在线木马检测-「麦肯锡」报告荐读！量子传感究竟在何处可以发光发热？

使用量子传感器将大大减少惯性测量单元的校准频率，从而减少累积漂移误差并提高导航精度。例如，量子磁力计在一年内的漂移小于100 pT，而传统的磁通门磁力计在几个小时内的漂移为几纳特。另外，量子传感器可以基于地球重力和地壳磁场的现有地图进行导航。在这些应用中，量子传感器的灵敏度比传统技术高出一到两个数量级。多模态量子磁力计可以通过结合高灵敏度的光泵磁力计（基于中性原子）和高度稳定的金刚石矢量磁力计（使用氮空位（nV）量子缺陷）的方式，变得更加稳健，后者由于其晶体结构具有天然的方向校准。要使量子导航传感器足够紧凑、稳健且成本低廉以便在车辆和其他移动平台上广泛使用，还需要进一步发展。不过，几家公司最近成功进行的量子导航系统原型的现场测试表明，nV-金刚石传感器可能在未来两年内具备商业化准备，而光泵磁力计系统可能在未来五年内准备就绪（QED-c，2022年）。随着对开发的持续投资，这种量子传感技术很快就可以应用于船舶、汽车和无人机。从长远来看，该技术可以在自动驾驶车辆和国防应用中实现。

微电子功能分析

量子传感器还可以通过非侵入性诊断成像检测微电子系统中的电流和磁化状态，从而提高对缺陷和运行状态的检测。在短期内，这项技术可以用于提高各种微电子设备的功能分析灵敏度，从电动汽车（EV）电池到计算机芯片，以及辅助使用3D架构设计下一代集成电路（Ic）。以半导体芯片制造过程为例，质量控制的一个方面是确保磁存储单元的特征尺寸远小于100纳米。现有的测试测量通过将电探针连接到存储点并检查其电性能进行，但只能在生产过程结束时进行。相比之下，量子磁传感器可以在生产过程的早期阶段——在芯片金属化、封装和切割之前——分析存储器中的各个点，这将极大地有利于未来的芯片设计和质量控制。

此外，通过AI分析这些图像，成像由电流产生的矢量磁场可以用于多种应用，例如：集成电路（Ic）和电动汽车电池中的故障检测；识别Ic中的恶意电路、特洛伊木马或侧信道攻击；检测假冒芯片；以及辅助开发下一代Ic（Levine，2019）。磁场可以穿透大多数材料，从而提供一个强大的窗口来观察微电子设备的结构和功能，就像生物医学中的功能性MRI（fMRI）一样。

nV-金刚石传感器特别适合这些应用，因为它们提供了高空间分辨率、良好灵敏度和宽视野的最小侵入性矢量磁成像（DebuisscheRt，2021）。最近量子传感初创企业的激增已经使得首批桌面级nV-金刚石产品用于微电子分析，并且目前的商业应用主要集中在芯片研究、Ic故障分析和电动汽车电池质量控制上。除了在半导体和电池故障分析中的短期应用外，长期来看，这项技术还可以用于半导体芯片和电动汽车电池制造中的在线计量，然后扩展到普通电子设备，并替代国防领域的许多分析仪器。

地下测量和其他恶劣环境

最后，我们看到量子传感器在地下和其他极端或恶劣环境中的应用，这些技术可以提供更稳健和精确的测量，例如磁场和重力场的测量（Bongs等，2023）。例如，地表下准确的磁力和重力地图可以帮助识别断层，定位矿物、石油和埋藏物（cRawfoRd，2021）或相关流动，例如水流（Bongs等，2023）。为了获得如此准确的读数，设备需要足够紧凑，例如能够安装在无人机机翼上或穿行于地下隧道或地表车辆的后备箱中（StRay，2022）。

传统设备无法轻易区分测量到的磁场或重力场与环境噪声，例如传感器所在的无人机或车辆的噪声，从而为用于模拟地下环境的数学模型提供的信息有限。量子传感器具有高度灵敏性——基于中性原子的传感器，如原子蒸气磁力计或梯度仪，甚至可以感知非常微弱的矢量磁场和重力梯度，从而将无人机地图的分辨率从100米提高到10米。例如，这些设备通过测量原子共振线的偏移来提供高灵敏度的测量。通过观察矢量梯度而不是标量梯度，这些传感器可以衍生出更高级的自定义补偿算法，以减少环境噪声的影响，并自定义脉冲序列以过滤各种噪声源（Bongs等，2023）。

首批这些量子传感器已经用于检测火山过程引起的重力变化（antoni-MicollieR等，2022）。为了大规模工作，需要改进以最小化振动和急剧操作的影响，这些影响可能会导致传感器停止工作。长期来看，这些传感器和其他基于nV-金刚石的传感器可以用于检测埋藏管道和电力线的磁场，监测电力变压器和发电厂的温度，并作为磁力计帮助控制聚变反应堆。

展望未来：将量子传感提升到新水平/Looking foRwaRd: Taking quantum sensing to the next level

量子传感器的潜力远远超出了上述应用案例。可以预测未来高影响力的应用领域，例如量子传感器可能实现单个生物细胞甚至单个蛋白质的核磁共振（nMR）光谱和磁共振成像（MRI），从而在人类健康方面带来变革性可能。正如基于量子效应的20世纪技术（如半导体）的全部潜力在几十年后才得以显现，量子传感器也可能创造出目前无法预见的全新机遇。

如今，一些量子传感器仍然过大、过重、过于昂贵，或是定制化生产的。因此，要实现广泛的商业影响，还需要进一步发展以减小设备的尺寸、重量和功耗（SWaP），并提高制造成本效率（Bongs等，2023）。但这些进步是可以实现的。通过明智的投资，行业领袖可以加速量子传感器的商业化进程，使其融入技术生态系统，开启多样化的应用场景，如前述的那些，并为人工智能训练和应用提供大量新的数据集。

主要内容：量子传感一览/MAIn takeaways: Quantum sensing at a glance

为了利用量子传感并发挥其潜力，以下行动将非常重要。

拥抱短期和长期价值

量子传感是一个利润丰厚的新兴市场。近期应用可能比量子计算应用更早产生商业价值。量子传感技术的扩展潜力巨大，因为该技术可以颠覆多个行业（如上所述）并探索新领域。需要投资来推进技术发展、产生持续价值并充分探索新兴的传感用例。现在可以获取价值，从长远来看可以释放更多价值。许多中小型市场加起来具有巨大的经济价值。

融入现有技术，形成新生态系统我们看到，除了现有传感器之外，还出现了一个新兴生态系统。量子传感器可以观察到传统技术曾经无法观察到的东西，为新见解开辟了可能性。目前，已经有专用的量子传感硬件和早期的人工智能算法用于数据分析。为了在短期内发挥最大影响，量子传感器必须集成到现有技术和基础设施中。从长远来看，随着该技术的广泛采用，量子传感器可以提供独特的大型数据集，用于训练具有广泛影响的人工智能算法。为了释放这种影响，一个发达的生态系统可以发挥重要作用。创新集群在全球多个地方出现。虽然这是一个很好的机会和重要的一步，但也存在需要克服的重大挑战，例如需要跨学科协调。协调者可以在这里发挥核心作用，制定明确的战略并连接生态系统的各个利益相关者，例如研究机构、初创企业和行业参与者，他们在传感用例上进行协作。培养量子传感人才

量子传感需要广泛的专业知识和特定的能力。文章开头提到的市场增长有可能超过人才增长的速度。人才与市场增长之间的差距可能会成为量子传感行业的瓶颈。因此，需要特定的培训模式，将工程学与量子知识相结合，使行业领导者熟悉量子传感及其潜力。这包括使毕业生获得量子传感相关技能的能力，并培训有经验的专业人士以获取相关技能。

采用新的思维方式

目前很多事物都集中在利用量子传感器来改进现有的应用，但设备成本和尺寸存在限制，并且需要与现有技术竞争。因此，有必要追求具有颠覆性和前瞻性的想法，超越现有应用的范畴，例如探索量子传感器在现有技术无法操作的极端环境中的可能性。公司应该勇于开拓新领域。

缩小研究与产业之间的差距

就他们而言，行业参与者需要积极主动地与量子传感研究人员接触，而研究人员则需要超越实验室，看向潜在的新机遇和令人兴奋的可能性。初创企业在推动量子传感技术和探索新应用方面也将发挥关键作用，但需要耐心和远见的投资。这三方之间的合作与伙伴关系有可能填补这一差距，释放潜力。将研究实验室的现有研究成果应用到行业的专用用例中，是量子传感技术蓬勃发展的关键下一步之一。

致谢

作者未接受任何资助用于本文的研究、撰写和/或出版。本文未使用任何人工智能辅助技术，如生成式聊天机器人、大型语言模型（LLMs）或AI媒体技术。作者们感谢为本文接受采访的专家们。

作者简介

YannickBoRmuth毕业于瑞士联邦理工学院（ETH ZuRich），获得物理学学士学位和管理、技术与经济学硕士学位。他是麦肯锡公司苏黎世办公室的顾问，专注于数字技术与工业领域的交叉点。

Yannick BoRmuth

MaRtina GschwendtneR在慕尼黑工业大学和马克斯·普朗克量子光学研究所获得量子计算博士学位。她是麦肯锡数字部门慕尼黑办公室的项目经理和团队负责人，专注于量子技术，包括计算、传感和通信，从硬件到工业应用的全方位覆盖。

MaRtina GschwendtneR

Henning SolleR在海德堡大学获得物理学博士学位。他是麦肯锡数字部门的合伙人，专注于为银行进行大规模IT和数据转型的咨询，致力于推动数字化和创新。Henning SolleR负责领导麦肯锡的量子研究工作。

Henning SolleR

amanda Stein正在马里兰大学攻读信息研究的博士学位。她曾是马里兰大学量子技术中心的高级主任，目前担任量子催化剂（Q-caT）的首席执行官。Q-caT专注于量子传感研究与开发，并致力于从这些研究中孵化新的初创企业。

amanda Stein

Ronald WalswoRth是马里兰大学电气与计算机工程系和物理系的Minta MaRtin教授（是马里兰大学授予在其研究领域做出重大学术贡献的全职教授），也是马里兰大学量子技术中心的创始主任。他同时也是量子催化剂（Quantum catalyzeR）的创始人。

Ronald WalswoRth

参考链接

[1]