量子計算突破5G通信MIMO優化！

**摘要：**在無線通信領域，大規模多輸入多輸出 (MIMO）是一項革命性技術，也是5G系統的關鍵技術之一，它主要利用基站上的大量天線來提高無線通信系統的覆蓋范圍和容量。通過波束賦形，大規模MIMO可以同時提供多種信號覆蓋模式，從而實現更高的吞吐量和更好的信號質量。然而，要想在5G系統中實現大規模MIMO的最佳通信效果，多基站的波束選擇（MBS）是一個極大的挑戰。該問題被證明是一個典型的NP-Hard問題，且在經典計算上難以處理。

通過玻色量子自研的“天工量子大腦”光量子計算真機，對該問題的求解精度和速度均遠遠優于在經典計算機上運行啟發式算法的解決方案，并獲得至少2個數量級以上的性能改進！該研究成果為5G乃至6G通信網絡的實際運行展現出巨大前景，并促進了量子計算在解決通信計算難題中的應用。

近年來，大規模MIMO采用空時處理技術進行信號處理，在不增加帶寬的情況下成倍的提高通信系統的容量和頻譜利用率，還有效利用了隨機衰落和多徑傳播的力量，在同樣的帶寬條件下為無線通信的性能帶來改善。所以大規模MIMO因其能在充滿挑戰的環境中提供更好的覆蓋范圍而被廣泛應用。

但由于用戶的高遷移率和單元間的干擾，傳統的相對靜態的波束設置不能再滿足網絡覆蓋的動態變化要求，而且在給定約束條件下，需要快速決策選擇一組波束模式以最大化網絡性能，如改善信號質量和系統吞吐量。

因此，5G系統中的MIMO波束選擇（MBS）問題非常突出。如多小區MIMO波束分配、大規模MIMO天線權值優化，其尋優空間（狀態集與動作集）與小區數量呈指數增長關系，龐大的計算量使得傳統方法難以實現大規模的實時優化計算。

目前玻色量子聯合中國移動研究院共同研究了基于量子計算的MIMO波束選擇（MBS）問題，在5G通信領域取得了重大研究突破。

2023年10月，玻色量子與中國移動研究院聯合發布了在大規模多輸入多輸出 (MIMO) 的波束選擇（MBS）上的最新突破性成果。該成果以“基于MIMO波束選擇問題的量子計算模型和光學實驗解決方案”（Quantum Computing for MIMO Beam Selection Problem: Model and Optical Experimental Solution）為題。

此前，玻色量子和移動云在共同打造“恒山光量子算力平臺”過程中，就在《中國科學：物理學 力學 天文學》英文版上聯合發表了云計算領域的首個重要研究成果，即以“光學實驗求解多路數字劃分問題的光學實驗解及其在算力調度中的應用”為題的頂級學術論文 。此次研究突破是玻色量子聯合中國移動的又一重要研究突破，也是光量子計算機在通信領域走向實用化的關鍵一步。

下面我們將給出完整真機測試報告：從波束選擇問題入手，對該問題進行分析與建模，并將真機測試結果與模擬退火和禁忌搜索等經典算法進行對比分析與總結。

場景介紹

**波束選擇（MBS）是指在給定的約束條件下，選擇一組波束(Beam)來最大限度地提高網絡的性能，如提高信號質量和系統吞吐量。**具體地說，在MBS問題中，目標地理區域通常劃分為方形網格(grid)，每個小區(cell)的每個波束在相應的網格上有一個參考信號接收功率（RSRP）值，MBS問題是為每個小區找到一組波束，使覆蓋的網格個數最大化。

**經過證明，MBS問題是一個典型的NP-Hard問題，特別是在具有大量單元和天線的5G系統中。**例如，當多個單元中有數百束波束時，很難從數十億束組合中找到最好的解決方案。

而量子計算有潛力為大規模的組合優化問題提供更快、更有效的解決方案，通過這些能徹底改變優化領域。它可以利用量子力學的原理同時進行多個計算，允許并行搜索多個解決方案。玻色量子自研的相干光量子計算技術就可以很好的解決MBS問題。

問題分析及建模

問題分析

在MBS問題中，目標覆蓋區域被劃分為若干個小網格，每個小網格被多個小區(cell)覆蓋。每個小區都有一組MIMO波束，MBS問題是從每個小區中選擇一定數量的波束，最大化滿足一定約束的網格數量。如果網格內最大RSRP超過給定的閾值，最大RSRP和第二大RSRP的差值超過了給定值，則認為網格被覆蓋。從小區到網格的RSRP由所有選中波束中的最大RSRP決定。其中，為最大和第二大信號強度之間的差值設置一個閾值的原因是，在MIMO系統中，避免因多波束的信號強度相似，而導致出現信號干擾******，降低接收機的性能。**

MBS問題示意圖

數學建模

網格：待優化區域被劃分為m個網格。

小區：這些網格被v個小區覆蓋。

波束：每個小區提供n個波束給網格中的用戶。

選擇每個小區的n個波束中的一個子集，以最大化區域的覆蓋率：

覆蓋率=滿足覆蓋條件的網格數目/m

對于第i個（i=1,2,...,m）網格，如果所有小區中所選波束的最大RSRP（接收信號強度）大于閾值，且和第二大RSRP差值大于閾值，則認為該網格滿足覆蓋條件。

我們使用v和Vi分別表示與第i個網格相關聯的小區數和小區集。RSRP在不同的網格、單元和波束上有所不同，讓我們定義sijk為第i個網格下，第j個小區和第k個光束下RSRP值，設M為RSRP的最大值。

MBS問題中的決策變量為xjk，如果在第j個小區中選擇第k個光束，則xjk=1，下面為第j個小區的選中的波束在第i個網格內的最大RSRP值

第i個網格中信號強度最大值，

第二大信號值

最大化覆蓋網格個數:

1、zi:網格i是否被覆蓋

2、選擇的波束數量上界

**其中，“天工量子大腦”光量子計算真機遵循最小增益原則: **增益接近最小損耗時，網絡將經歷光學參量震蕩相變；簡并的光學參量振蕩器脈沖以低于振蕩閾值的泵速產生壓縮真空狀態，壓縮真空狀態是規范坐標本征態的線性疊加態，實現了量子并行搜索；在高于閾值時，退化的OPO經歷自發對稱破壞并隨機拾取0相或π相干場(經典的Ising自旋向上和向下狀態)。

解空間圖片

為MBS問題建立QUBO模型：

由于不等式約束較多，需要較多的松弛變量，所以我們采用后處理手段簡化模型：

實驗所用的數據集來自于中國吉安市一片連續區域的信號強度數據，整個數據集4857個格點，217個小區，148個波束的信號數據，數據記錄數量1048575條。我們采用了部分數據進行實驗。

固定波束和小區數量，網格數量從5變化到10，轉換成對應的Max-Cut問題進行求解。

真機測試結果

真機求得的解

切割值的演化過程

效率比：

求解大規模問題時CIM和經典算法（SA/tabu）相比的效率提升比率圖（SA的平均求解效率比超10^2，整體效率提升2個數量級）

“天工量子大腦”真機和傳統算法對比

MBS問題中可能的解的數量隨著單元的數量和所選擇的光束數量的上限呈指數增長。玻色量子技術團隊基于QUBO（二次無約束二值優化）這一數學模型的新方法，成功應用玻色量子發布的100計算量子比特相干光量子計算機真機——“天工量子大腦”，來高效求解MIMO波束選擇問題，其實驗結果遠遠優于兩種經典啟發式算法（模擬退火和禁忌搜索）。

該方案的優勢主要體現在兩個方面：

1、充分利用MIMO蜂窩系統的性能潛力來高效解決MBS問題，有效針對問題的底層結構，進一步引入一個簡化的模型，它顯著減少了QUBO模型中所需的量子比特數，同時生成最優解。

2、通過“天工量子大腦”光量子計算真機，可以在毫秒級時間內生成MBS問題的最優解，突出表現了“天工量子大腦”在現實環境中尋找解決方案的速率和有效性。

**整體結論：**實驗結果表明，“天工量子大腦”光量子計算真機在該問題上的求解精準度和速度方面均遠遠優于在經典計算機上運行啟發式算法的解決方案，并獲得了至少2個數量級以上的性能改進！ 該研究成果為5G的實際運行展現了巨大前景，并促進了量子計算在解決通信計算難題中的應用。

審核編輯：劉清