的初步概念發現,(2)1990年代初期美國戰略思想的概念適應、修改和整合,(3)1990 年代中后期對技術的 RMA 辯論,(4) 轉向更廣泛的“防御轉型”,并在 2000 年代初期進行部分實證調查,以及 (5) 從 2005 年起質疑顛覆性敘事的批判性逆轉(格雷,2006 年)。然而,自 2010 年代中期以來,隨著人工智能和自主系統等新技術的加速傳播,人們可能會爭辯說,新的 AI-RMA 或第六次 RMA 浪潮已經出現(Raska,2021 年)。

然而,回想起來,在過去的 40 年里,IT-RMA 的實施也可以說是遵循了一條明顯低于革命性或破壞性的道路,包括對現有能力的漸進式、通常近乎持續的改進(Ross,2010 年)。雖然國防技術、組織和理論方面的重大、大規模和同步的軍事創新是一種罕見的現象,但軍事組織在很大程度上是通過一系列持續的軍事創新取得進展,從小規模創新到大規模創新,這些創新塑造了他們的戰爭行為(Goldman,1999)。雖然這個時代的許多軍事創新,例如網絡中心戰的概念已經成熟,但關于即將到來的“破壞性軍事轉型”的敘事幾乎總是超過了現有的技術、組織和預算能力。此外,不同的概念、技術、組織和作戰創新主要集中在將數字信息技術集成到現有的傳統平臺和系統中(Raska,2016 年)。

國家和非國家行為者都可能使用這種所謂的對抗性機器學習來欺騙對方,使用不正確的數據得出錯誤的結論,并在此過程中改變決策過程

例如,在美國的戰略思想中,顛覆性軍事創新的敘事從 2005 年開始隨著伊拉克和阿富汗戰爭中的作戰挑戰和經驗逐漸淡化。更多批評聲音指向“破壞性”防御轉型的未兌現承諾。 “新思維方式和新戰斗方式”的基本原理幾乎證明了每項防御倡議或提議的合理性,這表明迷失方向而不是明確的戰略(弗里德曼,2006 年)。國防轉型懷疑論者還警告說,通過技術解決復雜戰略挑戰的邏輯有缺陷,同時放棄了潛在敵人或競爭對手的適應能力。簡而言之,由于預算要求和不切實際的能力組合而不是實際的戰略和作戰邏輯,即將發生的國防轉型的破壞性敘事已經變成了一個模棱兩可的想法(雷諾茲,2006 年)。

為什么AI浪潮不同?

然而,新的“支持人工智能”的國防創新浪潮在幾個方面與過去以 IT 為主導的浪潮不同。首先,人工智能支持的軍事創新的傳播速度要快得多,通過多個維度,特別是通過大國之間加速的地緣戰略競爭——美國、中國和較小程度的俄羅斯。大國之間的戰略競爭并不新鮮。它們深深植根于歷史——從公元前三世紀伯羅奔尼撒戰爭期間的雅典和斯巴達大戰略,到二十世紀下半葉冷戰的兩極分化。然而,新興戰略競爭的性質不同于以往戰略競爭的類比。進入 21 世紀,戰略競爭的路徑和模式更加復雜多樣,反映了在不同或重疊規則下的多重競爭,長期的經濟相互依存與核心戰略挑戰并存(Lee,2017)。然而,在爭奪未來霸權的競爭中,技術創新被描述為國際影響力和國家力量的核心來源——產生經濟競爭力、政治合法性和軍事力量(Mahnken,2012 年)。具體來說,美國幾十年來第一次面對一個戰略性的同行競爭對手中國,中國有能力追求和實施自己的 AI-RMA。因此,主要問題不是 AI-RMA 浪潮是否會在戰爭中帶來根本性的不連續性,如果是,如何以及為什么?相反,美國的 AI-RMA 是否可以被相應的中國或俄羅斯 AI-RMA 取消或至少削弱?換言之,技術優勢的差距正在有效縮小,這有效地加速了新技術作為軍事優勢來源的戰略必要性。

新興技術的融合——即機器人技術、人工智能和機器學習、具有先進傳感器技術的模塊化平臺、新型材料和保護系統、網絡防御和模糊物理、網絡和生物領域之間界限的技術,被廣泛認為對未來的戰爭具有深遠的影響

其次,與前幾十年利用一些軍民兩用技術開發主要武器平臺和系統不同,當前的人工智能浪潮在商業技術創新作為軍事創新來源的規模和影響方面有所不同。大型軍工產品不再是技術創新的唯一驅動力;取而代之的是,具有雙重用途潛力的先進技術正在商業領域開發,然后“轉而”用于軍事應用。在這種情況下,新興技術的傳播,包括增材制造(3D 打印)、納米技術、空間和類空間的能力、人工智能和無人機,并不僅限于大國(Hammes,2016 年)。人工智能傳感器和自主武器系統的擴散也在新加坡、韓國、以色列等先進小國和中等強國的防御軌跡上。這些國家現在有潛力開發利基新興技術,以提高其防御能力和經濟競爭力、政治影響力和在國際舞臺上的地位(Barsade 和 Horowitz,2018 年)。

第三,自主和支持人工智能的自主武器系統的擴散,加上新穎的作戰結構和部隊結構,挑戰了人類參與未來戰爭的方向和特征——其中算法可能會影響人類的決策,并設想在未來的戰斗中使用致命自主武器系統(LAWS)。包括空軍在內的先進軍隊正在試驗各種依靠數據分析和戰爭自動化的人機技術。這些技術越來越多地滲透到未來的戰爭實驗和能力發展計劃中(Jensen 和 Pashkewitz,2019 年)。在美國,選定的優先研發領域側重于在各種人機協作中開發人工智能系統和自主武器——例如,支持人工智能的預警系統和指揮與控制網絡,空間和電子戰系統、網絡能力、致命的自主武器系統等。

人工智能系統將越來越有能力在John Boyd的觀察-定向-決策-行動 (OODA) 循環的每一步中簡化 C2 和決策過程

戰略競爭、雙重用途新興技術創新和戰爭中人機交互特征的變化,這三個驅動因素的融合推動了一系列定義 AI-RMA 浪潮的新條件。它的擴散軌跡在本質上也對戰略穩定性、聯盟關系、軍備控制、道德和治理以及最終的作戰行動提出了新的挑戰和問題(Stanley-Lockman,2021a)。例如,關于人工智能系統在使用武力中的作用的國際規范辯論越來越關注法律的傳播和遵守國際人道法原則的能力。隨著技術進步從科幻領域轉向技術現實,各國對引入 LAWS 是否會違反或加強國際法律原則也有不同的看法。面對軍事人工智能應用的法律和道德影響,軍事機構越來越認識到需要解決與安全、道德和治理相關的問題,這對于建立對新能力的信任、管理風險升級和重振軍備控制至關重要。盡管如此,國防部和軍隊在倫理道德方面的努力是狹隘地關注法律還是更廣泛地關注人工智能系統的范圍之間仍然存在緊張關系。因此,包括空軍在內的軍隊需要跟蹤關于人工智能和自主性的不斷演變的觀點,并就對 2020 年代及以后的戰略和作戰環境的影響進行辯論(Stanley-Lockman,2021b)。

對空中力量的影響

在作戰層面,空軍旨在加速整合各種人工智能相關系統和技術,例如多域作戰云系統,從各種來源收集大數據,創建實時作戰圖,本質上是自動化和加速指揮和控制 (C2) 流程(Robinson,2021 年)。在這樣做的過程中,啟用人工智能的作戰云可以識別目標并將它們分配給任何領域中最相關的“射手”,無論是空中、水面還是水下——一些空軍將其概念化為聯合全域指揮與控制 (JADC2) 。部分空軍也在試驗人工智能算法作為“虛擬后座”,它可以有效控制飛機的傳感器和導航,尋找對手,并以此減少機組人員的工作量(Everstine,2020)。在這種情況下,關鍵論點是人工智能系統的進步——可以感知、推理、行動和適應的廣泛程序,包括機器學習 (ML) 系統——其性能隨著時間的推移、數據交互的增加而提高算法性能,以及深度學習( DL)系統——其中多層神經網絡從大量數據中學習——具有“改變空戰行動以及空中力量的構思和使用方式”的潛力(Davis,2021 年)。

具體來說,根據蘭德公司最近的一項研究(Lingel 等人,2020),目前有六類 AI/ML 應用研發,其會對包括空中力量在內的未來戰爭有影響:

(1)計算機視覺——圖像識別——檢測對視覺世界中可用于處理多源智能和數據融合的對象進行分類;

(2) 自然語言處理 (NLP) — 成功理解人類語音和文本識別模式(包括翻譯)的能力,可用于從語音和文本中提取情報,但也可以監控友好通信并引導相關信息以提醒個人或單位;

(3) 專家系統或基于規則的系統——收集大量數據以推薦特定行動以實現作戰和戰術目標;

(4) 規劃系統——使用數據解決調度和資源分配問題,可以針對目標協調選定的空中、太空和網絡資產,并生成建議的分時行動;

(5) 機器學習系統——從與環境的數據交互中獲取知識,可與其他類別的人工智能結合使用,即使 C2 系統在專家知識不可用或最佳策略、技術和程序 (TTP) 未知時學習如何執行任務;

(6) 機器人和自主系統——結合所有或選擇先前類別的 AI/ML 方法,使無人系統與其環境交互;

這些與人工智能相關的類別幾乎適用于空中力量的各個方面,可能會塑造新形式的自動化戰爭:從 C2 決策支持和規劃,人工智能/機器學習可以在日益受限的時期提供推薦的選項或建議;通過數據挖掘能力支持 ISR;后勤和預測性維護,以確保部隊的安全以及平臺和單位的可用性;訓練和模擬;網絡空間行動以檢測和應對先進的網絡攻擊;機器人和自主系統,如無人機,用于從 ISR 到矛尖任務的各種任務,如壓制敵方防空和協同作戰,在空中和陸地打擊行動中整合不同的有人和無人平臺。換句話說,這里的論點是人工智能系統將越來越有能力在John Boyd的觀察-定向-決策-行動 (OODA) 循環的每個步驟中簡化 C2 和決策過程:收集、處理并將數據轉換為統一的態勢感知視圖,同時為推薦的行動方案提供選項,并最終幫助人類采取行動(Fawkes 和 Menzel,2018 年)。

然而,將人工智能系統集成到空中力量平臺、系統和組織中,以將計算機從工具轉變為解決問題的“思考”機器,將繼續帶來一系列復雜的技術、組織和運營挑戰(Raska 等人,2021 年)。其中可能包括開發算法,使這些系統能夠更好地適應環境的變化,從意想不到的戰術中學習并將其應用于戰場。它還要求為這些思考機器設??計道德規范和保障措施。另一個挑戰是技術進步,特別是在軍事系統中,是一個持續的、動態的過程。突破總是在發生,它們對軍事效力和比較優勢的影響可能是巨大的,而且在初期階段很難預測。

然而,最重要的是,關鍵問題是我們可以在多大程度上信任人工智能系統,尤其是在安全關鍵系統領域?正如 Cummings所警告的那樣,“歷史上充斥著類似的戰備承諾如何以代價高昂的系統故障告終的例子,這些案例應該作為一個警示故事”(Cummings,2021 年)。此外,越來越多的研究領域集中在如何通過生成虛假數據來欺騙人工智能系統做出錯誤的預測。國家和非國家行為者都可能使用這種所謂的對抗性機器學習來欺騙對方,使用不正確的數據得出錯誤的結論,并在此過程中改變決策過程。對抗性機器學習的整體戰略影響可能比技術本身更具破壞性(Knight, 2019; Danks, 2020)。

啟用人工智能作戰云用于識別目標并將其分配給任何領域中最相關的“射手”,無論是空中、水面還是水下——一些空軍將其概念化為聯合全域指揮與控制 (JADC2)

從戰術和操作的角度來看,這些復雜的人工智能系統也需要連接在一起——不僅在技術上,而且在組織和操作上。對于許多空軍來說,這是一個持續的挑戰——他們必須能夠有效地(實時)在各種服務和平臺之間集成啟用人工智能的傳感器到射擊者的循環和數據流。這意味著有效地連接多樣化的空軍、陸軍、海軍和網絡戰斗管理; C2,通信和網絡;情監偵;電子戰;定位、導航和授時;使用精確彈藥。雖然選擇的 AI/ML 系統可能會緩解一些挑戰,但相同的系統會產生另一組與確保可信 AI 相關的新問題。因此,有人可能會爭辯說,未來空中力量中人工智能軌跡的方向和特征將取決于相應的戰略、組織和作戰敏捷性,特別是這些技術如何與當前和新興的作戰結構和部隊結構相互作用。

在這種情況下,人類在未來戰爭中的參與程度、改變傳統部隊結構和招募模式的必要性以及將在哪些領域使用武力都是新技術挑戰的問題。空軍正在為這些問題開發自己的而且往往是多樣化的解決方案。與過去一樣,它們的有效性將取決于與戰略持久原則相關的許多因素——將可用的國防資源“轉化”為新軍事能力的目的、方式和手段,并在此過程中創造和維持具有空中作戰能力的部隊來應對各種突發事件。成功實施的主要因素不是技術創新本身,而是持續資金、組織專業知識(即大規模和有效的軍事和商業研發基地)和實施國防創新機構的敏捷性綜合效應(Cheung,2021)。對于空中力量的未來,這意味著擁有能夠提供創新解決方案的人員、流程和系統,同時保持現有的核心能力,從而在日益復雜的戰略環境中提供可行的策略選擇。

作者介紹:

Michael Raska 博士是新加坡南洋理工大學 S. Rajaratnam 國際研究學院軍事轉型項目的助理教授和協調員。他的研究興趣集中在東亞的國防和軍事創新、戰略競爭和賽博戰。他是《軍事創新和小國:創造反向不對稱》(Routledge,2016 年)的作者,也是《國防創新和第四次工業革命:安全挑戰、新興技術和軍事影響》(Routledge,2022 年)的共同主編。他擁有密蘇里南方州立大學國際研究學士學位、延世大學國際關系碩士學位和新加坡國立大學李光耀公共政策學院博士學位,并獲得新加坡國立大學校長研究生學位獎學金。

付費5元查看完整內容

摘要

如今,隨著技術飛速發展和威脅環境變得更加復雜,在信息爆炸的局面下,作戰人員面臨著具有挑戰性的決策空間。人工智能(AI)和機器學習(ML)可以減輕作戰人員負荷。人工智能系統具有深遠的好處——提高態勢感知能力,檢測威脅,理解對手的能力和意圖;確定和評估可能的戰術行動方針;并提供方法來預測行動決策的結果和影響。人工智能系統是理解和解決高度復雜的戰術情況的關鍵。

人工智能系統為作戰人員提供了優勢,但前提是這些系統被正確設計和實施,并且以減輕作戰人員的認知負荷的方式。為國防應用實施人工智能系統帶來了獨特的挑戰。本文確定了四個獨特的挑戰,并描述了它們如何影響戰術作戰人員、工程設計界和國防。本文通過國防采辦和系統工程計劃,為解決這些獨特的挑戰提供了解決方案。

作者簡介:

Bonnie Johnson——在海軍工程研發方面擁有超過 25 年的領導和系統工程經驗。她曾是 SAIC 和諾斯羅普·格魯曼公司的高級系統工程師,研究用于海戰系統和導彈防御能力的自動決策輔助。她于 2011 年加入美國海軍研究生院 (NPS) 系統工程系。她擁有 NPS 系統工程博士學位、約翰霍普金斯大學系統工程碩士學位和弗吉尼亞理工大學物理學學士學位。

引言

人工智能是一個包含許多不同方法的領域,其目標是創造具有智能的機器(Mitchell,2019)。圖 1 顯示了一個簡單的維恩圖,其中機器學習 (ML) 作為 AI 的子集,而 AI 作為更廣泛的自動化類別的子集。自動化系統以最少的人工輸入運行,并且經常根據命令和規則執行重復性任務。人工智能系統執行模仿人類智能的功能。他們將從過去的經驗中學到的知識與收到的新信息結合起來,以做出決策并得出結論。

圖 1. 自動化、人工智能和機器學習的維恩圖

如圖 2 所示,有兩種主要類型的 AI 系統。第一種類型是明確編程的,也稱為手工知識系統。 Allen (2020) 將手工知識系統描述為“使用傳統的、基于規則的軟件,將人類專家的主題知識編碼為一長串編程的‘如果給定 x 輸入,則提供 y 輸出’規則的人工智能”(第3頁)。這些系統使用傳統的或普通的編程語言。第二種類型是從大量數據集訓練而來的機器學習系統。 ML 系統從訓練過的數據集中“學習”,然后在操作上使用“訓練過的”系統在給定新的操作數據的情況下產生預測結果。

圖 2. 兩種類型的人工智能:顯式編程和學習系統

自動化、人工智能和機器學習系統,包括手工知識系統和學習系統,為美國國防部 (DoD) 提供了巨大的潛力,在大多數任務領域具有多種應用。這些智能系統可以擴展國防部理解復雜和不確定情況、制定和權衡選項、預測行動成功和評估后果的能力。它們提供了在戰略、規劃和戰術領域支持國防部的潛力。人工智能系統可以減輕作戰人員的負擔,但前提是這些系統的設計和實施正確,并且以減輕作戰人員認知負擔的方式。這為國防應用實施人工智能系統提出了獨特的挑戰。本文確定了四個獨特的挑戰,并描述了它們如何影響戰術作戰人員、工程設計界和國防。

第一個為國防應用實施人工智能系統的獨特挑戰是戰術戰爭呈現高度復雜的情況。戰術復雜性可能涉及信息超載、需要處理的多個并發任務、具有可怕后果的時間關鍵決策、態勢感知的未知/不準確/不完整,以及因各種分布式戰爭能力所需的互操作性而產生的工程挑戰。將人工智能系統添加到這個已經很復雜的環境中是一項必要但極具挑戰性的工作。

第二個獨特的挑戰是人工智能系統需要大量數據來訓練。所開發的人工智能系統的質量很大程度上取決于訓練數據集的質量和數量。軍事領域的數據尤其難以獲得。軍事數據可能涉及分類問題、網絡漏洞、數據驗證挑戰,并且根據艦隊演習和兵棋推演的需要,收集起來可能非常昂貴且耗時。

第三個獨特的挑戰是人工智能系統為系統工程提出了一個新的前沿。在傳統系統中,行為是固定的,因此是可預測的:給定輸入和條件,系統將產生可預測的輸出。一些人工智能解決方案可能涉及本身就很復雜的系統——適應和學習——因此會產生無法預料的輸出和行為。事實上,一些人工智能系統的目的就是為了做到這一點——與人類決策者合作,承擔一些認知負荷并產生智能建議。需要系統工程方法來設計智能系統,并確保它們對人類操作員來說是可解釋的、可信賴的和安全的。

第四個獨特的挑戰是,對于國防應用,總是需要考慮潛在的對手。在人工智能系統方面,采購界必須注意同行競爭對手國家,他們在人工智能進步方面取得了自己的進步。美國國防系統也必須在這場人工智能競賽中取得進步。網絡攻擊在防御系統中總是有可能發生的。隨著防御能力增加對自動化和人工智能系統的依賴,這可能會造成更多的網絡漏洞。最后,技術正在迅速發展,對抗性威脅空間正在發生變化。國防采購和系統工程界必須確保人工智能系統不斷發展和適應,以應對威脅環境的變化,并以可信賴和安全的方式做到這一點。

挑戰一:復雜的決策空間

第一個獨特的挑戰是許多防御領域呈現出復雜的決策空間。因此,設計和實施適當的人工智能系統來解決這種復雜性將是極具挑戰性的。圖 3 突出顯示了導致戰術領域決策復雜性的許多因素。例如,海軍打擊部隊的行動可以迅速從和平狀態轉變為一種巨大的危險——需要對威脅保持警惕并采取適當的反應行動——所有這些都在高度壓縮的決策時間線上。戰術威脅可能來自水下、水面、空中、陸地、太空,甚至是虛擬的,因此需要處理多個時間緊迫的任務。在船舶、潛艇、飛機、陸地和太空中擁有海軍和國防資產;戰術決策空間必須解決這些分散和多樣化資源的最佳協作使用問題。制定有效的戰術行動方案也必須發生在高度動態的作戰環境中,只有部分和不確定的態勢知識。決策空間還必須考慮指揮權、交戰規則和戰術條令施加的限制。人類作為戰術決策者的角色增加了決策空間的復雜性——面臨信息過載、操作員錯誤、人工智能信任以及人工智能模糊性和可解釋性問題等挑戰。最后,戰術決策及其可能后果的風險可能非常高。

圖 3. 導致戰術決策空間復雜性的因素

解決高度復雜的決策空間是美國國防部面臨的挑戰。人工智能提供了解決這種復雜性的潛在解決方案——通過處理大量數據、處理不確定性、理解復雜情況、開發和評估決策替代方案以及了解風險水平和決策后果。人工智能解決方案可以應用于國防部的戰略、規劃和戰術層面。海軍研究生院 (NPS) 開發了一種工程框架和理論,用于解決高度復雜的問題空間,這些問題空間需要使用智能和分布式 AI 系統來獲得態勢感知并做出適應動態情況的協作行動決策(Johnson, 2019)。模擬了一個復雜的戰術場景,以演示使用 AI 來驗證該方法(Johnson,2020a)。 NPS 已經開發了一種預測分析能力的概念設計,該設計將被實施為一個自動化的實時戰爭游戲系統,該系統探索不同的可能戰術行動方案及其預測效果和紅軍反應(Johnson,2020b)。 NPS 研究已經確定了在戰術行動中描述復雜性水平的必要性,并實施自適應人機協作安排以做出戰術決策,其中自動化水平根據情境復雜性水平進行調整。正在進行的 NPS 研究正在研究這些概念工程方法在各種防御用例應用中的應用,包括防空和導彈防御、超視距打擊、船舶自衛、無人機操作和激光武器系統。

復雜的決策空間為 AI 系統嘗試和解決創造了具有挑戰性的問題。表 1 根據決策空間的復雜性比較了不同的 AI 應用領域。該表包含 10 個表征決策空間復雜性的因素:認知不確定性(對情境知識的不確定性數量)、情境動態、決策時間線(做出決策的時間量)、決策的復雜性決策過程中的人機交互、資源復雜性(數量、類型、它們之間的距離以及它們的動態程度)、是否涉及多個任務、對手(競爭對手、黑客或打算摧毀的徹底敵人)的存在,允許誤差的幅度(多少決策錯誤是可以接受的),以及決策后果的嚴重性。

表 1. 不同 AI 應用的決策復雜度比較

人工智能應用程序涉及的決策空間用于廣告(根據特定用戶的購買習慣或互聯網搜索確定將哪些廣告流式傳輸)、貸款批準(根據貸款金額和信用評分確定貸款資格)和醫療(根據診斷確定關于患者癥狀)相對簡單。存在大量訓練數據,決策過程中的計算和人為交互簡單,情況相對穩定。不良廣告的后果是微乎其微的。可以審計不良貸款批準決定。糟糕的醫學診斷可能會產生更嚴重的后果,但通常有足夠的時間在治療前尋求更多的評估和意見。為自動駕駛汽車確定最佳運輸路線和工程 AI 系統是更復雜的工作。這些應用程序是動態變化的,需要更短的時間來做出決策。運輸路線在可能路線的數量上會很復雜——這可能會導致許多可能的選擇。但是,存在運輸錯誤的空間,并且后果通常不會太嚴重。對于自動駕駛汽車來說,決策錯誤的余地非常小。此應用程序中的錯誤決定可能導致嚴重事故。

然而,軍事戰術領域在決策空間的所有領域都呈現出極端的復雜性:不確定性和有限的知識/意識、高度動態的情況、非常有限的時間線、復雜的人機交互、大量和類型的資源、多個任務、昂貴和困難- 獲取訓練數據集、極小的允許誤差范圍以及行動(或不行動)的生死攸關的后果。

挑戰二: 數據很難獲取

第二個獨特的挑戰是 AI/ML 系統需要大量相關且高質量的數據用于訓練和開發,而這些數據在軍事領域可能很難獲得。明確編程的手工知識系統在開發過程中需要數據進行評估和驗證。 ML 系統在開發過程中對數據的依賴性更大。如圖 4 所示,ML 系統從代表操作條件和事件的數據集中“學習”。 ML系統學習的過程也稱為被訓練,開發階段使用的數據稱為訓練數據集。有幾種類型的 ML 學習或訓練——它們是有監督的、無監督的和強化的。所有三種類型的 ML 學習都需要訓練數據集。 ML 系統在部署后或運營階段繼續需要數據。圖 4 顯示,在運營期間,ML 系統或“模型”接收運營實時數據,并通過使用其“訓練過的”算法處理運營數據來確定預測或決策結果。因此,在整個系統工程和采集生命周期中,ML 系統與數據密切相關。 ML 系統從訓練數據集的學習過程中“出現”。機器學習系統是數據質量、充分性和代表性的產物。他們完全依賴于他們的訓練數據集。

圖 4. 開發和實施機器學習系統

隨著許多領域(戰爭、供應鏈、安全、物流等)的更多 AI 開發人員正在了解 AI 解決方案的潛在優勢并開始著手 AI 系統開發,DoD 開始認識到對這些數據集的需求。在某些情況下,數據存在并準備好支持 AI 系統開發。在其他情況下,數據存在但不保存和存儲。最后,在其他情況下,數據不存在,需要模擬或在艦隊演習或戰爭游戲中收集。圖 5 說明了收集、獲取和在某些情況下開發用于開發和訓練 AI 和 ML 系統的數據時需要考慮的過程。

圖 5. 人工智能和機器學習系統訓練數據集的開發

軍事領域對開發訓練數據集提出了一些獨特的挑戰——數據可能被分類,數據可能存在網絡漏洞(它可能被攻擊并被對手故意破壞),如果數據不存在,它可能需要從軍事/艦隊演習或兵棋推演中獲得。數據驗證也是一項具有挑戰性的工作。

NPS 正在為海軍的數據管理系統執行需求分析和概念設計,該系統將收集數據并向海軍內部許多正在開發 AI/ML 系統的不同組織提供數據(French 等人,2021 年)。圖 6 是海軍中央人工智能庫 (CAIL) 的上下文圖,它被設想為一個數據管理系統和流程,用于識別數據集并提供索引、驗證、審計和對 AI 可以使用的數據的安全訪問。從事海軍應用的機器學習開發人員。 CAIL 將不是一個數據存儲庫或數據庫,而是一個中央組織,使 AI/ML 開發人員能夠訪問經過驗證和保護的海軍數據——以幫助識別數據集的存在,啟用授權訪問,并幫助支持開發人員所需的數據尚不存在,需要獲得——可能通過艦隊演習或兵棋推演。

圖 6. 概念性中央人工智能庫

挑戰三:人工智能為系統工程開辟了新領域

第三個獨特的挑戰是開發人工智能系統為系統工程提出了一個新的前沿。系統工程方法已被開發用于設計可能非常復雜但也具有確定性的傳統系統(Calvano & John,2004)。傳統系統具有可預測的行為:對于給定的輸入和條件,它們將產生可預測的輸出。圖 7 說明了對傳統 SE 方法(如 SE Vee 過程)進行更改的必要性,以便設計復雜且不確定的 AI 系統。特別是,需要新的方法來定義隨時間適應的學習系統的要求,并且系統驗證過程可能需要在操作過程中不斷發展和繼續,以確保安全和期望的行為。對于具有高風險后果的軍事系統,幾乎沒有出錯的余地,因此需要實施一個可以確保 AI 系統安全和預期操作的系統工程流程。

圖7. 人工智能:系統工程的新前沿

國際系統工程師理事會 (INCOSE) 最近的一項倡議已經開始探索需要對系統工程方法進行哪些改變才能有效地開發人工智能系統。圖 8 是作為該計劃的一部分創建的,旨在強調在 SE 過程中需要考慮的 AI 系統的五個方面。除了不確定性和不斷發展的行為之外,人工智能系統可能會出現新類型的故障模式,這些故障模式可能會突然發生,并且可能難以辨別其根本原因。穩健的設計——或確保人工智能系統能夠處理和適應未來的場景——是另一個系統工程設計考慮因素。最后,對于涉及更多人機交互的 AI 系統,必須特別注意設計系統,使其值得信賴、可解釋并最終對人類決策者有用。

圖 8. 人工智能系統工程中的挑戰

NPS 正在研究可以支持復雜、自適應和智能 AI 系統的設計和開發的系統工程方法。已經開發了一個系統工程框架和方法來設計系統解決方案的復雜自適應系統(Johnson,2019)。該方法支持系統系統的開發,通過使用人工智能,可以協作以產生所需的緊急行為。當前的一個研究項目正在研究可以在設計過程中設計到 AI 系統中的安全措施,以確保操作期間的安全(Cruz 等人,2021 年)。 NPS 正在研究一種稱為元認知的設計解決方案,作為 AI 系統識別內部錯誤的一種方法(Johnson,2021 年)。當前的另一個 NPS 論文項目正在研究如何將“信任”設計到 AI 系統中,以確保有效的人機協作安排(Hui,2021)。幾個 NPS 項目研究使用稱為協同設計的 SE 設計方法,來確定人類操作員與 AI 系統之間的相互依賴關系(Blickley 等人,2021;Sanchez,2021)。

挑戰四: 敵手

第四個獨特的挑戰是對手在防御應用中的存在和作用。國防部必須與對手競爭以提升人工智能能力,人工智能系統必須免受網絡攻擊,人工智能系統必須適應不斷變化的威脅環境演變。圖 9 突出顯示了對手的存在給國防部正在開發的 AI 系統帶來的一系列獨特挑戰。

圖9. 敵手的挑戰

競爭對手國家之間開發人工智能能力的競賽最終是為了進入對手的決策周期,以比對手更快的速度做出決定和采取行動(Rosenberg,2010 年)。人工智能系統提供了提高決策質量和速度的潛力,因此對于獲得決策優勢至關重要。隨著國防部探索人工智能解決方案,同行競爭對手國家也在做同樣的事情。最終,實現將 AI 用于 DoD 的目標不僅僅取決于 AI 研究。它需要適當的數據收集和管理、有效的系統工程和采集方法,以及仔細考慮人類與人工智能系統的交互。國防部必須確保它能夠應對實施人工智能系統所涉及的所有挑戰,才能贏得比賽。NPS 研究計劃正在研究如何應用 AI 和博弈論來進入對手的戰術決策周期(Johnson,2020b)。該項目正在開發一個概念,用于創建戰術態勢模型、對手的位置和能力,以及預測對手對形勢的了解。然后,概念系統將進行實時“兵棋推演”,根據預測的對抗反應和二階和三階效應分析戰術決策選項。這是一個研究未來戰術戰爭可能是什么樣子的一個例子,它為藍軍和紅軍提供了增強的知識和決策輔助。為 AI 競賽準備國防部的其他 NPS 舉措包括研究新的 SE 方法和獲取實踐以開發 AI 能力、研究海軍和國防部的數據管理需求(French 等人,2021 年)以及研究 AI 系統安全風險開發確保安全 AI 能力的工程實踐(Cruz 等人,2021 年;Johnson,2021 年)。

賽博戰是國防部必須成功參與的另一場競賽,以保持領先于黑客攻擊的持續攻擊。隨著國防部實施更多的自動化,它自然會導致更多的網絡漏洞。使用本質上依賴于訓練數據和操作數據的人工智能系統,為黑客在開發階段和操作階段用損壞的數據毒害系統提供了機會。如果對手控制了一個可操作的人工智能系統,他們可能造成的傷害將取決于應用程序領域。對于支持武器控制決策的自動化,后果可能是致命的。在最近一項關于汽車網絡安全的研究中,一家汽車公司在網上發布了一個假汽車電子控制單元,在不到 3 天的時間里,進行了 25,000 次違規嘗試(Taub,2021 年)。國防部必須注意人工智能系統開發過程中出現的特定網絡漏洞。必須為每個新的人工智能系統實施仔細的網絡風險分析和網絡防御策略。 NPS 正在研究數據安全要求,以確保 ML 訓練數據集不受黑客攻擊,并且需要安全授權才能訪問(French 等人,2021 年)。 NPS 正在研究使用元認知作為 AI 系統執行自我評估的一種方法,以識別網絡入侵、篡改或任何異常行為(Johnson,2020b)。 NPS 還在研究使用 ML 來識別惡意欺騙和篡改全球定位系統 (GPS; Kennedy, 2020)。

威脅環境的演變是國防部在開發人工智能系統時的第三次對抗性競賽。由于對抗性威脅空間隨著時間的推移而不斷變化,擁有更快、更致命的武器、更多的自主權、更大的監視資產、更先進的對抗措施和更多的隱身性,這對國防部能夠預測和識別新威脅并進行應對提出了挑戰戰場上的未知數。 NPS 研究的重點是在作戰過程中不斷適應和學習的工程系統,以檢測和識別戰場中的未知未知,并通過創新的行動方案快速響應新威脅(Grooms,2019;Jones 等人,2020;Wood,2019 )。 NPS 正在研究通過研究特定區域隨時間變化的數據來識別異常變化的機器學習方法(Zhao et al., 2016)。一個例子是研究商用飛機飛行模式并根據異常飛行模式識別可疑飛機。隨著時間的推移,可以監視地面行動,以識別可能意味著軍事行動的新的和不尋常的建設項目。

結論

人工智能系統為國防部在實現和保持知識和決策優勢方面提供了重大進展。然而,為國防應用實施人工智能系統提出了獨特的挑戰。軍事戰術領域在決策空間的所有領域都呈現出極端的復雜性:不確定性和有限的知識、高度動態的情況、非常有限的時間線、復雜的人機交互、大量和類型的資源、多個任務、昂貴且難以獲得訓練數據集、極小的允許誤差范圍以及行動(或不行動)的生死攸關的后果。 AI 系統,尤其是 ML 系統,需要有代表性、足夠、安全和經過驗證的數據集來進行開發。為國防應用收集合適的數據具有處理分類數據集和確保數據安全和免受網絡攻擊的額外挑戰;這也將是收集代表戰術行動的真實數據的一項重大努力。將需要新的系統工程方法來有效地指定、設計和評估人工智能系統,這些系統通過其不確定性、新型人機協作挑戰以及難以預測和預防的新安全故障模式而呈現出新的復雜性.最后,軍事領域中對手的存在呈現出三種形式的 AI 競賽:與對手一樣快地開發 AI 系統的競賽、保持領先于可能的網絡攻擊的競賽以及訓練能夠應對的 AI/ML 系統的競賽隨著不斷發展的對抗性威脅空間。

NPS 正在通過一系列正在進行的研究計劃來解決四個獨特的挑戰領域。 NPS 研究人員正在研究人工智能系統在海軍戰術作戰領域的實施,對軍事數據集進行需求分析和需求開發,研究開發復雜人工智能系統的系統工程方法,以及開發安全、可信賴的人工智能系統工程方法,并注意潛在對手的作用。 NPS 正在為軍官和平民學生提供人工智能研究和教育機會。 NPS 歡迎與國防部和海軍組織合作,繼續研究用于國防應用的人工智能系統,并繼續探索解決方案戰略和方法,以克服開發和實施人工智能能力的挑戰。

附解讀PPT:(點擊下載)

付費5元查看完整內容

新興軍事技術

國會議員和五角大樓官員越來越關注發展新興軍事技術,以加強美國的國家安全,并與美國的競爭對手保持同步。美國軍方長期以來一直依賴技術優勢來確保其在沖突中的主導地位,并保障美國的國家安全。然而,近年來,技術的迅速發展和迅速擴散,很大程度上是由于商業領域的進步。正如前國防部長查克·哈格爾(Chuck Hagel)所觀察到的,這種發展已經威脅到美國傳統的軍事優勢來源。美國國防部(DOD)已經采取了一系列措施來遏制這一趨勢。例如,2014年,國防部宣布了第三次抵消戰略,這是一項為軍事和安全目的以及相關戰略、戰術和作戰概念開發新興技術的努力。為了支持這一戰略,國防部建立了許多專注于國防創新的組織,包括國防創新單位和國防戰爭聯盟小組。

最近,2018年的國防戰略呼應了第三次抵消戰略的基礎,指出美國的國家安全可能會受到影響: 受到快速技術進步和戰爭性質變化的影響....新技術包括先進的計算、“大數據”分析、人工智能、自主、機器人、定向能源、超音速和生物技術——這些技術確保我們能夠在未來的戰爭中戰斗并贏得勝利。 美國是開發這些技術的領導者。然而,中國和俄羅斯這兩個關鍵的戰略競爭對手,在發展先進軍事技術方面正在穩步取得進展。隨著這些技術被整合到國外和國內的軍事力量中并部署,它們可能會對國際安全的未來產生重大影響,并將成為國會在資金和項目監督方面的一個重要焦點。

本報告概述了美國、中國和俄羅斯的一些新興軍事技術:

  • 人工智能,
  • 致命的自主武器,
  • 超音速武器,
  • 定向能武器,
  • 生物技術,
  • 量子技術。

它還討論了國際機構內監測或規范這些技術的相關倡議,考慮了新興軍事技術對戰爭的潛在影響,并為國會概述了相關問題。這些問題包括新興技術的資金水平和穩定性、新興技術的管理結構、與征聘和留住技術工作者有關的挑戰、迅速發展和兩用技術的采購過程、保護新興技術免受盜竊和征用,以及對新興技術的治理和監管。這些問題可能會影響到國會的授權、撥款、監督和條約的制定。

付費5元查看完整內容

量子技術和生物技術是對安全和國防產生越來越大影響的關鍵新興技術。如何利用這些新興技術來加強(國際)國家安全?這些關鍵技術給荷蘭帶來了哪些潛在挑戰?

戰略警報解決了這些問題,并總結了以下關鍵要點:

  • 量子計算技術將能夠打破當前的(非對稱)加密標準并促進網絡攻擊。

  • 荷蘭應投資于歐洲層面的量子技術發展合作,以加強整個歐洲量子價值鏈。

  • 荷蘭應就疫苗和療法的開發做出明確和早期的安排(最好在歐盟層面),為下一次大流行做好準備。

  • 集中協調生物技術研究將使荷蘭在該領域發揮更突出的作用。

  • 荷蘭應將基因改造對脆弱生態系統可能產生的負面影響納入其規劃過程。

  • 荷蘭應投資研究生物技術的可能應用,以創造和改進可再生能源。

  • 荷蘭應監測這兩種技術相對于其他國家的潛在依賴關系,并應優先保持對那些對發展戰略自主權至關重要的要素的控制。

付費5元查看完整內容

Drone Wars UK 的最新簡報著眼于人工智能目前在軍事環境中的應用方式,并考慮了所帶來的法律和道德、作戰和戰略風險。

人工智能 (AI)、自動決策和自主技術已經在日常生活中變得普遍,并為顯著改善社會提供了巨大的機會。智能手機、互聯網搜索引擎、人工智能個人助理和自動駕駛汽車是依賴人工智能運行的眾多產品和服務之一。然而,與所有技術一樣,如果人們對人工智能了解甚少、不受監管或以不適當或危險的方式使用它,它也會帶來風險。

在當前的 AI 應用程序中,機器為特定目的執行特定任務。概括性術語“計算方法”可能是描述此類系統的更好方式,這些系統與人類智能相去甚遠,但比傳統軟件具有更廣泛的問題解決能力。假設,人工智能最終可能能夠執行一系列認知功能,響應各種各樣的輸入數據,并理解和解決人腦可以解決的任何問題。盡管這是一些人工智能研究計劃的目標,但它仍然是一個遙遠的前景。

AI 并非孤立運行,而是在更廣泛的系統中充當“骨干”,以幫助系統實現其目的。用戶不會“購買”人工智能本身;他們購買使用人工智能的產品和服務,或使用新的人工智能技術升級舊系統。自主系統是能夠在沒有人工輸入的情況下執行任務的機器,它們依靠人工智能計算系統來解釋來自傳感器的信息,然后向執行器(例如電機、泵或武器)發出信號,從而對機器周圍的環境造成影響.

人工智能被世界軍事大國視為變革戰爭和獲得戰勝敵人的優勢的一種方式。人工智能的軍事應用已經開始進入作戰使用,具有令人擔憂的特性的新系統正在迅速推出。與軍事和公共部門相比,商業和學術界已經引領并繼續引領人工智能的發展,因為它們更適合投資資金和獲取研究所需的資源。因此,未來人工智能的軍事應用很可能是對商業領域開發的技術的改編。目前,人工智能正在以下軍事應用中采用:

  • 情報、監視和偵察
  • 賽博戰
  • 電子戰
  • 指揮控制和決策支持
  • 無人機群
  • 自主武器系統

人工智能和英國軍事

綜合審查和其他政府聲明毫無疑問地表明,政府非常重視人工智能的軍事應用,并打算繼續推進人工智能的發展。然而,盡管已經發布了概述使用自動化系統的學說的出版物,但迄今為止,英國國防部 (MoD) 仍然對管理其人工智能和自主系統使用的倫理框架保持沉默,盡管已經做出了一些重大決定。軍事人工智能的未來用途。

英國國防部一再承諾發布其國防人工智能戰略,預計該戰略將制定一套高級倫理原則,以控制軍事人工智能系統的整個生命周期。該戰略是在與來自學術界和工業界的選定專家討論后制定的,盡管政府尚未就與人工智能的軍事用途相關的倫理和其他問題進行公開磋商。該戰略的主要目的之一是向行業和公眾保證,國防部是人工智能項目合作的負責任合作伙伴。

與此同時,在沒有任何道德指南的情況下,計劃和政策正在迅速推進,主要問題仍未得到解答。英國軍隊在什么情況下會采用人工智能技術?政府認為何種程度的人為控制是合適的?風險將如何解決?英國將如何向其盟友和對手證明英國打算采取有原則的方法來使用軍事人工智能技術?

軍事人工智能系統帶來的風險 上述人工智能的每一種不同的軍事應用都會帶來不同的風險因素。作為國防部總部后臺操作的一部分,對數據進行排序的算法會引發不同的問題和擔憂,并且需要與自主武器系統不同級別的審查。

盡管如此,目前正在開發的人工智能系統無疑會對生命、人權和福祉構成威脅。軍事人工智能系統帶來的風險可以分為三類:道德和法律、操作和戰略。

道德和法律風險

  • 遵守戰爭法: 目前尚不清楚機器人系統,特別是自主武器如何能夠滿足戰爭法制定的致命決定和保護非戰斗人員的標準。

-問責制:目前尚不清楚如果出現問題,誰來承擔責任:如果計算機運行不可預測并因此犯下戰爭罪行,懲罰它是沒有意義的。

  • 人權和隱私:人工智能系統對人權和個人隱私構成潛在威脅。

  • 不當使用:在戰斗環境中處于壓力之下的部隊可能會試圖修改技術以克服安全功能和控制。

作戰應用風險

  • 偏見的技術來源:人工智能系統的好壞取決于它們的訓練數據,少量損壞的訓練數據會對系統的性能產生很大影響。

  • 偏見的人為來源:當人類濫用系統或誤解其輸出時,可能會導致偏見。當作戰員不信任系統或系統非常復雜以至于其輸出無法解釋時,也會發生這種情況。

  • 惡意操縱:軍用 AI 系統與所有聯網系統一樣,容易受到惡意行為者的攻擊,這些行為者可能試圖干擾、黑客攻擊或欺騙系統。

戰略風險

  • 降低門檻:人工智能系統帶來了政治領導人在沖突中訴諸使用自主軍事系統而不是尋求非軍事選擇的風險。

  • 升級管理:涉及人工智能的軍事行動的執行速度降低了審議和談判的空間,可能導致快速意外升級并造成嚴重后果。

  • 軍備競賽和擴散:對軍事人工智能的追求似乎已經引發了軍備競賽,主要和地區大國競相發展其能力以保持領先于競爭對手。

  • 戰略穩定性:如果先進的人工智能系統發展到能夠預測敵人戰術或部隊部署的程度,這可能會產生高度不穩定的后果。

本簡報列出了為人工智能設想的各種軍事應用,并強調了它們造成傷害的可能性。它認為,減輕軍事人工智能系統帶來的風險的建議必須基于確保人工智能系統始終處于人類監督之下的原則。

迄今為止,公眾對人工智能和機器人技術進步所帶來的社會變化和風險似乎知之甚少。這份簡報的部分目的是為了敲響警鐘。人工智能可以而且應該用于改善工作場所的條件和對公眾的服務,而不是增加戰爭的殺傷力。

付費5元查看完整內容

近年來,以人工智能、量子信息、集成電路、生命健康、腦科學、生物育種、空天科技、深地深海等為代表的新一輪科技革命和產業變革深入發展,正在重構全球創新版圖、重塑全球經濟結構。在眾多極具“顛覆性”的科技領域中,腦科學無疑是最尖端、最前沿的一個,被稱為生命科學的“終極疆域”。

腦科學是生命科學最尖端、最前沿的領域,也是人類最難攻克的“科學堡壘”之一。但腦科學卻是諸多前沿科技發展的基礎,如人工智能、腦機接口、信息科學、仿生科學等,也是醫學、教育和軍事等領域發展的關鍵,尤其是事關人類生命健康的抑郁癥、自閉癥、帕金森癥、阿爾茲海默癥等神經性和精神性疾病,亟需腦科學的進步為其提供新的解決方案。因此,腦科學是事關國家安全和發展全局的核心領域之一。

為更好地推動腦科學相關知識的普及,使全國上下充分認識腦科學戰略地位、戰略導向的重要性,提高全社會對這一前沿領域的重視程度、參與廣度和投入力度,推動國家戰略部署的實施與落地,眾誠智庫重磅發布“國家戰略科技研究系列之《2021全球腦科學發展報告》”。

本報告立足中國,放眼全球,理清歷史脈絡,展望未來,對腦科學基本原理和研究成果進行了梳理和深入地研究,對世界主要國家在腦科學領域的戰略部署進行了分析和對比,分別從腦科學發展現狀、應用現狀和發展趨勢等方面進行剖析,并在如何科學應對內外挑戰方面深入思考、總結結論,旨在為我國加快推進腦科學發展進程提供一些建議。

報告認為,當前以人工智能、量子信息、集成電路、生命健康、腦科學、生物育種、空天科技、深地深海等為代表的新一輪科技革命和產業變革深入發展,正值重構全球創新版圖、重塑全球經濟結構之時,腦科學早已成為世界主要經濟體科技角逐的主要賽道之一。自2013年以來,世界主要國家和地區紛紛發布“腦計劃”,將腦科學的競技賽推向了新的高潮。我國自20世紀90年代就十分重視腦科學,2015年發布“中國腦計劃”;2021年,國務院發布的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》也將腦科學作為國家戰略科技力量之一。

報告認為,從歷史發展進程和西方大國的發展經驗來看,基礎研究是科技創新、產業興盛、社會發展和防范國家安全的底層支撐,尤其是面向未來的基礎研究,腦科學作為未來最重要的一個基礎研究領域,將關系到人來自身的發展,并進一步顛覆我們的生活方式和生產方式。生產方式的變革和生產工具的升級將更多地替代、解放勞動力,同時提高生產效率,為未來應對老齡化社會的發展從科技層面給出一定的解決方案。新一輪的智能化、數控化產業革命,工業機器人、數控軟件、智能裝備等將成為工業制造領域最主要的發展方向,數字化智能化農業、智能服務機器人也將深入到我們的生活,這些都離不開腦科學和類腦智能在其中發揮作用。

從近五年全球腦科學相關的論文發表量與專利申請量來看,腦科學研究陣營逐漸由美歐兩極主導向美歐亞三極鼎立的格局轉變。報告認為,中國目前在論文發表量上已緊隨西方大國之后,在專利的申請量上僅次于美國,位居世界第二位,已躋身世界腦科學大國行列,但整體水平還不夠強,相信在持續高速增長和國家的大力扶持下,可以預見,到本世紀中葉,中國有望躋身于世界腦科學強國行列。

//www.uthinktank.com/news/media/2021-06-09/2021BrainScience.pdf

付費5元查看完整內容
北京阿比特科技有限公司