量子计算在能源转型中的应用综述与趋势展望

西安石油大学经济管理学院 庞明 李凌宇 张祺浩

发布时间:2025-10-28

摘要：全球能源体系正加速向低碳化与智能化转型，量子计算凭借其指数级算力优势，成为各国突破能源安全与产业升级瓶颈的战略技术。对比分析世界主要国家和地区量子计算与能源转型协同发展的政策框架，揭示量子计算在能源领域的多方面应用探索。量子计算可重构传统能源开发模式、助力能源系统优化升级、加速清洁技术研发，并为碳排放核算与金融衍生品市场提供精准支持，显著推动碳中和目标实现。针对量子计算在能源领域的大规模应用受限于跨领域复合型人才短缺、硬件稳定性不足和数据异构性等问题，提出人才、技术、产业3个层面的发展建议，通过构建产学研协同机制、促进技术实用化研发及数据生态建设，推动量子计算助力能源产业转型升级。

关键词：量子计算，能源转型，能源产业智能化升级，新能源，碳中和

全球能源体系正在经历低碳化与数智化的双重转型。目前传统化石能源仍然占据主导地位，2019—2024年全球非化石能源消费占比仅从16.6%提升至19.1%^[1]。2024年与能源相关的全球二氧化碳排放量达到378亿吨^[2]，气候危机持续加剧，能源系统清洁化、高效化转型迫在眉睫。2019年欧盟发布《欧洲绿色新政》加速可再生能源替代；2022年美国《通胀削减法案》斥资3690亿美元支持清洁技术研发；中国于2020年提出碳达峰、碳中和目标，于2022年出台《“十四五”现代能源体系规划》。然而全球能源转型仍面临一系列技术瓶颈，例如传统计算受限于算力约束，无法高效完成地质勘探、电网优化与清洁材料模拟等复杂任务。量子计算具有量子叠加和纠缠特性，为解决上述问题提供了一条全新的途径，其指数级并行计算能力可以重构能源技术的研发模式^[3]。量子计算可以精确模拟光电转换、催化剂反应等物理化学过程，加速新能源材料的设计；其优化算法可以同步处理海量数据，获取电力调度、碳排放核算、供应链管理等问题的最优解决方案。量子计算在能源转型领域应用潜力巨大，有助于重塑能源技术体系，加快构建清洁高效的能源生态系统。

1 量子计算的原理与技术背景

1.1 量子叠加与纠缠重构计算范式

作为一种前沿计算范式，量子计算依赖于量子力学中独特的叠加和纠缠现象^[4]。在传统的经典二进制计算系统中，最基本的信息存储单元是比特，其状态被严格限定为“0”或“1”。而量子比特不仅可以单独处于“0”或“1”的状态，还可以同时处于这两种状态的叠加中^[5]。在量子计算领域，n个量子比特可以代表一个包含2n个叠加态的复杂系统，其信息存储容量随着n的增加呈指数级增长，远远超过经典比特的限制。量子计算机的单次运算在某种意义上相当于经典计算机执行2n次运算，从而在信息处理效率上表现出明显的优越性^[6]。

1.2 从理论突破到算法驱动的技术迭代

1981年，理查德•费曼（Richard Feynman）首次提出了量子计算机的概念^[7]；1994年贝尔（bell）实验室的数学家彼得•秀尔（Shor）提出了大数质因子分解的量子算法（Shor算法），首次展示了量子计算在大数分解上的指数级加速能力，引发学界对量子优越性的关注^[8]；1996年格罗弗（Grover）提出了量子搜索算法（Grover算法），进一步拓展了量子计算在搜索问题中的应用潜力^[9]；进入21世纪，离子阱（2000年）和超导量子比特（2007年）的实验，标志着量子计算从理论走向硬件探索阶段；2019年，谷歌研发的53比特超导量子处理器“悬铃木”在特定任务上超越经典计算机，实现“量子优越性”；2024年，中国发布的“本源悟空”72比特超导量子计算机实现全链条自主可控，并完成对全球139个国家的算力交付。当前，世界各国正加紧量子计算机的研发，从技术路线区分，大致可分为超导、光量子、离子阱、核磁共振等多元化的路径^[5]。目前量子计算已从理论验证进入到工程化应用初期，但量子计算的全面产业化还需要跨学科、多领域协同创新与关键技术突破。

2 各国量子计算的政策体系

全球主要经济体围绕量子计算与能源转型的协同发展，形成了以强化基础研究、培育产业生态、跨领域融合和安全规制为核心的政策体系。基于政策功能与场景适配性，可将其归纳为以下4类。

2.1 基础研究强化型政策—技术突破的底层支撑

基础研究强化型政策主要针对量子计算基础理论与核心技术攻关，为能源转型提供底层算力保障。美国的《国家量子倡议法案》（2018年）和欧盟的《量子宣言》（2016年）等政策通过设立专项基金、组建国家实验室以及跨国合作研究中心，重点突破量子比特稳定性、纠错算法等关键技术难题。日本的《量子技术创新战略》（2020年）通过整合各科研院所与大学成立全国性研发机构，推动超导量子芯片与光量子计算技术的研究。此类政策注重基础研究与能源应用的融合贯通，例如美国能源部资助橡树岭实验室探索量子电网优化，欧盟的“量子旗舰计划”把能源系统模拟列为中短期重点项目等。基础研究往往需要巨额投资，且研发周期较长，导致私营资本参与意愿不足，制约技术转化效率。

2.2 产业生态培育型政策—技术商业化的加速器

产业生态培育型政策通过产业联动和市场机制设计，促进量子计算在能源场景中的应用。中国政府发布的《关于推动未来产业创新发展的实施意见》（2024年）中，采用“政策驱动+产业协同”的方式，鼓励量子计算企业与大型能源企业共同成立应用研发中心，开展电力调度优化与清洁材料模拟试点。澳大利亚的《国家量子战略》（2023年）侧重完善区域市场体系，通过税收减免吸引能源企业购买量子算力服务。德国的《碳管理战略要点》（2024年）将量子计算纳入碳捕集技术评估体系，要求企业提交量子模拟验证报告以获取补贴。此类政策搭建了“硬件研发-算法适配-场景落地”的生态系统，但是，在这一领域，发展中国家往往面临本土企业技术落后与大型跨国公司垄断市场的双重挑战。

2.3 跨领域融合型政策—能源场景的技术嫁接

跨领域融合型政策旨在消除量子计算与能源系统融合的障碍，具体表现为3个方面。一是技术协同与数据标准整合：欧盟“量子旗舰计划”发布的《2030年战略研究与产业议程》构建“量子-HPC-AI”融合平台，推动量子计算与能源领域的深度融合，并联合加拿大、日本等国制定量子能源数据交互协议，支持量子算力在电网优化、清洁材料模拟等场景的示范应用。二是交叉培养人才：美国的《量子信息科技人才培养国家战略规划》（2022年）设立“量子+能源”双学位项目，要求受资助的实验室至少有30%的研究课题将量子计算与能源系统优化相结合。三是基础设施共建：沙特阿拉伯的《2030愿景》（2016年）投资建设区域性量子算力中心，优先向绿氢制备与碳封存项目开放算力资源。此类政策通过制度设计促进技术融合，但跨部门协调难度大，容易陷入“重规划，轻执行”的困境。

2.4 安全规制型政策—技术风险的前置管控

安全规制型政策管控力度不断加强。随着量子计算渗透至能源核心领域，各国逐步加强量子计算的安全规制。美国的《量子计算网络安全防范法案》（2022年）将电网的量子攻击纳入美国国家安全范畴，要求能源企业升级抗量子加密协议。欧盟的《净零工业法案》（2024年）设立量子技术出口许可制度，防止关键技术对外泄露。英国的《国家量子战略》（2023年）提出建立量子技术的安全标准和监管框架，以应对量子计算技术可能带来的安全挑战。此类政策防范了量子技术滥用与数据泄露，但同时会加剧技术壁垒，阻碍各国的合作交流。

2.5 政策协同困境与路径优化

各国的政策工具呈现出“基础投入、产业培育、融合创新、安全规制”的共性特征，但在政策交叉层面仍有不足，发达国家过度依赖市场机制，在公共技术平台的服务性和开放性问题上缺乏战略考虑；部分发展中国家的政策分割较为严重，缺乏跨领域人才与数据标准支撑。未来在政策制定过程中应强化政策协同性，各国应建立国际量子能源数据共享协议，降低技术应用门槛，加强从研发到试点再到商业化应用的全过程政策支持，平衡创新激励与安全约束，从而释放量子计算对能源转型的赋能潜力。

3 量子计算在能源转型中的应用场景

3.1 油气勘探开发—量子计算加速地震数据处理与油藏模拟

在能源产业技术革新进程中，量子计算以其独特的量子并行性与状态叠加优势，为传统能源勘探开发效率提升开辟了新路径。

在能源勘探领域，地震数据的处理是获取地质信息的关键，量子计算凭借其并行计算特性与模拟能力，能够同时处理多个地震数据，并快速模拟地震波在不同地质介质中的传播过程，从而精确反演地质结构，生成高分辨率的地下成像图，更精确地确定潜在能源储藏区域^[10]。

在油藏数值模拟中，传统数值模拟技术受限于经典算法的迭代效率，难以实时追踪多相流体动态变化过程。量子计算可以利用量子多体算法、量子蒙特卡洛方法和量子随机游走方法等，精确模拟油气藏中的流体流动、热传导、岩石变形等物理过程，实现对压力分布与渗流规律的动态解析^[11]。这种技术革新使得能源开采参数优化具备了实时响应能力，为油气田开发方案调整提供了强大的算力支撑。

3.2 电力系统优化—电力负荷预测与机组组合的量子算法突破

目前能源系统复杂程度不断提高，传统优化方法在处理一些多维度、强耦合的能源问题时逐渐显现出其局限性。量子计算技术凭借其独特的量子运算模式，为能源系统优化升级提供了新的助力。以电力系统为例，量子计算能够助力电力负荷预测、机组组合优化和输电网格优化等。

在传统的电力负荷预测过程中，数据量过大、数据维度高以及数据间存在复杂的非线性关系等都会导致计算困难，进而影响预测精度。量子计算能够基于量子比特的叠加态特性同步整合历史负荷、气象与经济数据，构建量子神经网络模型，突破经典算法维度限制，精准预测负荷趋势，降低电网运行风险，减少发电成本^[12]。

电力机组组合优化涉及对众多机组启停状态与发电功率分配的复杂决策，还需要满足电力平衡、机组容量限制、爬坡约束等一系列复杂的约束条件，传统方法容易陷入局部最优陷阱。量子计算利用量子退火算法，能够利用量子隧穿效应，跳出局部最优陷阱，对整个解空间进行全面搜索，寻找全局最优的机组组合方案。利用量子计算优化机组组合，能够实现发电资源的高效配置，降低机组运行成本^[13]。

在输电网格优化方面，输电网络拓扑分析需要处理海量节点关联数据，量子算法可以通过快速解析线路连接特征，精准定位关键节点与潜在故障点。量子机器学习结合电网实时监测数据，能够实现故障类型秒级诊断与隔离控制，同步优化线路负载与电压参数，降低输电损耗并提升可再生能源承载能力^[14]。

3.3 能源管输优化—量子优化模型破解存储与运输效率难题

在能源供应网络的高效运行中，运输、存储与分配环节的协同优化至关重要。量子计算正凭借其独特的算力优势，为解决管网拓扑结构复杂性、动态仓储调度难题及供需约束矛盾提供创新解决方案。

在管网流量调控领域，量子计算凭借量子比特的叠加态特性，能够同步评估数千种流量配置方案，利用量子算法构建的模型，迅速找出最优运输路径与流量分配方案，减少运输过程中的能源损耗与成本浪费，在保障输送安全的前提下，将全局优化决策周期大幅度缩短^[15]。在仓储优化方面，量子模型可以考虑储罐容量、环境参数与能源特性等多维变量，建立动态存储策略矩阵，提升储存效率并降低储存成本。在分配优化方面，量子计算可以根据不同地区的能源需求、能源价格、基础设施状况等要素，对能源分配进行精确规划，平衡供需关系，提高整个能源供应网络的可靠性与稳定性。

3.4 清洁技术革命—量子模拟推动清洁能源研发设计

清洁能源相较于传统能源在环境、经济、社会等多方面具有显著优势，各国正加紧研发针对各种清洁能源的技术，例如太阳能、生物质能、地热能、核能等。量子计算凭借其独特的计算优势，能够提高清洁能源的转换效率，加速新材料的研发。

在太阳能光伏电池设计中，传统方法大多依赖经验模型与试错法，需要耗费大量的时间和资源。而量子计算可以通过模拟功能，将光电转换微观过程进行高精度的复现，在此基础上开展优化计算，减少电子-光子相互作用能量损失，从而探寻出更加高效的太阳能光伏电池设计方案^[16]。

在生物质能领域，生物质能转化涉及各种复杂的化学反应路径，量子计算可以精确模拟生物质分子结构与酶催化过程，清晰地揭示整个反应的具体路径与关键步骤，量子计算还可以寻找温度、压力与催化剂等参数的最优组合，从而降低转化能耗，提升转化效率^[10]。

在地热能开发中，量子计算通过并行处理海量地质数据，加速地下热储模型的构建与优化，还可以借助量子算法预测开采对热储的长期影响，调整开采方案，避免热储衰竭，有效提高地热田开发的可持续性与资源利用率^[17]。

在核能研究中，量子计算可以精准模拟核裂变与核聚变反应过程中的粒子动态行为和能量分布状态，还可以模拟不同燃料组合在反应堆中的燃烧过程，科学家们在此基础上能够优化燃料组合与反应堆设计，延长核燃料使用寿命，减少放射性废物，推动核能系统安全性与经济性提升。

3.5 金融生态重塑—衍生品定价与投资组合的量子计算优势

能源行业有着数量庞大的金融衍生品，涵盖了各种各样的能源期货、期权等产品，在这些能源金融衍生品领域，无论是对衍生品进行准确定价，还是全面的管理风险，优化投资组合，都需要大量的精确的计算，量子计算在这几个方面都有着独特的计算优势^[6]。

能源衍生品定价需要综合考量地缘政治、供需波动与政策调控等多种因素的影响。量子计算能够对各种市场条件进行模拟，通过全面考虑影响价格的各种因素，快速且准确地计算出能源衍生品的公允价值，较传统方法在计算效率与精度层面实现突破性提升^[18]。能源衍生品投资组合优化需要在收益与风险间实现最优平衡，量子计算凭借其独特算法，例如量子近似优化算法（QAOA），快速遍历海量可能的资产配置组合，从中寻得风险与收益平衡的最优解，从而使投资者得到更优的投资策略^[19]。

在能源市场风险管理中，传统蒙特卡洛模拟方法依赖大量随机样本以逼近真实的风险分布，样本生成时间长，效率低。量子计算通过量子并行性能够快速生成海量随机样本，覆盖市场波动、信用违约与流动性风险等场景，显著提升风险评估的准确性与时效性，为金融机构和投资者提供动态风险对冲策略依据^[18]。

3.6 碳中和路径—量子算力赋能碳排放核算与能源结构调整

在能源系统碳排放核算以及能源结构优化调整方面，量子计算也具有重要应用价值。量子计算凭借其强大的计算能力，能够精确模拟各种化石能源燃烧中的化学反应，例如将煤质差异、燃烧条件变化等众多因素纳入考量，从而精准地计算碳排放量^[20]。量子计算还可以通过并行计算特性，同时处理不同地区、不同时间段的海量碳排放数据，大幅缩短碳排放核算时间。在制定能源结构调整策略时，量子计算能够借助量子优化算法，综合考虑能源需求、资源储量和环境影响等因素，同步分析太阳能、风能、水能等清洁能源与传统能源的组合方案，评估不同比例下的碳排放与经济性指标，筛选出低碳且可行的优化路径^[21]，助力能源结构优化调整。

量子计算在能源转型中的应用场景见图1。

4 量子计算推动各国能源转型的实践

全球能源体系正在向低碳化和数智化转型，能源行业对于算力的需求与日俱增。量子计算作为颠覆性技术正在加紧从基础研究向产业应用演进，虽然目前各国还没有形成能够量产的通用量子计算机，但在量子计算方面各自有着阶段性成果。以中国、美国和欧洲国家为代表的世界主要经济体，其量子计算技术日趋成熟，并逐步开始将量子计算技术与能源产业相结合，开展一系列实践试点，推动能源转型。

4.1 中国实践—电力系统智能化与新能源场景的量子融合

近年来，中国的量子计算产业发展迅速，本源量子计算科技（合肥）股份有限公司、北京玻色量子科技有限公司等量子计算企业逐渐崛起，同时政府引导产、学、研合作，推动量子计算产业发展，取得了一系列阶段性成果。中国科学技术大学潘建伟团队研发的“九章”光量子计算机和“祖冲之号”超导量子计算机，分别在光子操纵与量子比特数量上达到国际领先水平，为能源系统模拟与优化提供了硬件支撑。与此同时，中国的量子计算技术正在从实验室向电网、新能源等场景快速渗透。2023年，北京玻色量子科技有限公司联合北京清大科越股份有限公司和上海交通大学，利用101比特光量子计算机“天工量子大脑”求解虚拟电厂分布式资源解聚合优化问题，计算效率超越经典商用求解器Gurobi，为电网调度提供量子加速范式。2024年11月，合肥220千伏候店量子应用示范变电站正式投运，该变电站开发了基于量子计算的专用电网潮流算法，并在超导量子计算机上对示范站区域真实电网进行示范验证，提升了电网运行效率和故障响应速度，展现了量子计算在能源领域广阔的应用前景。

4.2 美国实践—模块化量子硬件与能源多场景协同创新

美国量子计算生态系统的构建展现出独特的市场驱动特征，科技巨头与初创企业的协同创新正在不断拓展技术边界。2023年，美国的IBM公司发布了第三代超导量子芯片Heron及基于Heron的IBM量子系统2。Heron具有133个固定频率的量子位和可调谐耦合器，相较于之前的Eagle（127量子比特），Heron的性能提高了3～5倍，错误率减少了80%，几乎完全消除了串扰，为能源系统大规模计算奠定基础。2024年12月，美国的谷歌公司推出了具有105个量子比特的超导芯片Willow，首次实现了低于阈值的量子计算，大大提升了计算的精确度，为量子算法在能源优化、材料模拟等领域的应用提供了硬件基础。

在能源转型实践方面，2021年，IBM与埃克森美孚（ExxonMobil）公司合作开发量子优化算法，将量子计算应用于能源运输领域，该合作致力于为液化天然气（LNG）运输路径问题寻找量子解决方案，通过计算商船的全球航线，将航行的距离和时间最小化。2024年，雪佛龙（Chevron）公司加入牛津量子电路公司（OQC）1亿美元的B轮融资，通过资本注入加速量子计算技术研发，为能源领域的未来应用奠定基础。2024年，美国能源部资助量子计算公司IonQ与橡树岭国家实验室合作，探索如何将量子计算技术应用于现代电网之中，以应对美国电网需求增加和分布式能源激增的挑战，增强美国电网的可靠性和安全性。

4.3 欧洲实践—跨产业算法协同与清洁材料量子模拟

欧洲通过“量子旗舰计划”能够将各国的研发资源整合起来，因此欧洲国家量子计算在多个领域处于世界先进地位，形成了“基础研究-技术转化-产业应用”的协同生态。2022年，西门子公司与Pasqal公司合作，推进量子计算在多物理场模拟领域的应用，提高西门子软件解决方案的性能，最终应用于能源、汽车、航空航天等领域。2022年，德国意昂集团（E.ON）与IBM公司量子计算部门合作研究电网脱碳问题，探索利用量子计算优化可再生能源的输送问题。2023年，宝马集团、空客公司与Quantinuum公司合作开发了一种混合量子经典工作流程，重点研究燃料电池中催化剂的化学反应，寻找可持续能源和氢动力以替代传统化石燃料。2025年3月，芬兰国家技术研究中心与IQM量子计算公司联合推出欧洲首台50量子比特计算机，采用新型芯片技术降低运行噪音，该系统通过云端向企业开放，已用于材料建模和电网优化算法测试。

5 量子计算在能源领域的应用障碍

尽管量子计算在能源领域展现出巨大应用潜力，但其大规模应用仍面临多重制约。当前障碍主要集中于技术瓶颈与数据挑战方面。

5.1 技术瓶颈—硬件稳定性不足与软件生态滞后

目前量子比特稳定性不足的问题较为突出，量子比特易受温度波动、电磁干扰等环境因素影响，导致量子态退相干，降低计算结果的可靠性^[22]，而纠错需要额外量子比特和复杂编码方案，大幅增加系统复杂性与资源消耗。尽管近年来量子比特数量有所增长，但稳定可控的量子比特规模仍然有限，难以支撑能源领域复杂的计算需求。现有量子算法如Shor算法、Grover算法等适用范围有限，难以覆盖能源领域多样化场景。量子计算所采用的编程模型以及编程语言与传统编程方式存在显著差异，导致构建量子计算专用软件体系面临重重困难^[23]。在量子算法的调试与优化过程中，量子计算遵循的不可克隆原理，进一步增加了开发可靠量子计算软件的难度。

5.2 数据挑战—异构性与质量缺陷制约应用落地

能源行业数据来源极为丰富，且数据格式差异巨大，而量子计算需要将数据转化成特定的量子态表示，这种数据异构性导致能源数据应用于量子计算时，难以直接进行统一处理与分析，阻碍了量子计算在能源行业的应用。另外，能源行业数据质量参差不齐的问题较为突出，传感器故障、环境干扰或历史记录错误导致数据包含噪声、错误值或者缺失值。量子计算依赖输入数据的精确性，低质量数据会显著降低模拟与预测精度，甚至可能误导能源生产和管理决策，造成经济损失和能源浪费。

6 建议

量子计算基于量子叠加与纠缠原理，通过超导、光量子等技术路径的突破，逐步从理论研究迈向实际应用。全球主要经济体通过强化基础研究、培育产业生态、跨领域融合及安全规制等政策工具推动量子计算与能源转型协同发展，挖掘量子计算在能源领域的赋能潜力。量子计算凭借其独特的量子特性，在能源勘探开采、能源系统优化、清洁能源研发及碳排放核算等领域展现独特优势，为能源转型提供了强大的算力支撑。中国、美国和欧洲等国家和地区积极发展量子计算技术，抢占技术高地，推动量子计算在能源领域的实践应用。但量子计算在能源转型中的大规模应用仍面临一系列阻碍，除了量子计算的技术瓶颈与能源行业的数据挑战外，跨学科复合型人才短缺以及试点经验匮乏也都阻碍了量子计算与能源行业的深度融合。基于此，提出以下建议。

6.1 强化产学研协同，培育复合型人才

构建高校、科研机构与能源企业的联合研发中心，高校提供量子计算和能源科学的前沿理论成果，科研机构利用先进设备和专业技术开展关键技术攻关，能源企业则基于实际的生产场景，提出量子计算应用的现实需求并反馈应用效果。政府要加大政策支持力度，设立专项基金，支持量子计算在能源转型方面的研究，同时建立人才流动机制，定期选派高校师生到能源企业实习，企业技术人员到高校进修，科研人员参与各方项目，培育既精通量子计算技术又熟悉能源行业需求的复合型人才。

6.2 推进技术实用化研发，突破应用瓶颈

加大量子计算硬件的研发投入力度，针对能源系统优化、能源金融衍生品定价等场景开发专用的量子芯片。面向电力负荷预测、电网优化等需求制定适配的量子算法，开发量子计算软件平台，降低量子计算编程难度，提供可视化编程界面和丰富的算法库，降低能源从业者的技术使用壁垒。能源企业与科研机构联合建设量子计算测试平台，模拟能源行业的各类应用场景，例如传统能源勘探、新能源材料研发等，通过数据反馈迭代优化技术方案。

6.3 构建数据生态，拓展应用示范

在能源行业应构建多层次数据生态体系，制定统一的数据标准，确保数据一致性、安全性与跨平台兼容性，推动量子计算与区块链、人工智能（AI）相融合，强化能源行业数据清洗，提高数据质量。在能源行业选取电力系统调度、能源供应网络优化等场景开展量子计算应用试点，积累实践经验并形成可推广的应用示范项目，推动量子计算在整个能源行业转型升级中的广泛应用。

展望未来，随着量子计算技术的持续突破，量子计算在全球能源领域的应用将向更深层次拓展，为能源转型升级与碳中和提供强大助力。中国应积极参与国际标准制定，加大量子计算基础研究投入，培育跨学科人才，加快能源产业智能化升级进程，助力能源转型。

参考文献：

[1]中国石油集团经济技术研究院.2025年中石油经研院能源数据手册[DS].2025.

[2]IEA.Global Energy Review 2025[R/OL].March 2025.https：//www.iea.org/reports/global-energy-review-2025.

[3]刘盼盼，王丽.战略性新兴产业前沿技术探测研究——以量子计算领域为例[J].中国科技论坛，2024（6）：46-57.

[4]DEODORO J，GORBANYOV M，MALAIKA M，et al.Quantum computing and the financial system：spooky action at a distance?[R/OL].（2021-03-12）.https：//www.imf.org/en/Publications/WP/Issues/2021/03/12/Quantum Computing-and-the-Financial-System-Spooky-Action-at-a-Distance-50159.

[5]龙桂鲁.量子计算机的研发进展与未来展望[J].人民论坛•学术前沿，2021（7）：44-56.

[6]汪勇，孟香君，沈维萍.量子计算在经济与金融领域中的应用[J].经济学动态，2023（1）：126-143.

[7]FEYNMAN R P.Simulating physics with computers[M]//FEYNMAN R P.Feynman and computation.cRc Press，2018：133-153.

[8]SHOR P W.Algorithms for quantum computation：discrete logarithms and factoring[C]//Proceedings 35th annual symposium on foundations of computer science，leee，1994：124-134.

[9]GROVER L K.A fast quantum mechanical algorithm for database search[C]//Proceedings of the twenty-eighth annual ACM symposium on Theory of computing.1996：212-219.

[10]PAUDEL H P，SYAMLAL M，CRAWFORD S E，et al.Quantum computing and simulations for energy applications：Review and perspective[J].ACS Engineering Au，2022，2（3）：151-96.

[11]张阳禹，郝宏娜，李奕政，等.量子计算发展现状及其在油气领域的应用潜力[J].国际石油经济，2024，32（12）：35-42.

[12]李文清，刘津濂，齐晓曼，等.量子技术在电力领域的应用分析与展望[J].电力与能源，2022，43（1）：1-6.

[13]ZHOU Y F，TANG Z F，NIKMEHR N，et al.Quantum computing in power systems[J].iEnergy，2022，1（2）：170-87.

[14]FEI X，ZHAO H，ZHOU X Y，et al.Power system fault diagnosis with quantum computing and efficient gate decomposition[J].Scientific reports，2024（14）：16991.

[15]MUNAWAR G，SURENDRO K.Utilizing quantum algorithms to achieve carbon neutrality in urban areas：A systematic review[J].Alexandria Engineering Journal，2024，108：911-936.

[16]MCARDLE S，ENDO S，ASPURU-GUZIK A，et al.Quantum computational chemistry[J].Reviews of Modern Physics，2020，92（1）：015003.

[17]郭国平.量子计算技术的产业变革与生态建构[J].人民论坛，2023（16）：13-17.

[18]EGGER D J，GAMBELLA C，MARECEK J，et al.Quantum computing for finance：State-of-the-Art and future prospects[J].IEEE Transactions on Quantum Engineering，2020，1：1-24.

[19]WANG Q F，ABDULLAH T.An introduction to quantum optimization approximation algorithm[R/OL].（2018-12-14）.https：//www.cs.umd.edu/class/fall2018/cmsc657/projects/group_16.pdf.

[20]BAYERSTADLER A，BECQUIN G，BINDER J，et al.Industry quantum computing applications[J].EPJ Quantum Technology，2021，8（1）：25.

[21]KOU G，PAMUCAR D，YüKSEL S，et al.Evaluation of multidimensional carbon neutrality policies in transportation using a novel quantum picture fuzzy rough modeling[J].IEEE Transactions on Engineering Management，2024，71：7681-7700.

[22]CASATI G，STRINI G.Principles of quantum computation and information，volume I：Basic concepts[M].World scientific，2004.

[23]黄钊龙，韩召颖.量子信息技术发展与国家安全[J].武汉大学学报（哲学社会科学版），2024，77（2）：51-60.

第一作者：庞明，博士，西安石油大学经济管理学院教授，研究方向为数据资产、能源金融、循环经济等。E-mail：pangming@xsyu.edu.cn

《国际石油经济》2025年第7期