CN110738321B - 一种量子信号处理方法及装置 - Google Patents
一种量子信号处理方法及装置 Download PDFInfo
- Publication number
- CN110738321B CN110738321B CN201910979580.6A CN201910979580A CN110738321B CN 110738321 B CN110738321 B CN 110738321B CN 201910979580 A CN201910979580 A CN 201910979580A CN 110738321 B CN110738321 B CN 110738321B
- Authority
- CN
- China
- Prior art keywords
- quantum
- auxiliary
- processing
- state
- parameter
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 44
- 230000015654 memory Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000002096 quantum dot Substances 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 7
- 238000000513 principal component analysis Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 8
- 238000007906 compression Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012847 principal component analysis method Methods 0.000 description 4
- 238000004587 chromatography analysis Methods 0.000 description 3
- 238000013144 data compression Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
本申请公开了一种量子信号处理方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质,涉及量子计算技术领域。具体实现方案为:基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到所述系统所对应的压缩后的数据集。
Description
技术领域
本申请涉及量子计算技术领域,尤其涉及一种量子信号处理方法、装置及电子设备、存储有计算机指令的非瞬时计算机可读存储介质。
背景技术
在相关技术中,量子主成分分析方法进行经典数据分析时,传统方案只提供了如何求取协方差矩阵的特征值及特征向量,但最后的相关数据信息仍然存储于量子寄存器中。在前述方案中,并没有提供如何获取压缩后数据的方法,因而并不完整。
发明内容
本申请提供了一种量子信号处理方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质。
本申请实施例提供了一种量子信号处理方法,包括:
基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;
基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;
在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到所述系统所对应的压缩后的数据集。
可选地,所述基于控制位的控制将所述辅助系统制备到叠加态,包括:
基于控制位的控制将所述辅助系统进行受控幺正操作,得到所述辅助系统的叠加态。
可选地,所述方法还包括:
将所述系统以及所述辅助系统的相同编号的量子比特,以及所述控制位输入至包含有M个量子逻辑门的第一量子线路进行处理,得到所述系统对应的第一参数;其中,M为十的整数倍。
可选地,所述方法还包括:
基于所述系统对应的第一参数以及迭代处理方式得到第二参数;
对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
可选地,所述方法还包括:
将所述系统、所述辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数;
其中,将所述系统、所述辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数包括:将辅助系统制备到参考态;在辅助量子比特上进行Hadamard门变换,得到变换后的辅助量子比特;针对所述辅助系统的参考态、主系统以及所述变换后的辅助量子比特进行量子幺正处理,得到第一处理结果;针对第一处理结果进行-门及Hadamard门变换后进行测量;当测量结果为0时,确定得到所述主系统对应的第二参数。
可选地,所述方法还包括:
对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
本申请实施例提供了一种量子信号处理装置,所述装置包括:
第一处理单元,用于基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;
第二处理单元,基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;
结果处理单元,用于在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到所述系统所对应的压缩后的数据集。
可选地,所述第一处理单元还包括:
第一量子线路处理单元,用于将所述系统以及所述辅助系统的相同编号的量子比特、以及所述控制位输入至包含有M个量子逻辑门的第一量子线路进行处理,得到所述系统对应的第一参数;其中,M为十的整数倍。
可选地,所述第一处理单元还包括:
第二量子线路处理单元,用于将所述系统、所述辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数;
其中,第二量子线路处理单元,具体用于将辅助系统制备到参考态;在辅助量子比特上进行Hadamard门变换,得到变换后的辅助量子比特;针对所述辅助系统的参考态、主系统以及所述变换后的辅助量子比特进行量子幺正处理,得到第一处理结果;针对第一处理结果进行-门及Hadamard门变换后进行测量;当测量结果为0时,确定得到所述主系统对应的第二参数。
可选地,所述装置还包括:
量子相位计算单元,用于对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
本申请实施例还提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述任一项的方法。
本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行前述任一项的方法。
上述申请中的一个实施例具有如下优点或有益效果:通过采用上述方案,通过引入量子测量来计算主系统压缩后的数据,从而提供了相关技术中并未提供的具体的处理压缩后的数据集的方案。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的量子信号处理方法流程的示意图一;
图2是本申请提供的第一量子线路示意图;
图3是本申请提供的第二量子线路示意图;
图4是本申请另外一种量子线路示意图;
图5是本申请的量子信号处理装置的组成结构示意图一;
图6是本申请的量子信号处理装置的组成结构示意图二;
图7是用来实现本申请实施例的量子信号处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请提供了一种量子信号处理方法,如图1所示,包括:
S101:基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;
S102:基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;
S103:在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到所述系统所对应的压缩后的数据集。
在量子计算领域,特别是对量子计算结果进行分析时,这是一个非常普遍的问题,因而非常重要。其最典型的应用场景,就是例如由于各种噪声的影响,量子计算机输出结果往往不是所希望的目标纯态,而是以该量子态为主要成分的一个混态,需要从中提取出目标结果,也就是本征值最大的那个本征态分量,这才是真正需要的结果。
最一般的情况,可以对系统做量子态层析(tomography),这一方法可以了解量子态的全部信息。但该方法需要对量子态做大量不同形式的测量。众所周知,量子态经过单次测量后将坍缩,存储其中的量子信息将全部被破坏。因此对由n个量子比特构成的系统而言,其密度矩阵含有4n个矩阵元,要应用量子态层析得到全部矩阵元信息,需要巨量的拷贝,以便进行各种不同的测量。而由于量子信息的不可克隆性,这相当于要求将计算过程重复很多次,因而,这一方法十分繁杂且低效。
然而,很多时候,可能并不需要知道量子态的全部信息,而是如问题中所描述的,只对其最关键的一些信息(如主成分)感兴趣。另一方面,经典数据的主成分分析是统计分析、简化数据集的最重要的方法之一,而其核心步骤即为求一个正交矩阵的几个最大本征值及相应本征态。因而这一问题也可以映射为求一个实密度矩阵(正交矩阵)的本征值及本征态问题。
因此,找到一种方法,通过使用相对少量(相对于量子态层析)的系统拷贝或者只执行少量的计算步骤,即可获得关于某个由密度矩阵描述的量子态所需要的信息,例如最大的几个特征值及相应的特征向量,就变得十分迫切。量子主成分分析(qPCA)就成为解决这一问题的一个有效的方法。
相关技术中,量子主成分分析针对这一问题采取了一个与通过量子模拟求系统基态能量类似的解决思路:密度矩阵也是厄米算符,因此可以看作一个哈密顿量。如果可以有效实现一个受控演化 并利用其执行量子相位估计,由于的低秩特性,将有较大概率求得非零的几个本征值及相应本征态。
也就是说,选取一个拷贝作为辅助系统,与待演化的主系统(其状态由密度矩阵描述)合在一起并执行一个的操作,而后抛弃该辅助系统(求偏迹),如果Δt足够小,就获得了一个近似(到Δt一阶)的演化运算作用于主系统上。假设有m个拷贝,每一份拷贝都由同样的密度矩阵来描述,则重复上述过程,即可获得一个演化其中t=mΔt。
对这一问题,核心问题就是如何执行受控操作。相关技术中,仅给出一个近似解决方案,具体可以为:将Swap算符看做一个稀疏哈密顿量从而通过量子模拟解决,但并未给出具体的实现电路。同时,这一方法有着明显的缺点。首先,量子模拟执行起来量子线路十分复杂,且线路深度大,在带噪声的中等规模量子计算机(NISQ)上难以实现。其次,量子模拟只是一个近似过程,并不能在有限的基本逻辑门操作内精确的实现为了要提高运算精度,需要进行大量的迭代,这进一步加深了量子线路的复杂性。
可以包括:将所述系统以及所述辅助系统的相同编号的量子比特、以及所述控制位输入至包含有M个量子逻辑门的第一量子线路进行处理,得到系统对应的第一参数;其中,M为十的整数倍。
具体来说,所述系统可以理解为主系统;所述辅助系统中至少可以包括一个或多个辅助系统。相应的,最终得到系统对应的第一参数,可以理解为得到主系统对应的第一参数。
由于量子态交换虽然发生在两个n-qubit(量子比特)系统之间,但可以拆解为两个系统中同编号的两量子比特状态交换的直积。因此,只要能够在两比特间执行受控(也就是第一参数)操作即可。这样问题就简化为一个三量子比特系统的问题。通过进一步观察操作矩阵的具体形式,找到了一组只需要10个基本逻辑门操作就可以实现操作的矩阵分解方案,并设计了一个如图2所示的量子线路。
通过图2所示的量子线路,可以实现对于两个多比特系统的受控部分交换操作,可以分别对两个系统中同编号的比特位执行此操作即可完成。同时强调,由于不同编号的比特之间不存在相互作用,这些操作可以并行执行。因此,的方案只需要10步基本量子逻辑门即可完成相应操作。更重要的是,这一方法是对操作的精确实现。
还可以包括:
基于所述系统对应的第一参数以及迭代处理方式得到第二参数;
对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
之后,通过执行标准的量子相位估计算法,就可以以概率pλ获得其本征值估计,也就是(以二进制形式存储于相位寄存器),同时主系统的量子态将坍缩为相应的本征态|χλ>。由的低秩特性,只需重复这一过程几次,就将有较大的概率获得的全部非零特征值及相应的特征向量。
对于以qPCA分析量子态主成分,对其核心步骤,也即如何执行受控的量子线路提出了一个全新方案。该方案是一个精确实现,并且只需要10n个基本的逻辑门操作,这里n为系统的qubit个数。而旧有方案是通过执行一个对Swap算符的量子模拟来实现,这是一个近似实现,并且原文中并未给出具体的实现电路,因此难以明确实现该方案所需的基本逻辑门的具体数量。
另一种示例中,采用与前述示例不同的方法得到第二参数,具体说明如下:
量子主成分分析除了可以对量子数据进行分析外,也可以应用于经典数据的分析与压缩。由于量子计算机天然的并行性,与经典计算机相比,这一方法有望获得指数级的量子加速。而经典数据的主成分分析是统计分析、简化数据集的最重要的方法之一,在人工智能各大领域,例如数据压缩消除冗余和数据噪音消除等方面都有广泛的应用。
简单的说,主成分分析是要解决如下一个问题:对于正交属性空间中的样本点,如何用一个超平面(直线的高维推广)对所有样本进行恰当的表达,或者更精确一点说,对一组给定的d-维空间中的m个数据点的集合主成分分析的目标是找到一组k-维(这里k<d)子空间中数据点集来尽可能好的代表原来的数据点的信息。这里,尽可能好的意思是:最近重构性:样本点到这个超平面的距离足够近;以及最大可分性:样本点在这个超平面上的投影能尽可能的分开。
翻译成数学语言,也就是要求找到一组k个正交投影算符,使得向该组算符张成的子空间投影后的数据集的协方差矩阵非对角元为零,并且对角元尽可能的大。
相关技术中,主成分分析基本步骤如下:
输出:降维后的数据集Y∈Rk×m
步骤2、对协方差矩阵进行特征值分解,得所有特征值及对应特征向量。
步骤3、特征向量按其特征值从大到小顺序排列,并取前k列,形成矩阵Pk∈Rk×d。
步骤4、将Pk作用于数据样本集X,得降维后的数据集Y=PkX∈Rk×m。
对于这一问题,也可以采用量子计算机来进行处理。首先,对数据向量进行归一化处理得这里定义量子态这里xkj为向量的第j个分量。进一步,计算归一化系数及相应的αk=α′k/α。根据以上结果,可以定义一个辅助态
|G>=∑kαk|k>1|xk>2 (*)
该辅助系统由两个量子寄存器构成,其中第一个寄存器含有log[m]个量子比特,而第二个寄存器含有log[d]个量子比特。此态可以由空白态通过一个由经典数据及αk定义的幺正操作得到,也即对辅助系统1取偏迹,得辅助系统2的态密度矩阵为
通过前述分析,可以看出对于数据集矩阵X(其每一列对应于一个数据向量),其协方差矩阵于是,求解C的本征值及本征矢量就等价于求解密度矩阵ρ的本征值及相应本征态。而这可以通过量子主成分分析方法得到并获得量子加速。这里的关键问题就是如何实现受控演化操作。
本示例中提供的方案为:
将系统、辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数;
其中,将系统、辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数包括:将辅助系统制备到参考态;在辅助量子比特上进行Hadamard门变换,得到变换后的辅助量子比特;针对所述辅助系统的参考态、所述系统以及所述变换后的辅助量子比特进行量子幺正处理,得到第一处理结果;针对第一处理结果进行-门及Hadamard门变换后进行测量;当测量结果为0时,确定得到所述系统对应的第二参数。
其中,所述系统还可以理解为主系统。也就是说,将系统、辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数包括:
将辅助系统制备到参考态;在辅助量子比特上进行Hadamard门变换,得到变换后的辅助量子比特;针对所述辅助系统的参考态、主系统以及所述变换后的辅助量子比特进行量子幺正处理,得到第一处理结果;针对第一处理结果进行-门及Hadamard门变换后进行测量;当测量结果为0时,确定得到所述主系统对应的第二参数(也就是)。
本示例后续采用主系统、辅助系统以及辅助量子比特进行说明。
步骤1、根据所给的演化时间t及误差上限∈计算出这里L为根据演化时间及精度要求所确定的最少迭代次数,φk为第k次迭代中辅助位b的转角。关于计算φk的具体算法,可以参考文献Low,G.and Chuang,I.L.,Phys.Rev.Lett.118,010501(2017),这里不再进行赘述。
步骤3、在b上执行Hadamard门。
这里,除了主系统与辅助寄存器外,还需要一个额外的辅助量子比特b来进行量子信号处理的旋转操作,而主系统的初始态可以随机的选取为|Ψ(0)>>=|xk>。
所述方法还包括:对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
也就是说,通过执行标准的量子相位估计算法,就可以以概率pλ获得其本征值估计,也就是(以二进制形式存储于相位寄存器),同时主系统的量子态将坍缩为相应的本征态|χλ>。由的低秩特性,只需重复这一过程几次,就将有较大的概率获得的全部非零特征值及相应的特征向量。
将qPCA应用于经典数据主成分分析时,提出了一种以量子信号处理的方式实现的新方案。其迭代次数对精度∈的依赖为O{log(1/∈)/loglog(1/∈)},而原方案中,迭代次数对精度依赖为O{1/∈}。因而,的新方案的执行效率对精度的依赖有指数级提高。
最后一个示例中,对利用量子主成分分析进行经典数据压缩进行最终完善。
如前述对主成分分析介绍中所示,求取协方差矩阵的特征值及特征向量只是一个中间步骤,最终的目标是要获取压缩后的数据集Y。
假定,对给定的d-维空间中的m个数据点的,可以有效制备相应的m个量子态从其中随机抽取一个,则其可以由密度矩阵描述。于是,取其作为主系统并执行上述的qPCA量子线路并做相位估计后,将获得其某个本征值的估计,也就是同时,主系统状态坍缩至相应的本征量子态|χk>。其中,所述本征值的大小用来确定其对应的成份有多主要;在本示例中,压缩数据时可以根据需要选择只要本征值最大的几个主成分,而抛弃较小的。例如如果大于某个事先给定的值就保留,否则抛弃,这里,全部保留意味着无损压缩,部分保留意味着有损压缩。所述特征值即密度矩阵的特征值。特征值原则上可能是任何实数,但计算机里不可能有无限位,具体精确到小数点后多少位则由相位寄存器有多少位决定。
接下来,将辅助系统重新制备到量子态|xj>上,并通过测量内积<χk|xj>就可以得到压缩后第j个数据点向量的第k个分量yj,k=<χk|xj>。但是,由于量子态本身具有一个不确定的全局相位,直接测量内积的话将只能获得其绝对值,而无法获取不同分量间的相对正负符号。因此,需要采用一个稍微复杂一点的策略。参见图4,具体如下:
而后与主系统(状态为|χk>)放在一起执行s受控Swap门(也称为Fredkin Gate)。经Fredkin Gate作用后,整个系统状态变为:
<σx>1j=<x1|χk><χk|xj>=y1,kyj,k。
这里已经考虑了每个状态分量系数都是实数这一事实。遍历所有j=1,2,…,m,就可以得到压缩后数据集Y的第k行,表示为:
其中,压缩后的数据集也就是对特征值压缩后的数据集。也就是在压缩后的数据集中保留特征值最大的成分。关于压缩程度,可以根据需求来决定,比如只需要保留最大的一个,也就是压缩后的数据集为一维的,这种情况下,压缩程度是最大的,但是信息损失也最多;如果需要保留多个成分,那么压缩后的数据集为多维的,压缩程度可能比较小,但是信息损失也小。具体压缩程度可以根据需求来确定,这里不再赘述。
如此,提出了一种通过引入量子测量来计算压缩后数据的方案。而在相关技术中,只是给出了求取特征值,但对主成分分析最终目的,也即求取压缩后的数据并没有提及如何操作。
可见,通过采用上述方案,通过引入量子测量来计算主系统压缩后的数据,从而提供了相关技术中并未提供的具体的处理压缩后的数据集的方案。
再次,上述方案中提供了以量子信号处理的方式也就是采用量子线路的处理方式得到第二参数的新方案,其迭代次数对精度∈的依赖为O{log(1/∈)/loglog(1/∈)},而相关技术中,迭代次数对精度依赖为O{1/∈}。因而,上述方案的执行效率对精度的依赖有指数级降低。
本申请提供了一种量子信号处理装置,如图5所示,包括:
第一处理单元301,用于基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;
第二处理单元302,基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;
结果处理单元303,用于在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到所述系统所对应的压缩后的数据集。
如图6所示,所述第一处理单元301还包括:
第一量子线路处理单元311,用于将所述系统以及所述辅助系统的相同编号的量子比特、以及所述控制位输入至包含有M个量子逻辑门的第一量子线路进行处理,得到所述系统对应的第一参数;其中,M为十的整数倍。
由于量子态交换虽然发生在两个n-qubit(量子比特)系统之间,但可以拆解为两个系统中同编号的两量子比特状态交换的直积。因此,只要能够在两比特间执行受控(也就是第一参数)操作即可。这样问题就简化为一个三量子比特系统的问题。通过进一步观察操作矩阵的具体形式,找到了一组只需要10个基本逻辑门操作就可以实现操作的矩阵分解方案,并设计了一个如图2所示的量子线路。
所述装置还包括:
量子相位计算单元304,用于基于所述系统对应的第一参数以及迭代处理方式得到第二参数;对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
另一种示例中,采用与前述示例不同的方法得到第二参数的方式不同,具体说明如下:
本示例中提供的方案为:
所述第一处理单元还包括:
第二量子线路处理单元312,用于将所述系统、所述辅助系统以及辅助量子比特采用包含有多个逻辑门的第二量子线路进行处理得到第二参数;
其中,第二量子线路处理单元312,具体用于将所述辅助系统制备到参考态;在辅助量子比特上进行Hadamard门变换,得到变换后的辅助量子比特;针对所述辅助系统的参考态、主系统以及所述变换后的辅助量子比特进行量子幺正处理,得到第一处理结果;针对第一处理结果进行-门及Hadamard门变换后进行测量;当测量结果为0时,确定得到所述主系统对应的第二参数。
最后一个示例中,对利用量子主成分分析进行经典数据压缩进行最终完善。
所述基于控制位的控制将辅助系统制备到叠加态,包括:
第二处理单元302,用于基于控制位的控制将所述辅助系统进行受控幺正操作,得到所述辅助系统的叠加态。
可见,通过采用上述方案,通过引入量子测量来计算主系统压缩后的数据,从而提供了相关技术中并未提供的具体的处理压缩后的数据集的方案。
再次,上述方案中提供了以量子信号处理的方式也就是采用量子线路的处理方式得到第二参数的新方案,其迭代次数对精度∈的依赖为O{log(1/∈)/loglog(1/∈)},而相关技术中,迭代次数对精度依赖为O{1/∈}。因而,上述方案的执行效率对精度的依赖有指数级降低。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、超导量子计算机、离子阱量子计算机、光量子计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器401、一个或多个存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。其中,所述一个或多个处理器401中,可以包括有一个或多个经典处理器,以及一个或多个量子处理器;所述一个或多个存储器402中,可以包括有一个或多个经典存储器,以及一个或多个量子存储器。
处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。这里,所述非瞬时计算机可读存储介质,至少可以用于存储量子数据。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的量子信号处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的量子信号处理方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的量子信号处理方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的量子信号处理方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据获取反馈信息的的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至获取反馈信息的的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
量子信号处理方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与获取反馈信息的的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、发光二极管(Light EmittingDiode,LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(programmable logic device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode Ray Tube,阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在存储图像的时候过滤掉一部分相似度较大的图像,从而实现存储时就过滤掉冗余图片,降低了存储及传输压力,也节省了后续分拣的工作量。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种量子信号处理方法,其特征在于,所述方法包括:
基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;
基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;
在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到测量结果,所述测量结果的表达式如下所示:
<σx>1j=<x1|χk><χk|xj>=y1,kyj,k
其中,<σx>1j为泡利算子的量子测量结果,yj,k为压缩后的数据集中第j个数据点的第k个分量;
通过求解所述测量结果的表达式,得到压缩后的数据集中数据的表达式,如下所示:
其中,<σx>11为j=1时的泡利算子的测量结果<σx>1j;
通过求解所述压缩后的数据集中数据的表达式得到所述系统所对应的压缩后的数据集。
2.根据权利要求1所述的方法,其特征在于,所述基于控制位的控制将辅助系统制备到叠加态,包括:
基于控制位的控制将所述辅助系统进行受控幺正操作,得到所述辅助系统的叠加态。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述系统以及所述辅助系统的相同编号的量子比特,以及所述控制位输入至包含有M个量子逻辑门的第一量子线路进行处理,得到所述系统对应的第一参数;其中,M为十的整数倍。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述系统对应的第一参数以及迭代处理方式得到第二参数;
对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
7.一种量子信号处理装置,其特征在于,所述装置包括:
第一处理单元,用于基于量子线路并采用相位估计算法对系统进行处理,得到所述系统对应的本征态;
第二处理单元,用于基于控制位的控制将辅助系统制备到叠加态,以及将所述辅助系统的叠加态以及所述系统对应的本征态输入至受控Swap逻辑门得到第一系统状态;
结果处理单元,用于在所述第一系统状态下,对所述控制位进行泡利算子的量子测量,得到测量结果,所述测量结果的表达式如下所示:
<σx>1j=<x1|χk><χk|xj>=y1,kyj,k
其中,<σx>1j为泡利算子的量子测量结果,yj,k为压缩后的数据集中第j个数据点的第k个分量;
通过求解所述测量结果的表达式,得到压缩后的数据集中数据的表达式,如下所示:
其中,<σx>11为j=1时的泡利算子的测量结果<σx>1j;
通过求解所述压缩后的数据集中数据的表达式得到所述系统所对应的压缩后的数据集。
8.根据权利要求7所述的装置,其特征在于,所述第一处理单元还包括:
第一量子线路处理单元,用于将所述系统以及所述辅助系统的相同编号的量子比特、以及所述控制位输入至包含有M个量子逻辑门的第一量子线路进行处理,得到所述系统对应的第一参数;其中,M为十的整数倍。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
量子相位计算单元,用于对所述第二参数采用量子相位计算处理,得到所述系统对应的密度矩阵ρ及其对应的特征值以及特征向量。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910979580.6A CN110738321B (zh) | 2019-10-15 | 2019-10-15 | 一种量子信号处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910979580.6A CN110738321B (zh) | 2019-10-15 | 2019-10-15 | 一种量子信号处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738321A CN110738321A (zh) | 2020-01-31 |
CN110738321B true CN110738321B (zh) | 2022-04-29 |
Family
ID=69268908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910979580.6A Active CN110738321B (zh) | 2019-10-15 | 2019-10-15 | 一种量子信号处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738321B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3886003A1 (en) | 2020-03-25 | 2021-09-29 | Terra Quantum AG | Method, apparatus and computer program product for determining the component of a magnetic field in a predetermined direction |
CN111598249B (zh) * | 2020-05-19 | 2021-09-07 | 北京百度网讯科技有限公司 | 确定近似量子门的方法、装置、经典计算机和存储介质 |
CN111783991A (zh) * | 2020-07-01 | 2020-10-16 | 深圳量旋科技有限公司 | 模块化的量子计算机软件架构实现方法及系统 |
CN111814362B (zh) | 2020-08-28 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 量子噪声过程分析方法、系统及存储介质和终端设备 |
CN112046467B (zh) * | 2020-09-03 | 2021-06-04 | 北京量子信息科学研究院 | 一种基于量子计算的自动驾驶控制方法及系统 |
CN112183756B (zh) * | 2020-09-30 | 2024-04-23 | 西北大学 | 一种可选择的精确量子主成分分析方法及应用 |
CN112561069B (zh) * | 2020-12-23 | 2021-09-21 | 北京百度网讯科技有限公司 | 模型处理方法、装置、设备及存储介质 |
CN113011592B (zh) * | 2021-01-18 | 2022-03-18 | 腾讯科技(深圳)有限公司 | 量子比特的串扰分析方法、装置、计算机设备和存储介质 |
JP7274666B2 (ja) | 2021-01-18 | 2023-05-16 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | 量子ビットのクロストーク分析方法、装置、コンピュータ機器及びコンピュータプログラム |
CN112884154B (zh) * | 2021-01-21 | 2023-10-13 | 本源量子计算科技(合肥)股份有限公司 | 量子态的分辨方法、装置和系统、量子测控系统和计算机 |
CN113158615B (zh) * | 2021-04-15 | 2023-04-14 | 深圳市腾讯计算机系统有限公司 | 量子门的优化方法、装置、设备及存储介质 |
EP4131087A4 (en) | 2021-05-26 | 2023-12-06 | Tencent Technology (Shenzhen) Company Limited | METHOD FOR CHECKING THE PARITY OF QUBIT AND SUPERCONDUCTING QUANTUM CHIP |
CN113298262B (zh) * | 2021-06-10 | 2022-04-26 | 北京百度网讯科技有限公司 | 量子设备去噪方法和装置、电子设备、计算机可读介质 |
CN113807525B (zh) * | 2021-09-22 | 2022-05-27 | 北京百度网讯科技有限公司 | 量子电路操作方法及装置、电子设备和介质 |
CN114330729B (zh) * | 2021-12-31 | 2024-07-23 | 北京百度网讯科技有限公司 | 量子电路处理方法、装置、设备及存储介质 |
CN114372577B (zh) * | 2022-01-10 | 2024-01-02 | 北京有竹居网络技术有限公司 | 用于管理量子系统的状态的方法、设备、装置和介质 |
CN115759269B (zh) * | 2022-10-21 | 2024-08-13 | 北京百度网讯科技有限公司 | 特征信息的确定方法、装置、设备以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014081419A2 (en) * | 2012-11-20 | 2014-05-30 | The Board Of Trustees Of The Leland Stanford Junior University | High resolution imaging using near-infrared-ii fluorescence |
CN105024811A (zh) * | 2015-07-06 | 2015-11-04 | 上海大学 | 一种针对公钥密码ECC的Shor量子攻击方法 |
CN108241778A (zh) * | 2017-12-29 | 2018-07-03 | 中国科学技术大学 | 量子纯态重构的最优观测算符集的构造方法 |
CN110162536A (zh) * | 2019-04-10 | 2019-08-23 | 深圳大学 | 一种量子搜索方法、系统、电子装置及存储介质 |
-
2019
- 2019-10-15 CN CN201910979580.6A patent/CN110738321B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014081419A2 (en) * | 2012-11-20 | 2014-05-30 | The Board Of Trustees Of The Leland Stanford Junior University | High resolution imaging using near-infrared-ii fluorescence |
CN105024811A (zh) * | 2015-07-06 | 2015-11-04 | 上海大学 | 一种针对公钥密码ECC的Shor量子攻击方法 |
CN108241778A (zh) * | 2017-12-29 | 2018-07-03 | 中国科学技术大学 | 量子纯态重构的最优观测算符集的构造方法 |
CN110162536A (zh) * | 2019-04-10 | 2019-08-23 | 深圳大学 | 一种量子搜索方法、系统、电子装置及存储介质 |
Non-Patent Citations (3)
Title |
---|
Obtaining a linear combination of the principal components of a matrix on quantum computers;Ammar Daskin;《Quantum Inf Process》;20160719;第4013–4027页 * |
Quantum principal component analysis;Seth Lloyd et al.;《nature physics》;20140727;第631-633页 * |
基于两步测量方法及其最少观测次数的任意量子纯态估计;杨靖北等;《控制理论与应用》;20171130;第1514-1521页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110738321A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738321B (zh) | 一种量子信号处理方法及装置 | |
He et al. | Fast large-scale spectral clustering via explicit feature mapping | |
Genevay et al. | Stochastic optimization for large-scale optimal transport | |
CN111563186B (zh) | 量子数据存储方法、读取方法、装置及计算设备 | |
US11106790B2 (en) | Dimensionality reduction of computer programs | |
Bradley et al. | Modeling sequences with quantum states: a look under the hood | |
US11010514B2 (en) | Grouping of Pauli strings using entangled measurements | |
Lyzinski et al. | Spectral clustering for divide-and-conquer graph matching | |
WO2020255076A1 (en) | Method and system for mapping a dataset from a hilbert space of a given dimension to a hilbert space of a different dimension | |
Srinivasan et al. | Learning and inference in hilbert space with quantum graphical models | |
Ezzell et al. | Quantum mixed state compiling | |
Scetbon et al. | Linear time Sinkhorn divergences using positive features | |
Low et al. | Complexity of implementing Trotter steps | |
JP2023545595A (ja) | 量子系の固有状態の取得方法、装置、デバイス及び記憶媒体 | |
Schwander et al. | Learning mixtures by simplifying kernel density estimators | |
Zheng et al. | Relax-and-split method for nonconvex inverse problems | |
WO2020223850A1 (en) | System and method for quantum circuit simulation | |
Paskov et al. | Compressive feature learning | |
Garcia-Martin et al. | The Prime state and its quantum relatives | |
Liu et al. | Training classical neural networks by quantum machine learning | |
Daskin | Quantum spectral clustering through a biased phase estimation algorithm | |
Cui et al. | Quantum radial basis function method for the Poisson equation | |
Xu et al. | Redundant features removal for unsupervised spectral feature selection algorithms: An empirical study based on nonparametric sparse feature graph | |
Su et al. | Active sample selection and correction propagation on a gradually-augmented graph | |
Ouedrhiri et al. | Quantum phase estimation based algorithms for machine learning |
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 |