CN110969254A - 一种基于绝热量子算法求解超图Ramsey数方法 - Google Patents

一种基于绝热量子算法求解超图Ramsey数方法 Download PDF

Info

Publication number
CN110969254A
CN110969254A CN201911007077.0A CN201911007077A CN110969254A CN 110969254 A CN110969254 A CN 110969254A CN 201911007077 A CN201911007077 A CN 201911007077A CN 110969254 A CN110969254 A CN 110969254A
Authority
CN
China
Prior art keywords
hypergraph
adiabatic
hamiltonian
state
homogeneous
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.)
Pending
Application number
CN201911007077.0A
Other languages
English (en)
Inventor
蒋亚菊
曲日
王娟
鲍彦茹
张鹏
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.)
Tianjin University
Original Assignee
Tianjin University
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 Tianjin University filed Critical Tianjin University
Priority to CN201911007077.0A priority Critical patent/CN110969254A/zh
Publication of CN110969254A publication Critical patent/CN110969254A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)

Abstract

本发明公开了一种基于绝热量子算法对r‑齐次超图的Ramsey数进行计算的方法,包括以下步骤:研究r‑齐次超图对应的r维邻接矩阵表示形式,给出r‑齐次超图与二进制串间的映射规则gN,r(G),将r‑齐次超图的Ramsey数R(m,n;r)映射为组合优化问题;求解该组合优化问题的代价函数;利用求解所得的代价函数定义绝热量子算法的末态哈密顿量;绝热量子算法将L比特寄存器的状态,从初始化的哈密顿量的基态演化为末态哈密顿量的基态;绝热演化结束后,采用适当的测量方法对系统末态测量,即可以较高的概率得到组合优化问题的解。本发明提出了利用绝热量子算法求解r‑齐次超图Ramsey数组合优化问题的方法;该方法对求解图Ramsey数较经典算法具有加速的作用。

Description

一种基于绝热量子算法求解超图Ramsey数方法
技术领域
本发明涉及超图和绝热量子算法领域,特别是一种基于绝热量子算法计算超 图Ramsey数方法。
背景技术
量子计算与量子信息是将量子力学原理和计算机理论结合起来而产生的一 门交叉学科。由于现有计算机在快速处理大量信息方面存在极限,以量子计算和 量子通信为主要研究内容的量子信息科学是近几年发展较快的交叉科学技术,具 有重大的基础理论作用,并促进高新技术迅猛发展。量子计算机提供了一种基于 量子原理的算法的全新计算方法,即量子算法。
绝热量子算法是一种新的量子计算算法,引起了人们的广泛关注。绝热量子 算法是基于量子力学中的绝热定理来完成量子计算,是利用绝热量子演化实现量 子计算模型,系统的整个演化阶段需要遵守绝热定理描述的绝热近似条件。同标 准量子计算模型一样,绝热量子计算在解一些经典难题方面具有很大的潜力。自 从绝热量子计算提出以后,相继提出了很多的绝热量子算法,并在解决经典的算 法中表现出较好的性能。
Ramsey数定理应用于数学,信息论和理论计算机科学中。已经证明Ramsey 定理与拓扑定理学和遍历理论之间存在着深层联系。Ramsey数是一项有挑战性 的工作,也是一个不断发展的课题,但是计算却是非常困难的。为了计算R(m,n) 的最小值N需要检查2N/(N-1)/2个N顶点的图。待验证的图的数量以N的指 数的形式增长,求解的任务也变得很棘手。利用经典计算机求解Ramsey数非常 困难。由于绝热量子算法与经典算法相比在解一些经典难题方面具有非常大的优 势,因此利用绝热量子算法来计算Ramsey数则使该问题变得简单。
发明内容
本发明所要解决的技术问题是现有技术计算Ramsey数需要大量计算时间, 因此提供了一种利用绝热量子算法计算超图Ramsey数的方法。本发明针对给出 的r-齐次超图Ramsey数的组合优化问题,对该问题重描述,将组合优化问题的 代价函数定义为绝热量子算法的哈密顿变量HT,其中HT的基态包含所有问题的 解。
本发明为解决上述技术问题采用以下技术方案:
1.根据本发明所述的一种基于绝热量子算法计算超图Ramsey数方法,包括 以下步骤:
(1)通过研究r-齐次超图对应的r维邻接矩阵表示形式,给出r-齐次超图与 二进制串间的映射规则gN,r(G)。将r-齐次超图的Ramsey数R(m,n;r)映射为组合 优化问题。
(2)求解该组合优化问题的代价函数hm,n[gN,r(G)]。
(3)根据组合优化问题的代价函数定义绝热量子算法的哈密顿量。
(4)对步骤(1)的组合优化问题,运行绝热量子算法将L比特寄存器的状态, 从初始化的哈密顿量的基态Hi演化为末态哈密顿量的基态HT。运行次数必须为 k~O(In[1-δ]/Inε),其中(0<ε<<1)。
(5)绝热演化结束后,采用适当的测量方法对系统末态进行测量,得到测量 结果E。若E=0,则表示N<R(m,n;r),然后每次将N加1,重新从步骤(1)运 行,直至测量结果E>0,即N=R(m,n;r)。
所述步骤(2)中组合优化问题的代价函数通过如下步骤实现:
2.1对于任意的gN,r(G),从V≡{1,2,...,N}中选择m个顶点组成r-齐次完全 子超图,其组成完全子超图的个数为
Figure BDA0002243086670000021
其中,
Figure BDA0002243086670000022
2.2对于任意的gN,r(G),从V≡{1,2,…,N}中选择n个顶点组成完全孤立集, 其组成完全孤立集的个数为
Figure BDA0002243086670000024
其中,
Figure BDA0002243086670000025
2.3将完全子超图的总数量Cm[gN,r(G)]与完全孤立集的总数量Im[gN,r(G)] 相加得到组合优化问题的代价函数hm,n[gN,r(G)]。即
hm,n[gN,r(G)]≡Cm[gN,r(G)]+In[gN,r(G)] 公式(2.5)
所述步骤(3)中绝热量子算法的哈密顿量由如下步骤给出:
3.1定义gN,r(G)的计算基态为|gN,r(G)>,构建L=B(N,r)量子比特的量子系统。
3.2定义绝热量子算法含时哈密顿变量为
Figure BDA0002243086670000026
其中, 末态哈密顿变量HT为 HT|gN,r(G)>=hm,n[gN,r(G)]|gN,r(G)> 公式(2.6)
初态哈密顿量Hi
Figure BDA0002243086670000031
其中,Il是作用在l比特上的恒等算子,
Figure BDA0002243086670000032
是作用在l比特上的x-Pauli算子。
所述步骤(5)中求解Ramsey数的量子绝热算法通过如下步骤实现:
5.1输入给定的正整数m,n和r及对于R(m,n;r)的已知最低界LOW
5.2LOW→N
5.3B(N,r)→L
5.4用哈密顿量H(t)和初始化状态
Figure BDA0002243086670000033
构建L比特的量子系统
5.5运行绝热量子算法,通过公式(4-11)规定的系统哈密顿量对量子系统 进行绝热演化。最后对系统的状态进行测量得到结果E。运行的次数必须为 k~O(In[1-δ]/Inε)次,才能以1-ε概率得到所需要的结果E。
5.6如果E=0,也就是意味着N<R(m,n;r),每次将N加1,重新从第(ii) 步运行,否则继续下一步。
5.7N→R(m,n;r)
有益效果
1、本发明通过将r-齐次超图映射成组合优化问题,利用组合优化问题的代 价函数定义绝热量子算法的末态哈密顿量,然后利用绝热量子算法的迭代演化来 计算超图的Ramsey数。该发明涉及到的绝热量子计算是量子计算领域的新模式, 传统的量子计算模式基于离散的量子逻辑门来实现,而绝热量子计算通过连续变 化的哈密顿量来驱使系统演化到特定的状态,从而得到问题的答案。绝热量子计 算特别适合处理组合优化问题,同时它的抗退相干的能力十分突出,具有强的容 错能力
2、本发明设计的计算方法是属于QMA(QuantumMerlinArthur),其较经典算 法具有加速的作用。对于r齐次超图的Ramsey数,哈密顿量HT可以由 q=max{B(m,r),B(n,r)},z-Pauli操作组成,其同样也属于QMA,具有加速的作 用。
附图说明
图1是基于绝热量子算法计算超图Ramsey数方法的流程示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明是一种基于绝热量子算法计算超图Ramsey数方法,具体流程图如图 1。它的实现有如下步骤:
(1)通过研究r-齐次超图对应的r维邻接矩阵表示形式,给出r-齐次超图与 二进制串间的映射规则gN,r(G),将r-齐次超图的Ramsey数R(m,n;r)映射为组合 优化问题。具体方法如下:
对于给定的N和r,可以建立N个顶点的r齐次完全超图和{0,1}B(N,r)之间的 一一对应的关系,其中B定义为二项式系数。为方便起见,定义N个顶点的序 列为V≡{1,2,...,N},定义N个顶点的r-齐次完全超图为
Figure BDA0002243086670000041
Figure BDA0002243086670000042
和|A|分别定义为A的幂集和基数。对于超图V序列中的E,可以表示为 G=(V,E),对于每一个超图
Figure BDA0002243086670000043
将存在一个矩阵
Figure BDA0002243086670000044
Figure BDA0002243086670000045
其中,i1,i2,...,ir∈V,且
Figure RE-GDA0002380268790000046
δ(i1,i2,...,ir)定义为i1,i2,...ir的置换。
而且如果|{i1,i2,...ir}|<r,则
Figure RE-GDA0002380268790000047
因此,可以建立一一对应的关系,gN,r:
Figure RE-GDA0002380268790000048
可以满足:
Figure RE-GDA0002380268790000049
其中,
Figure RE-GDA00023802687900000410
且存在 t∈{1,2,...,r}使得
Figure RE-GDA00023802687900000411
当且仅当j<k。所以对于任意 x≡x1x2…xB(N,r)∈{0,1}B(N,r),当且仅当
Figure RE-GDA00023802687900000412
在对应于x的超图中是一个超 边,xk=1。根据公式(3.2),可以得出
Figure RE-GDA00023802687900000413
Figure RE-GDA00023802687900000414
如果r=2,则为公式 gN,2(G)=a2,1a3,1…aN,1a3,2a4,2…aN,2…aN,N-1。对于r=3,则表示为:
gN,3(G)=a3,2,1a4,2,1…aN,2,1a4,3,1a5,3,1…aN,3,1…aN,N-1,1a4,3,2a5,3,2
aN,3,2a5,4,2a6,4,2…aN,4,2…aN,N-1,2…aN,N-1,N-2 公式(3.3)
(2)求解该组合优化问题的代价函数hm,n[gN,r(G)]。
根据步骤(1)给出的r-齐次超图与二进制串间的映射规则gN,r(G),对于任意 gN,r(G),从V中选择m个顶点形成子集Sα,可以得到如下公式:
Figure BDA0002243086670000052
当且仅当Sα对应于m个顶点的r-齐次完全子超图时,Cα=1。因为从N个顶点 中取m个顶点的数量为B(N,m),则在G中对应于m个顶点的r-齐次完全子超图 的总数量为
Figure BDA0002243086670000053
紧接着,从V中选择n个顶点形成子集Tα,可以得到如下公式:
Figure BDA0002243086670000054
当且仅当Tα对应于n个顶点的孤立集时,Iα=1。因为从N个顶点中取n个顶点 的数量为B(N,n),则在G中对应于n个顶点的孤立集的总数量为
Figure BDA0002243086670000055
定义
hm,n[gN,r(G)]≡Cm[gN,r(G)]+In[gN,r(G)] 公式(3.8)
当且仅当G不包含m个顶点的r-齐次完全子超图和n个顶点的孤立集时, hm,n[gN,r(G)]=0。
r-齐次超图中将hm,n[gN,r(G)]=0设置为组合优化问题的代价函数。对于给 定的正整数N,m,n,和r,可以找到一个对应于N个顶点的超图G*的二进制字 符串s∈{0,1}B(N,r),在所有x∈{0,1}B(N,r),将推导hm,n(x)的全局最小量。显然, 当且仅当N≥R(m,n;r)时,hm,n(s)>0。所以对于给定的m,n和r,将从 N<R(m,n;r)开始,此时有hm,n(s)=0。然后每次计算对N加1,直到第一次出 现hm,n(s)>0时,此时N=R(m,n;r)。
(3)利用求解所得的代价函数定义绝热量子算法的末态哈密顿量,运行绝热 量子算法将L比特寄存器的状态,从初始化的哈密顿量的基态演化为末态哈密 顿量的基态,绝热演化结束后,采用适当的测量方法对系统末态测量,即可以较 高的概率得到组合优化问题的解。具体方法如下:
1)分析绝热量子算法计算原理
绝热定理:设某个系统含时哈密顿量H(t)从t=0开始,从某一初始哈密顿 量H(0)的基态|φ0>开始演化至t=T。如果系统演化的过程非常慢,则有
Figure BDA0002243086670000061
其中U(T,0为与H(t)对应的从t=0演化到t=T的时间演化符。
g(t)=E1(t)-E2(t)为t时刻H(t)基态与第一激发态的能隙之差。公式(3.9)说明,如果系统演化的时间足够长,系统能隙足够大,则系统的最终状态处于基态的概 率将非常大。
绝热量子计算是基于量子绝热定理,利用量子绝热演化完成量子计算,其整 个计算过程是使量子系统绝热演化的过程,可以分为以下几个步骤:
①将要解决的问题的可能答案设为某一系统哈密顿量(记为HT)对应量子 状态的基态|Ψ(T)>,此为系统演化的末态,T为总的绝热演化时间。为了获得想 要的量子状态,可以先构造另一个量子系统对应的哈密顿量(记为H0),而该哈 密顿的初始状态|Ψ(0)>是比较容易构造的。再通过绝热演化的方式,使量子系统 从H0缓慢演化到HT。则绝热演化完毕,系统所处的状态便是所需的HT的基态, 即所需的可能答案。
②构造系统的初、末态哈密顿量分别为:
H0=I-|Ψ(0)><Ψ(0)| 公式(3.10)
HT=I-|Ψ(T)><Ψ(T)| 公式(3.11)
初、末态哈密顿量的上述构造可以保证它们的基态分别是所需的|Ψ(0)>和|Ψ(T)>。
③构造量子系统的绝热演化路径。需要在初态哈密顿H0和末态哈密顿量HT之间插入一系列随时间变化的哈密顿量,以构成系统的绝热演化路径。一般地, 插入到初态和末态哈密顿量之间含时哈密顿变量可取
H(t)=f(t)H0+g(t)HT 公式(3.12)
其中f(t),g(t)一般为时间t的单调函数,满足如下条件:
Figure BDA0002243086670000074
以使H(t)在t=0及t=T时分别对应H0和HT。对线性变化情况,一般可取
f(t)=1-t/T;g(t)=t/T 公式(3.14)
④使系统从|Ψ(0)>态开始,按薛定谔方程缓慢地演化系统状态。其中H(t)取 为公式(2-28)的含时哈密顿变量。如果是绝热演化,则要求系统演化期间必须 满足绝热条件。绝热定理要求H(t)的演化满足如下绝热条件
Figure BDA0002243086670000071
其中Dmax表示t时刻基态和第一激发态之间矩阵元dH/dt的最大值,如下所示:
Figure BDA0002243086670000072
下标0和1分别表示t时刻的系统基态和第一激发态。公式(2-31)中的gmin为 最小能隙,取系统的第一激发态和基态的本征能量之差:
Figure BDA0002243086670000073
ε为给定的任意小的常数:
0<ε<<1 公式(3.18)
让系统状态在初始(t=0)处于基态|Ψ0(t)>,并让该状态在H(t)下绝热演化到T时刻。根据绝热定理,对给定任意小ε(0<ε<<1),只要(3.15)式所示的绝热 条件满足,则任何时刻系统的状态都会处于该时刻H(t)的瞬时基态。至演化结 束时,系统末态将至少1-ε2的概率处于H(t)的基态|Ψ0(t)>,即:
|<Ψ0(T)|Ψ(T)>|≥1-ε2 公式(3.19)
⑤绝热演化结束后,采用适当的测量方法对系统末态测量,即可以较高的概 率得到所要的答案。
2)利用绝热量子算法求解r-齐次超图R(m,n;r)
根据公式(3.2),对于超图的计算需要定义L=B(N,r)量子比特,也就是说, 对于任意k∈{1,2,...,B(N,r)},第k量子比特是与gN,r(G)第k比特相联系。定义 gN,r(G)的计算基态为|gN,r(G)>,如果r<<N,可以推出B(N,r)=O(Nr)B(N,2)。
对于绝热量子算法含时哈密顿变量H(t)为:
Figure BDA0002243086670000081
其中,T为算法运行时间,绝热动力学所对应的T→∞。
定义哈密顿量HT
HT|g(G)>=h(G)|g(G)> 公式(3.21)
此时,如果图不包含m个完全图,也不包含n个独立集,则HT将为0。
定义哈密顿的初态Hi
Figure BDA0002243086670000082
其中,Il是作用在l比特上的恒等算子,
Figure BDA0002243086670000083
是作用在l比特上的x-Pauli算 子。计算基态的叠加性质能够容易的构造Hi的基态。
已知对于r-齐次超图的绝热量子计算和图有相同的量子空间复杂度,所以其 绝热量子算法的含时哈密顿H(t)可以表示为公式(3.20)。而哈密顿量HT可以表 示为如下公式:
HT|gN,r(G)>=hm,n[gN,r(G)]|gN,r(G)> 公式(3.23)
Hi可以表示为公式(3.22)。
用量子算法计算R(m,n;r),首先设置LOW为R(m,n;r)的最低界,其可以通 过运算来设置。根据步骤1)运行绝热量子算法在L=B(N,r)量子比特的量子系统 上,量子算法执行完成后,测量值为E。如果E=0,则每次给N加1,在L=B(N+1, r)量子比特上重复运行该算法,直到出现E>0,即N=R(m,n;r)。由于绝热量 子计算的任何应用都是近似绝热计算,因此测量值E为基态能量的概率δ=1-ε, 在这种情况下,绝热量子算法至少要计算k~O(In[1-δ]/Inε)次,才使以δ>1-ε 的概率使得至少一个测量结果E等于基态能量值。
3)接下来是利用绝热量子算法求解超图Ramsey数的算法过程,包括算法描 述和性能分析。
①算法描述如下:
求解R(m,n;r)的量子算法
输入:(Ⅰ)正整数m,n和r。(Ⅱ)对于R(m,n;r)设置最低界LOW,其可 以通过运算来设置。
输出:R(m,n;r)。
运行过程:
(Ⅰ)LOW→N
(Ⅱ)B(N,r)→L
(Ⅲ)用哈密顿量H(t)和初始化状态
Figure BDA0002243086670000091
构建L比特的量子系统
(Ⅳ)运行绝热量子算法,通过公式(4-11)规定的系统哈密顿量对量子系 统进行绝热演化。最后对系统的状态进行测量得到结果E。运行的次数必须为 k~O(In[1-δ]/Inε)次,才能以1-ε概率得到所需要的结果E。
(Ⅴ)如果E=0,也就是意味着N<R(m,n;r),每次将N加1,重新从第(ii) 步运行,否则继续下一步。
(Ⅵ)N→R(m,n;r)
②性能分析如下:
对于min(m,n)>r≥3,r-齐次超图Ramsey数R(4,4;3)为13,这需要286量 子比特的仿真,远远超过经典计算机所做的运算。绝热量子算法计算图Ramsey 数是属于QMA(Quantum Merlin Arthur),其较经典算法具有加速的作用。对于r齐 次超图的Ramsey数,哈密顿量HT可以由q=max{B(m,r),B(n,r)},z-Pauli操作 组成,其同样也属于QMA,具有加速的作用。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还 包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的 普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰, 这些改进和润饰也视为本发明的保护范围。

Claims (4)

1.一种基于绝热量子算法求解超图的Ramsey数的方法,其特征在于,包含如下步骤:
(1)通过r-齐次超图对应的r维邻接矩阵表示形式,给出r-齐次超图与二进制串间的映射规则gN,r(G);
(2)求解该组合优化的代价函数hm,n[gN,r(G)];
(3)根据组合优化的代价函数定义绝热量子算法的末态哈密顿量;
(4)对步骤(1)的组合优化,运行绝热量子算法将L比特寄存器的状态,从初始化的哈密顿量的基态Hi演化为末态哈密顿量的基态HT;运行次数必须为k~O(In[1-δ]/Inε),其中(0<ε<<1);
(5)绝热演化结束后,采用适当的测量方法对系统末态进行测量,得到测量结果E;
(6)若E=0,则表示N<R(m,n;r);
(7)每次将N加1,重新从步骤(1)运行,直至测量结果E>0,即N=R(m,n;r),生成需要的Ramsey数。
2.根据权利要求1所述的基于绝热量子算法求解超图的Ramsey数的方法,其特征在于,所述步骤(2)中组合优化问题的代价函数通过如下步骤实现:
2.1对于任意的gN,r(G),从V≡{1,2,...,N}中选择m个顶点组成r-齐次完全子超图,其组成完全子超图的个数为
Figure RE-FDA0002380268780000011
其中,
Figure RE-FDA0002380268780000012
2.2对于任意的gN,r(G),从V≡{1,2,...,N}中选择n个顶点组成完全孤立集,其组成完全孤立集的个数为
Figure RE-FDA0002380268780000013
其中,
Figure RE-FDA0002380268780000014
2.3将完全子超图的总数量Cm[gN,r(G)]与完全孤立集的总数量Im[gN,r(G)]相加得到组合优化问题的代价函数hm,n[gN,r(G)]。即
hm,n[gN,r(G)]≡Cm[gN,r(G)]+In[gN,r(G)] 公式(1.5)
3.根据权利要求1所述的基于绝热量子算法求解超图的Ramsey数的方法,其特征在于,所述步骤(3)中绝热量子算法的哈密顿量由如下步骤给出:
3.1定义gN,r(G)的计算基态为|gN,r(G)>,构建L=B(N,r)量子比特的量子系统;
3.2定义绝热量子算法含时哈密顿变量为
Figure FDA0002243086660000021
其中,末态哈密顿变量HT
HT|gN,r(G)>=hm,n[gN,r(G)]|gN,r(G)> 公式(1.6)
初态哈密顿量Hi
Figure FDA0002243086660000022
其中,Il是作用在l比特上的恒等算子,
Figure FDA0002243086660000023
是作用在l比特上的x-Pauli算子。
4.根据权利要求1所述的基于绝热量子算法求解r-齐次超图的Ramsey数的方法,其特征在于,所述步骤(5)采用如下步骤实现求解Ramsey数的绝热量子算法:
5.1输入给定的正整数m,n和r及对于R(m,n;r)的已知最低界LOW
5.2 LOW→N
5.3 B(N,r)→L
5.4用哈密顿量H(t)和初始化状态
Figure FDA0002243086660000024
构建L比特的量子系统;
5.5运行绝热量子算法,通过公式(4-11)规定的系统哈密顿量对量子系统进行绝热演化;最后对系统的状态进行测量得到结果E;运行的次数必须为k~O(In[1-δ]/Inε)次,才能以1-ε概率得到所需要的结果E;
5.6如果E=0,也就是意味着N<R(m,n;r),每次将N加1,重新从第(ii)步运行,否则继续下一步;
5.7 N→R(m,n;r)。
CN201911007077.0A 2019-10-22 2019-10-22 一种基于绝热量子算法求解超图Ramsey数方法 Pending CN110969254A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911007077.0A CN110969254A (zh) 2019-10-22 2019-10-22 一种基于绝热量子算法求解超图Ramsey数方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911007077.0A CN110969254A (zh) 2019-10-22 2019-10-22 一种基于绝热量子算法求解超图Ramsey数方法

Publications (1)

Publication Number Publication Date
CN110969254A true CN110969254A (zh) 2020-04-07

Family

ID=70029791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911007077.0A Pending CN110969254A (zh) 2019-10-22 2019-10-22 一种基于绝热量子算法求解超图Ramsey数方法

Country Status (1)

Country Link
CN (1) CN110969254A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112529193A (zh) * 2020-12-04 2021-03-19 北京百度网讯科技有限公司 基于量子系统的数据处理方法及量子设备
CN112564886A (zh) * 2020-11-24 2021-03-26 北京工业大学 一种基于连续量子游走哈希算法实现信息完整性的方法
CN113313260A (zh) * 2021-05-26 2021-08-27 中国电子技术标准化研究院 一种基于拓扑绝缘体的量子点的实现方法、系统和介质
CN113392580A (zh) * 2021-05-21 2021-09-14 中国人民解放军战略支援部队信息工程大学 基于混合量子算法的组合优化求解方法、系统及求解器架构
WO2021218480A1 (zh) * 2020-04-26 2021-11-04 腾讯科技(深圳)有限公司 基于模拟量子算法的数据搜索方法、装置及设备
CN117497070A (zh) * 2023-11-02 2024-02-02 正则量子(北京)技术有限公司 一种基于可控哈密顿量演化的本征值求解方法及设备
CN117709476A (zh) * 2024-02-06 2024-03-15 山东云海国创云计算装备产业创新中心有限公司 一种初始化方法、系统、设备及介质

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11782937B2 (en) 2020-04-26 2023-10-10 Tencent Technology (Shenzhen) Company Limited Data search method and apparatus based on quantum simulated algorithm, and device
WO2021218480A1 (zh) * 2020-04-26 2021-11-04 腾讯科技(深圳)有限公司 基于模拟量子算法的数据搜索方法、装置及设备
CN112564886B (zh) * 2020-11-24 2023-03-31 北京工业大学 一种基于连续量子游走哈希算法实现信息完整性的方法
CN112564886A (zh) * 2020-11-24 2021-03-26 北京工业大学 一种基于连续量子游走哈希算法实现信息完整性的方法
CN112529193A (zh) * 2020-12-04 2021-03-19 北京百度网讯科技有限公司 基于量子系统的数据处理方法及量子设备
CN112529193B (zh) * 2020-12-04 2021-10-08 北京百度网讯科技有限公司 基于量子系统的数据处理方法及量子设备
CN113392580A (zh) * 2021-05-21 2021-09-14 中国人民解放军战略支援部队信息工程大学 基于混合量子算法的组合优化求解方法、系统及求解器架构
CN113313260A (zh) * 2021-05-26 2021-08-27 中国电子技术标准化研究院 一种基于拓扑绝缘体的量子点的实现方法、系统和介质
CN113313260B (zh) * 2021-05-26 2024-05-28 中国电子技术标准化研究院 一种基于拓扑绝缘体的量子点的实现方法、系统和介质
CN117497070A (zh) * 2023-11-02 2024-02-02 正则量子(北京)技术有限公司 一种基于可控哈密顿量演化的本征值求解方法及设备
CN117497070B (zh) * 2023-11-02 2024-05-14 正则量子(北京)技术有限公司 一种基于可控哈密顿量演化的本征值求解方法及设备
CN117709476A (zh) * 2024-02-06 2024-03-15 山东云海国创云计算装备产业创新中心有限公司 一种初始化方法、系统、设备及介质
CN117709476B (zh) * 2024-02-06 2024-05-14 山东云海国创云计算装备产业创新中心有限公司 一种初始化方法、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN110969254A (zh) 一种基于绝热量子算法求解超图Ramsey数方法
Lugosi Pattern classification and learning theory
Galluccio et al. New algorithm for the Ising problem: Partition function for finite lattice graphs
CN113273082A (zh) 具有异常块浮点的神经网络激活压缩
Smithson et al. Stochastic computing can improve upon digital spiking neural networks
Griffiths The Λ-Fleming-Viot process and a connection with Wright-Fisher diffusion
Monthus Non-equilibrium steady states: maximization of the Shannon entropy associated with the distribution of dynamical trajectories in the presence of constraints
Alexander et al. Independent sets in graphs with given minimum degree
Li et al. An algorithm for extracting fuzzy rules based on RBF neural network
Perevaryukha Uncertainty of asymptotic dynamics in bioresource management simulation
Yilmaz Analogy Making and Logical Inferences on Images using Cellular Automata based Hyperdimensional Computing.
Wang et al. Mfpc-net: Multi-fidelity physics-constrained neural process
CN103106329A (zh) 一种用于svr短期负荷预测的训练样本分组构造方法
Busch et al. A numerical aggregation algorithm for the enzyme-catalyzed substrate conversion
CN116667322A (zh) 基于相空间重构和改进rbf神经网络的电力负荷预测方法
Fan et al. Poisson-randomised DirBN: large mutation is needed in dirichlet belief networks
Altoum et al. Generalized Bernoulli Wick differential equation
Tamrin et al. Weighted watson-crick automata
Mao et al. Phy-taylor: Physics-model-based deep neural networks
Devarajan et al. A hybrid algorithm for non-negative matrix factorization based on symmetric information divergence
Melnyk et al. A spectral algorithm for inference in hidden semi-Markov models
Guan et al. Complex Dynamics in Elementary Cellular Automaton Rule 26.
Umeda Existence and nonexistence of global solutions of a weakly coupled system of reaction-diffusion equations
Li et al. A Copula-based Partial Dependent System Reliability Model and Its Application
Heilman Quantum Neural Networks

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200407

WD01 Invention patent application deemed withdrawn after publication