CN108874538A - 一种用于调度量子计算机的调度服务器、调度方法及应用 - Google Patents

一种用于调度量子计算机的调度服务器、调度方法及应用 Download PDF

Info

Publication number
CN108874538A
CN108874538A CN201810547723.1A CN201810547723A CN108874538A CN 108874538 A CN108874538 A CN 108874538A CN 201810547723 A CN201810547723 A CN 201810547723A CN 108874538 A CN108874538 A CN 108874538A
Authority
CN
China
Prior art keywords
task
quantum
dispatch server
quantum computer
dispatching
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810547723.1A
Other languages
English (en)
Other versions
CN108874538B (zh
Inventor
张嵩昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Native Quantum Computing Technology Co Ltd
Origin Quantum Computing Technology Co Ltd
Original Assignee
Hefei Native Quantum Computing Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei Native Quantum Computing Technology Co Ltd filed Critical Hefei Native Quantum Computing Technology Co Ltd
Priority to CN201810547723.1A priority Critical patent/CN108874538B/zh
Publication of CN108874538A publication Critical patent/CN108874538A/zh
Application granted granted Critical
Publication of CN108874538B publication Critical patent/CN108874538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00Arrangements for program control, e.g. control units
    • G06F9/06Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46Multiprogramming arrangements
    • G06F9/50Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer And Data Communications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种用于调度量子计算机的调度服务器、调度方法及应用,属于量子计算领域。针对现有技术中存在的现有资源调度器不能很好结合实际需求进行量子计算机资源调度问题,本发明提供了一种用于调度量子计算机的调度服务器、调度方法及应用,利用该调度服务器可以将获取到的针对量子计算机的任务进行时间上的计算,包括记录模块、解析模块、预判模块、执行器、任务记录表,调度服务器对任务所有任务时间进行判读,将下一任务合理分配给较为空闲的量子计算机,并可以应用于量子云平台,降低了计算成本,整合了市场资源,方便、快捷。

Description

一种用于调度量子计算机的调度服务器、调度方法及应用
技术领域
本发明涉及量子计算领域,更具体地说,涉及一种用于调度量子计算机的调度服务器、调度方法及应用。
背景技术
以量子比特为基本单位制成的计算机即为量子计算机。经典比特是用电平的高低来分别表示1和0,从而对信息进行编码。而量子比特是用什么编码0和1呢?之前我们提到过,在量子世界里,能量是一份一份出现的,这种现象被我们称为量子化。我们选取一种特殊状态的粒子,它的能量只有两种状态,低能级(基态),高能级(激发态)。打一个比方,粒子是人,而不同的能级是台阶。站在台阶下边意味着处于基态,站在台阶上边则是处于激发态。我们把低能级编码为0,高能级编码为1,这就是量子比特。
量子计算机在很多方面相比于传统计算机有着先天优势:一、计算速度快。由于量子计算机可以存储于操作0与1的相干叠加态。而传统计算机只有0,1两种状态。这意味着同样是N个比特的计算机,量子计算机一次运算最多可以操作2n组数据,而经典计算机只能处理1组数据。以两个比特为例,经典计算机一次操作可以将01变为10。而量子计算机则可以将(|00>+|01>)变为(|10>+|11>),相当于同时处理两组数据。这就意味着,随着比特数的增加,量子计算机的计算速度将获得指数级的增长。二、能耗低。信息论中有一个理论:信息的抹除需要消耗一定的能量。举个例子,传统计算机中,逻辑与门实现的功能为,当输入全部为1时,输出为1,否则输出为零。当得到计算结果为0后,之前的输入信息我们通过结果无法推测。这种计算成为不可逆计算。由于得到输出结果后便抹除了输入的信息,因此需要消耗能量。随着传统计算机集成度的增加,散热问题会越来越棘手,而量子计算则为可逆计算,从输出的结果可以反推出输入的数据。因此热损耗将大大降低。
量子计算是利用量子力学现象(如态叠和纠缠)进行计算。量子计算机运行环境极其严苛,相较当前的计算机很难实现普及,量子云计算平台能够很好的解决普及型这个关键点。量子云计算平台是以量子计算机为核心的云服务,用户经过量子云平台将量子程序(一种量子编程语言,类比经典计算机编程语言,此语言被量子计算机所识别)经过云平台将被发送到量子云平台所连接的量子计算机上,由量子计算机识别该语言,并执行计算后返回计算结果。
由于量子云计算平台涉及到申请量子计算机资源,这就涉及到了调度量子计算机资源,量子计算机资源是量子计算机整合后的能够提供给用户使用的东西,如用户向量子计算机申请计算某个量子线路运行结果,量子线路由量子逻辑门构成,量子逻辑门概念可参考经典逻辑门概念,量子逻辑门操作的是量子计算机,量子计算机运行该结果所消耗的资源即为所申请的量子计算资源,如量子计算机的计算能力,量子计算机的数据存储空间等都属于量子计算资源,请求通过提交量子程序的方式进行,但由于量子计算机与经典计算机存在一些差异,导致现有资源调度器不能很好结合实际需求进行资源调度,现有资源调度器无法考虑一条量子线路执行的时间,量子计算机的调度服务器就是为了调度量子计算机资源出现的。
发明内容
1.要解决的技术问题
针对现有技术中存在的现有资源调度器不能很好结合实际需求进行量子计算机资源调度问题,本发明提供了一种用于调度量子计算机的调度服务器、调度方法及应用。利用该调度服务器可以将获取到的针对量子计算机的任务进行时间上的计算,调度服务器对任务所有任务时间进行判读,将下一任务合理分配给较为空闲的量子计算机。
2.技术方案
本发明的目的通过以下技术方案实现。
一种用于调度量子计算机的调度服务器,包括,
记录模块:记录量子计算机逻辑门种类及数量,记录不同种类逻辑门运行不同任务的耗时;
解析模块:解析计算任务所需逻辑门种类及数量的信息,分析出要执行的逻辑门的种类和数量;
预判模块:对计算任务总时间进行判断;
执行器:将本次任务耗时进行记录,根据量子计算机资源状态,依据任务记录表,进行分配,分配至不同量子计算设备;
任务记录表:执行器执行完任务后,更新设备任务执行情况。
更进一步的,量子计算机资源状态,通过量子计算机不同设备正在进行任务排队总时长判断。
更进一步的,任务记录表更新量子计算机资源状态,将量子计算机对应设备原任务排队总时长减去已执行完的任务耗时。
一种用于调度量子计算机的调度服务器的调度方法,步骤如下:
步骤一,获取任务执行参数;
步骤二,预判模块根据执行参数,对该任务总时间进行判断;
步骤三,向执行器发送任务,记录任务耗时,并分配量子计算器资源进行任务执行;
步骤四,执行器在量子计算器执行完任务后更新任务记录表,更新设备任务执行情况。
更进一步的,步骤一中,通过解析模块解析计算任务所需逻辑门种类及数量的信息,分析出要执行的逻辑门的种类和数量,后将解析信息送入预判模块。
更进一步的,骤二中预判模块综合解析模块和记录模块相应信息,计算任务总时间。
更进一步的,执行器选择现有设备进行任务总执行时间最少的设备执行本次任务。
更进一步的,调度服务器应用于量子云平台工作。
用于调度量子计算机的调度服务器的应用,应用于量子云平台,步骤如下:
步骤A,用户通过用户信息及任务提交设备进行云平台登录,确认登录权限;
步骤B,用户登陆后,用户提交计算请求;
步骤C,量子云平台判断提交任务权限;
步骤D,量子云平台将计算请求提交至调度服务器,调度服务器对计算资源合理分配;
步骤E,调度服务器向量子计算机请求计算资源,量子计算机执行结果;
步骤F,量子计算机将结果反馈给调度服务器,调度服务器再将具体结果反馈量子云平台,量子云平台将结果展示给用户。
更进一步的,步骤B中,计算请求为编辑好的量子线路或量子语言。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)本发明提供了调度服务器对量子计算资源在调度方面做了优化,根据各个量子门可能执行的时间对所提交的任务进行排队,做到让每个用户等待执行时间更短,提高计算效率;
(2)本方案通过任务记录表,执行完任务后更新任务记录表,更新设备任务执行情况。实时更新所有任务执行的状态,整体调度器更新更加快速,效率高;
(3)本方案的调度服务器,可以应用于云平台的资源分配中,提供了一种让普通用户,即不具备单独购买并运行量子计算机的人群能够拥有操作量子计算机执行计算的平台和方法,降低了计算成本,整合了市场资源,方便、快捷。
附图说明
图1为本发明的是调度服务器的工作流程图;
图2是调度服务器应用于量子云计算平台工作的整体流程图。
具体实施方式
下面结合说明书附图和具体的实施例,对本发明作详细描述。
实施例1
提供了调度服务器,已经对应的一套任务分配方法,对量子线路进行时间上预先判断,再将任务分配给量子计算机。通过记录模块,事先记录一些相关量子线路或量子语言执行任务复杂度的记录,如量子线路中某个量子逻辑门执行一次所需要的时间。
通过解析模块:解析计算任务所需逻辑门种类及数量的信息,分析出要执行的逻辑门的种类和数量;通过预判模块,对于量子云后台提交来的任务根据量子逻辑门的数量、每个逻辑门执行的时间对该量子线路执行时间进行预判,本处预判是指根据量子逻辑门的数量及每个逻辑门执行的时间进行叠加来确定时间,例如一个操纵6位比特的H逻辑门执行时间是1,执行5次,执行时间为5,M门根据操作的比特数衡量执行时间,如操操纵1位比特执行M门的时间为1,操纵6比特的M门则为6,但M门不可反复执行,只能执行一次,即M门与操纵比特数有关,所以当执行5次H门,一次M门时,执行总时间为11。依照此类方法对量子线路执行时间进行预判。
通过执行器,计算执行时间,各个逻辑门执行时间是根据本系统量子计算机实际执行时间得出的结果,不同量子计算机性能略有不同,数据会进行调节,但是根据该设计思路,即根据不同逻辑门,逻辑门执行次数计算出来的执行时间的方法是本方案独特之处,同时根据量子计算资源使用情况,如量子计算机设备1空闲,设备2还在计算,可将该任务分配给设备1;再如设备1排队2个任务,执行时间为20,设备2排队3个任务,执行时间为10,本次任务经过预估执行时间为5,将本次任务分配给设备2,将其完成所有任务执行时间改为15,依照此调度算法执行完所有任务需要耗费的总时长为20;对比以往调度算法未对量子线路执行时间进行预先判断无法得知可能耗费的时间,只是单纯对于发送来的任务进行分配如本例中设备1有2个任务,设备2有3个任务,将该任务分配给设备1,依照此调度算法执行完所有任务需要耗费的总时长为25,相对于本发明中的使用到的调度器时间耗费增加了5,设备2在执行完所有任务后处于停滞状态,然而所有任务并未执行完,此为资源利用进行资源分配。
相比较现在的任务调度器,其特点在于根据量子逻辑门数量和执行时间进行任务总执行时间的判断,现有任务调度服务器未考虑到量子逻辑门数量和执行时间这两点重要因素,导致在申请量子计算资源时比较随机,如设备1预计执行时间20,未执行任务3,设备2预计执行时间30,未执行任务2,现有调度服务器可能将下一个任务分配给设备2。
执行器执行完任务后更新任务记录表,更新设备任务执行情况。实时更新所有任务执行的状态。
整体本方案的调度服务器可以更好的对量子计算资源进行分配,根据各个量子门可能执行的时间对所提交的任务进行排队,做到让每个用户等待执行时间更短,提高计算效率。
实施例2
调度量子计算机的调度服务器的的工作步骤如下:
步骤一,获取任务执行参数。云平台发送任务请求后,调度服务器负责对任务进行解析提交的任务中有逻辑门种类及数量的信息,分析出要执行的逻辑门的种类和数量,并以此作为参数。
步骤二,根据各个参数,对该任务总时间进行判断。每个逻辑门执行时间为提前设定好的值,该时间为预估时间,根据真实量子计算机执行该逻辑门所耗时间获得,在本调度服务器计算耗时中使用。当计算耗时时候,先获取所有逻辑门各自耗时,在根据逻辑门数量进行时间叠加。个别逻辑门耗时计算规则不同,会做相关处理,对于每个逻辑门都有一个相关的计算参数,记录不同的计算规则,耗时多久等参数。
步骤三,向执行器发送任务,记录任务耗时。步骤二得出相关结果后,将本次任务耗时进行记录,根据量子计算机资源的不同,进行分配,如量子计算机设备1空闲,设备2还在计算,可将该任务分配给设备1;再如设备1排队2个任务,执行时间为20,设备2排队3个任务,执行时间为10,本次任务经过预估执行时间为5,将本次任务分配给设备2,将其完成所有任务执行时间改为15,依照此调度算法执行完所有任务需要耗费的总时长为20;对比以往调度算法未对量子线路执行时间进行预先判断无法得知可能耗费的时间,只是单纯对于发送来的任务进行分配如本例中设备1有2个任务,设备2有3个任务,将该任务分配给设备1,依照此调度算法执行完所有任务需要耗费的总时长为25,相对于本发明中的使用到的调度器时间耗费增加了5,设备2在执行完所有任务后处于停滞状态,然而所有任务并未执行完,资源利用率更高。
相比较现在的任务调度器,本方案的特点在于根据量子逻辑门数量和执行时间进行任务总执行时间的判断,现有任务调度服务器未考虑到量子逻辑门数量和执行时间这两点重要因素,导致在申请量子计算资源时比较随机,如设备1预计执行时间20,未执行任务3,设备2预计执行时间30,未执行任务2,现有调度服务器可能将下一个任务分配给设备2。以上任务分配后会记录在数据库表中,再次接收到任务后会对该表进行查询。
步骤四,执行器执行完任务后更新任务记录表,更新设备任务执行情况。例如量子计算机1已经执行完a任务,该任务耗时为5,此耗时为本调度器判断耗时,计算机1所有任务耗时20,则本次更新后所有任务耗时为15,即减去已执行完的任务耗时,这样做的目的是实时更新所有任务执行的状态。
实施例3
本方案的调度量子计算机的调度服务器,应用于量子云平台,工作步骤如下:
步骤A,用户通过用户信息及任务提交设备进行云平台登录,确认登录权限;
步骤B,用户登陆后,用户提交计算请求;步骤B中,计算请求为编辑好的量子线路或量子语言。
步骤C,量子云平台判断提交任务权限;
步骤D,量子云平台将计算请求提交至调度服务器,调度服务器对计算资源合理分配;
步骤E,调度服务器向量子计算机请求计算资源,量子计算机执行结果;
步骤F,量子计算机将结果反馈给调度服务器,调度服务器再将具体结果反馈量子云平台,量子云平台将结果展示给用户。
此处的应用提供了一种让普通用户,即不具备单独购买并运行量子计算机的人群,能够拥有操作量子计算机执行计算的平台和方法,通过调度服务器,选择合理的计算资源,降低了计算成本,整合了市场资源,方便、快捷。
以上示意性地对本发明创造及其实施方式进行了描述,该描述没有限制性,在不背离本发明的精神或者基本特征的情况下,能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一,实际的结构并不局限于此,权利要求中的任何附图标记不应限制所涉及的权利要求。所以,如果本领域的普通技术人员受其启示,在不脱离本创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本专利的保护范围。此外,“包括”一词不排除其他元件或步骤,在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。

Claims (10)

1.一种用于调度量子计算机的调度服务器,其特征在于:包括,
记录模块:记录量子计算机逻辑门种类及数量,记录不同种类逻辑门运行不同任务的耗时;
解析模块:解析计算任务所需逻辑门种类及数量的信息,分析出要执行的逻辑门的种类和数量;
预判模块:对计算任务总时间进行判断;
执行器:将本次任务耗时进行记录,根据量子计算机资源状态,依据任务记录表,进行分配,分配至不同量子计算设备;
任务记录表:执行器执行完任务后,更新设备任务执行情况。
2.根据权利要求1所述的一种用于调度量子计算机的调度服务器,其特征在于:量子计算机资源状态,通过量子计算机不同设备正在进行任务排队总时长判断。
3.根据权利要求1所述的一种用于调度量子计算机的调度服务器,其特征在于:任务记录表更新量子计算机资源状态,将量子计算机对应设备原任务排队总时长减去已执行完的任务耗时。
4.一种用于调度量子计算机的调度服务器的调度方法,步骤如下:
步骤一,获取任务执行参数;
步骤二,预判模块根据执行参数,对该任务总时间进行判断;
步骤三,向执行器发送任务,记录任务耗时,并分配量子计算器资源进行任务执行;
步骤四,执行器在量子计算器执行完任务后更新任务记录表,更新设备任务执行情况。
5.根据权利要求4所述的一种用于调度量子计算机的调度服务器的调度方法,其特征在于:步骤一中,通过解析模块解析计算任务所需逻辑门种类及数量的信息,分析出要执行的逻辑门的种类和数量,后将解析信息送入预判模块。
6.根据权利要求4所述的一种用于调度量子计算机的调度服务器的调度方法,其特征在于:步骤二中预判模块综合解析模块和记录模块相应信息,计算任务总时间。
7.根据权利要求4所述的一种用于调度量子计算机的调度服务器的调度方法,其特征在于:执行器选择现有设备进行任务总执行时间最少的设备执行本次任务。
8.基于权利要求1-3任一所述的用于调度量子计算机的调度服务器的应用,其特征在于:调度服务器应用于量子云平台工作。
9.基于权利要求8所述的用于调度量子计算机的调度服务器的应用,其特征在于:量子云平台工作步骤如下:
步骤A,用户通过用户信息及任务提交设备进行云平台登录,确认登录权限;
步骤B,用户登陆后,用户提交计算请求;
步骤C,量子云平台判断提交任务权限;
步骤D,量子云平台将计算请求提交至调度服务器,调度服务器对计算资源合理分配;
步骤E,调度服务器向量子计算机请求计算资源,量子计算机执行结果;
步骤F,量子计算机将结果反馈给调度服务器,调度服务器再将具体结果反馈量子云平台,量子云平台将结果展示给用户。
10.基于权利要求8所述的用于调度量子计算机的调度服务器的应用,其特征在于:步骤B中,计算请求为编辑好的量子线路或量子语言。
CN201810547723.1A 2018-05-31 2018-05-31 用于调度量子计算机的调度服务器、调度方法及应用方法 Active CN108874538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810547723.1A CN108874538B (zh) 2018-05-31 2018-05-31 用于调度量子计算机的调度服务器、调度方法及应用方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810547723.1A CN108874538B (zh) 2018-05-31 2018-05-31 用于调度量子计算机的调度服务器、调度方法及应用方法

Publications (2)

Publication Number Publication Date
CN108874538A true CN108874538A (zh) 2018-11-23
CN108874538B CN108874538B (zh) 2020-10-13

Family

ID=64335970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810547723.1A Active CN108874538B (zh) 2018-05-31 2018-05-31 用于调度量子计算机的调度服务器、调度方法及应用方法

Country Status (1)

Country Link
CN (1) CN108874538B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109739627A (zh) * 2018-12-26 2019-05-10 上海连尚网络科技有限公司 任务的调度方法、电子设备及介质
CN110069348A (zh) * 2019-05-05 2019-07-30 济南浪潮高新科技投资发展有限公司 一种高效利用云中心量子计算机资源的方法
CN111031130A (zh) * 2019-12-13 2020-04-17 山东浪潮人工智能研究院有限公司 一种测控系统
WO2020108993A1 (en) * 2018-11-29 2020-06-04 International Business Machines Corporation Co-scheduling quantum computing jobs
CN111291893A (zh) * 2020-01-22 2020-06-16 合肥本源量子计算科技有限责任公司 调度方法、调度系统、存储介质和电子装置
CN112099930A (zh) * 2020-09-14 2020-12-18 济南浪潮高新科技投资发展有限公司 一种量子计算机集群分布式队列调度方法
CN112214327A (zh) * 2020-10-23 2021-01-12 济南浪潮高新科技投资发展有限公司 一种基于量子云平台的量子计算机资源调度的系统及方法
CN112465146A (zh) * 2020-11-19 2021-03-09 苏州浪潮智能科技有限公司 一种量子与经典混合云平台以及任务执行方法
CN113902120A (zh) * 2021-09-18 2022-01-07 中国人民解放军战略支援部队信息工程大学 异构云解算平台混合计算任务动态自适应划分调度方法及系统
CN115469979A (zh) * 2022-02-25 2022-12-13 合肥本源量子计算科技有限责任公司 量子控制系统的调度装置、方法以及量子计算机
CN115705499A (zh) * 2021-08-13 2023-02-17 合肥本源量子计算科技有限责任公司 量子计算机操作系统以及量子计算机
CN116302453A (zh) * 2023-05-22 2023-06-23 中诚华隆计算机技术有限公司 量子电子混合平台的任务调度方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8046207B2 (en) * 2005-12-27 2011-10-25 The Mathworks, Inc. Digital effects analysis in modeling environments
CN104468752A (zh) * 2014-11-26 2015-03-25 无锡成电科大科技发展有限公司 一种提高云计算资源利用率的方法及系统
US9317331B1 (en) * 2012-10-31 2016-04-19 The Mathworks, Inc. Interactive scheduling of an application on a multi-core target processor from a co-simulation design environment
CN105959395A (zh) * 2016-06-15 2016-09-21 徐州医科大学 一种集群自反馈式负载均衡调度系统及方法
CN107209688A (zh) * 2015-01-26 2017-09-26 高通股份有限公司 用于加速任务控制流的方法和系统
CN107908458A (zh) * 2017-11-10 2018-04-13 苏州铭冠软件科技有限公司 一种考虑时间和费用的云计算数据资源调度方法
CN107992359A (zh) * 2017-11-27 2018-05-04 江苏海平面数据科技有限公司 一种云环境下代价感知的任务调度算法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8046207B2 (en) * 2005-12-27 2011-10-25 The Mathworks, Inc. Digital effects analysis in modeling environments
US9317331B1 (en) * 2012-10-31 2016-04-19 The Mathworks, Inc. Interactive scheduling of an application on a multi-core target processor from a co-simulation design environment
CN104468752A (zh) * 2014-11-26 2015-03-25 无锡成电科大科技发展有限公司 一种提高云计算资源利用率的方法及系统
CN107209688A (zh) * 2015-01-26 2017-09-26 高通股份有限公司 用于加速任务控制流的方法和系统
CN105959395A (zh) * 2016-06-15 2016-09-21 徐州医科大学 一种集群自反馈式负载均衡调度系统及方法
CN107908458A (zh) * 2017-11-10 2018-04-13 苏州铭冠软件科技有限公司 一种考虑时间和费用的云计算数据资源调度方法
CN107992359A (zh) * 2017-11-27 2018-05-04 江苏海平面数据科技有限公司 一种云环境下代价感知的任务调度算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴楠等: ""通用量子计算机:理论、组成与实现"", 《计算机学报》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10997519B2 (en) 2018-11-29 2021-05-04 International Business Machines Corporation Co-scheduling quantum computing jobs
WO2020108993A1 (en) * 2018-11-29 2020-06-04 International Business Machines Corporation Co-scheduling quantum computing jobs
US11972321B2 (en) 2018-11-29 2024-04-30 International Business Machines Corporation Co-scheduling quantum computing jobs
CN109739627A (zh) * 2018-12-26 2019-05-10 上海连尚网络科技有限公司 任务的调度方法、电子设备及介质
CN110069348A (zh) * 2019-05-05 2019-07-30 济南浪潮高新科技投资发展有限公司 一种高效利用云中心量子计算机资源的方法
CN110069348B (zh) * 2019-05-05 2023-09-19 山东浪潮科学研究院有限公司 一种高效利用云中心量子计算机资源的方法
CN111031130A (zh) * 2019-12-13 2020-04-17 山东浪潮人工智能研究院有限公司 一种测控系统
CN111291893A (zh) * 2020-01-22 2020-06-16 合肥本源量子计算科技有限责任公司 调度方法、调度系统、存储介质和电子装置
CN111291893B (zh) * 2020-01-22 2023-06-02 合肥本源量子计算科技有限责任公司 调度方法、调度系统、存储介质和电子装置
CN112099930A (zh) * 2020-09-14 2020-12-18 济南浪潮高新科技投资发展有限公司 一种量子计算机集群分布式队列调度方法
CN112214327A (zh) * 2020-10-23 2021-01-12 济南浪潮高新科技投资发展有限公司 一种基于量子云平台的量子计算机资源调度的系统及方法
CN112465146A (zh) * 2020-11-19 2021-03-09 苏州浪潮智能科技有限公司 一种量子与经典混合云平台以及任务执行方法
CN112465146B (zh) * 2020-11-19 2022-05-24 苏州浪潮智能科技有限公司 一种量子与经典混合云平台以及任务执行方法
CN115705499A (zh) * 2021-08-13 2023-02-17 合肥本源量子计算科技有限责任公司 量子计算机操作系统以及量子计算机
CN113902120A (zh) * 2021-09-18 2022-01-07 中国人民解放军战略支援部队信息工程大学 异构云解算平台混合计算任务动态自适应划分调度方法及系统
CN115469979A (zh) * 2022-02-25 2022-12-13 合肥本源量子计算科技有限责任公司 量子控制系统的调度装置、方法以及量子计算机
CN115469979B (zh) * 2022-02-25 2024-05-07 本源量子计算科技(合肥)股份有限公司 量子控制系统的调度装置、方法以及量子计算机
CN116302453A (zh) * 2023-05-22 2023-06-23 中诚华隆计算机技术有限公司 量子电子混合平台的任务调度方法及装置

Also Published As

Publication number Publication date
CN108874538B (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
CN108874538A (zh) 一种用于调度量子计算机的调度服务器、调度方法及应用
Bao et al. Performance modeling and workflow scheduling of microservice-based applications in clouds
Singh et al. Cloud resource provisioning: survey, status and future research directions
Singh et al. QRSF: QoS-aware resource scheduling framework in cloud computing
CN104239141B (zh) 数据中心中基于工作流关键路径的任务优化调度方法
Rafieyan et al. An adaptive scheduling approach based on integrated best-worst and VIKOR for cloud computing
Breitgand et al. Policy-driven service placement optimization in federated clouds
US9020829B2 (en) Quality of service aware scheduling for composite web service workflows
CN109213603A (zh) 一种用于对接量子计算机与用户的云平台及平台运行方法
Kamalinia et al. Hybrid task scheduling method for cloud computing by genetic and DE algorithms
Magoulès et al. Cloud computing: Data-intensive computing and scheduling
Naskos et al. Cloud elasticity: a survey
George et al. A review of different techniques in cloud computing
Iturriaga et al. Multiobjective evolutionary algorithms for energy and service level scheduling in a federation of distributed datacenters
CN109240795A (zh) 一种适用于超融合it基础设施的云计算资源池模型的资源调度方法
Deng et al. Establishment of attribute bitmaps for efficient XACML policy evaluation
Chen et al. Entropy4Cloud: Using entropy-based complexity to optimize cloud service resource management
Hussain et al. Hybrid Genetic Algorithm for IOMT‐Cloud Task Scheduling
Saif et al. Multi-agent QoS-aware autonomic resource provisioning framework for elastic BPM in containerized multi-cloud environment
Fan Intelligent Job Scheduling on High Performance Computing Systems
Shakil et al. A latency-aware max-min algorithm for resource allocation in cloud
Lee et al. Resource reallocation of virtual machine in cloud computing with MCDM algorithm
Langer et al. Parallel branch-and-bound for two-stage stochastic integer optimization
Vargas-Solar et al. JITA4DS: disaggregated execution of data science pipelines between the edge and the data centre
Shrivastava et al. EBTASIC: An Entropy-Based TOPSIS Algorithm for Task Scheduling in IaaS Clouds

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant