CN111598249A

CN111598249A - 确定近似量子门的方法、装置、经典计算机和存储介质

Info

Publication number: CN111598249A
Application number: CN202010426642.3A
Authority: CN
Inventors: 刘树森; 段润尧; 贺衎; 侯晋川; 武丹翔; 贺艺斌
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2020-05-19
Filing date: 2020-05-19
Publication date: 2020-08-28
Anticipated expiration: 2040-05-19
Also published as: CN111598249B

Abstract

本申请公开了确定近似量子门的方法、装置、经典计算机和存储介质，涉及量子计算领域。具体实现方案为：获取目标量子门；遍历酉矩阵参数，得到至少两个量子门；基于至少两个量子门得到量子门集合；其中，量子门集合包含有N个量子门；N至少与目标量子门的维度相关；计算得到量子门集合的张量积与目标量子门的门距离；其中，张量积是基于量子门集合中各量子门所确定出的；当门距离小于等于预设阈值时，将量子门集合确定为近似集合；其中，近似集合中各量子门为目标量子门的近似量子门。本申请实施例能够准确确定出目标量子门的近似量子门。

Description

确定近似量子门的方法、装置、经典计算机和存储介质

技术领域

本申请涉及计算机领域，尤其涉及量子计算领域。

背景技术

目前，量子计算设备所提供的量子比特数量较少。为了完成大规模的计算任务，相关技术提出利用多个量子计算机形成大型量子计算机，以协同完成计算任务。这里，为实现协同完成计算任务，需要确定出执行大规模计算任务的单个量子门对应的多个近似量子门。

传统方案采用确定近似哈密顿量的方式来确定近似量子门，比如，利用哈密顿量H表征量子门U，确定出与哈密顿量H最相似的可分离哈密顿量H*。对于可分离哈密顿量而言，相关技术已经能够对其进行分离并得到可分离哈密顿量的近似哈密顿量，因此，在确定出可分离哈密顿量H*后，即可获得可分离哈密顿量H*的近似哈密顿量，该近似哈密顿量表征的量子门即为量子门U的近似量子门。

然而，目前已知的可分离哈密顿量非常少，因此，在大多数情况下，从已知可分离哈密顿量中确定出的可分离哈密顿量H*，与目标量子门的哈密顿量H之间仍有很大差别，因此，通过前述方案确定出的近似量子门存在很大的误差。

发明内容

本申请实施例提供一种确定近似量子门的方法，包括：

获取目标量子门；

遍历酉矩阵参数，得到至少两个量子门；其中，量子门基于酉矩阵参数表示，酉矩阵中各元素通过酉矩阵参数表征，遍历所述酉矩阵参数能够得到基于酉矩阵参数表征的量子门；

基于至少两个量子门得到量子门集合；其中，量子门集合包含有N个量子门；N与目标量子门的维度相关；

计算得到量子门集合的张量积与目标量子门的门距离；其中，张量积是基于量子门集合中各量子门所确定出的；

当门距离小于等于预设阈值时，将量子门集合确定为近似集合；其中，近似集合中各量子门为目标量子门的近似量子门。

本申请实施例还提供一种确定近似量子门的装置，包括：

获取模块，用于获取目标量子门；

遍历模块，用于遍历酉矩阵参数，得到至少两个量子门；其中，量子门基于酉矩阵参数表示，酉矩阵中各元素通过酉矩阵参数表征，遍历所述酉矩阵参数能够得到基于酉矩阵参数表征的量子门；

集合处理模块，用于基于至少两个量子门得到量子门集合；其中，量子门集合包含有N个量子门；N与目标量子门的维度相关；

计算模块，用于计算得到量子门集合的张量积与目标量子门的门距离；其中，张量积是基于量子门集合中各量子门所确定出的；

确定模块，用于当门距离小于等于预设阈值时，将量子门集合确定为近似集合；其中，近似集合中各量子门为目标量子门的近似量子门。

本申请实施例还提供一种经典计算机，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意实施例提供的方法。

本申请实施例还提供一种存储有经典计算机指令的非瞬时经典计算机可读存储介质，经典计算机指令用于使经典计算机执行本申请任意实施例提供的方法。

上述申请中的一个实施例具有如下优点或有益效果：由于本申请方案中量子门基于酉矩阵参数表示，相当于用酉矩阵表示量子门，酉矩阵中各元素通过酉矩阵参数表征，所以，遍历酉矩阵参数即可遍历得到量子门，为实现遍历全量量子门奠定了基础。同时，又由于本申请方案利用了门距离来有效度量量子门集合的张量积与目标量子门的相似性，所以，使得在量子门集合中准确确定出近似集合得以实现。因此，与现有方案相比，本申请实施例极大地提高了确定出的近似量子门的准确度。

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是量子计算系统的结构示意图；

图2是根据本申请实施例的确定近似量子门的方法的流程示意图；

图3是根据本申请实施例的确定近似量子门的方法的流程示意图；

图4是根据本申请实施例得到量子门集合的示意图；

图5是根据本申请实施例的确定近似量子门的方法的流程示意图；

图6是根据本申请实施例的确定近似量子门的方法的流程示意图；

图7是根据本申请实施例的确定近似量子门的方法的流程示意图；

图8是根据本申请实施例的确定近似量子门的装置的示意图；

图9是根据本申请实施例的确定近似量子门的装置的示意图；

图10是用来实现本申请实施例的确定近似量子门的方法的经典计算机的框图。

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。

为了清楚地阐述本申请示例的思想，首先对量子计算系统中近似量子门的应用进行简要描述。

图1示出了一种量子计算系统的结构示意图。该系统中，大规模计算任务被分发到多个小规模量子计算机执行，可以实现类似于经典并行计算的量子并行计算。然后，经由经典网络在经典计算机上整合并行处理结果。理论上该系统中，量子计算机间可以通过量子网络进行通信，在这种情况下，小规模量子计算机间通过量子网络或者经典网络进行数据交换，容易找到合适的多个量子门或者包含时序关系的量子门序列并行完成大规模的计算任务。但是，实际应用中，难以建立小规模量子计算机间的量子网络。并且，量子退相干时间极短，因此，通信代价很高。此外，小规模量子计算机之间需要在达到量子退相干时间前结束数据等待并交换数据，因此，数据交换的成功率很低。

基于此，在可接受一定误差的情况下，本申请方案通过确定目标量子门的多个近似量子门的方式，来实现不依赖量子网络的、无经典网络或无量子通信情况下的量子并行计算。作为一种示例性的实施方式，参考图2，本申请实施例提供一种确定近似量子门的方法，包括：

步骤S11，获取目标量子门；

步骤S12，遍历酉矩阵参数，得到至少两个量子门；其中，量子门基于酉矩阵参数表示，酉矩阵中各元素通过酉矩阵参数表征，遍历酉矩阵参数能够得到基于酉矩阵参数表征的量子门；

步骤S13，基于至少两个量子门得到量子门集合；其中，量子门集合包含有N个量子门；N与目标量子门的维度相关；

步骤S14，计算得到量子门集合的张量积与目标量子门的门距离；其中，张量积是基于量子门集合中各量子门所确定出的；

步骤S15，当门距离小于等于预设阈值时，将量子门集合确定为近似集合；其中，近似集合中各量子门为目标量子门的近似量子门。

在具体实施时，当门距离大于预设阈值时，确定量子门集合不是近似集合。此时，可继续遍历酉矩阵参数，得到更多的量子门，形成新的量子门集合后再从中确定近似集合。或者，适当调整预设阈值，以便于确定出近似集合。

本申请实施例中，由于量子门基于酉矩阵参数表示，相当于用酉矩阵表示量子门，酉矩阵中各元素通过酉矩阵参数表征，所以，遍历酉矩阵参数，能够实现遍历全量的量子门。同时，又由于利用了门距离来度量量子门集合的张量积与目标量子门的相似性，所以，使得在量子门集合中准确确定出近似集合得以实现。因此，与现有方案相比，本申请实施例极大地提高了确定近似量子门的准确度。

这里，实际应用中，本申请方案还能够利用与目标量子门高度相似的近似量子门实现不依赖量子网络的、无通信情况下的量子并行计算。

本申请实施例中，酉矩阵参数可以是酉矩阵中元素的参数或者用于确定酉矩阵中元素的参数。

示例性地，参考图3，步骤S12，遍历酉矩阵参数，得到至少两个量子门，可以包括：

步骤S121，将包含有参数的三角函数或包含有参数的酉矩阵基作为酉矩阵参数；

步骤S122，遍历三角函数的参数或酉矩阵基的参数，得到至少两个量子门。

该示例性实施方式中，将三角函数或酉矩阵基作为酉矩阵参数，进而将遍历范围从矩阵元素对应的负无穷到正无穷的值域，转换为三角函数的参数或酉矩阵基的参数对应的具有明确起点和/或终点的值域，因此，能够提高遍历全量量子门的可行性，提高遍历效率，从而为提高确定出的近似量子门的准确度奠定了基础。

举例来说，将包含参数的三角函数作为酉矩阵参数，此时，遍历酉矩阵参数得到至少两个量子门的方案如下：

利用二阶酉矩阵来表征量子门，这里，该二阶酉矩阵可以分解为以下矩阵相乘的形式：

其中，通过确定上式中非零元素e^iα、e^-iβ、e^iβ、

e^-iδ和e^iδ，或者参数α、β、γ和δ，即可确定出二阶酉矩阵中的各个元素。也就是说，二阶酉矩阵能够基于上述非零元素或参数表征。

由于任意m阶酉矩阵(m＞2)，都可以分解成二阶酉矩阵的张量积。因此，任意酉矩阵都能够基于上述非零元素或参数表征。

根据欧拉公式e^ix＝cosx+isinx，上述二阶酉矩阵式(1)的旋转分解形式中的非零元素e^iα、e^-iβ、e^iβ、e^-iδ和e^iδ均可转换为包含参数α、β、δ的三角函数。其中，

均为包含参数γ的三角函数。因此，酉矩阵可以基于包含参数的三角函数表征。

这里，包含参数的三角函数的函数值是随参数递增或递减而周期性地变化的，且周期为2π。例如，sin2π＝sin4π，cosπ＝cos3π。因此，在连续的、长度为2π的取值范围中遍历三角函数的参数，即可实现在三角函数的全部取值范围中遍历三角函数，进而实现遍历全量基于酉函数参数表征的量子门。这里，遍历参数的方式可以是使参数单调递增，例如，使参数依次取值为0、

π、

2π；也可以使参数单调递减，例如，使参数依次取值为2π、

π、

0；还可以先以较大间隔取值，再以较小间隔取值，例如0、π、2π、

也就是说，利用包含参数的三角函数表征酉矩阵，能够在连续的、长度为2π的取值区间中，利用有限次的遍历，完成对全部值域的酉矩阵的遍历。由于量子门能够用酉矩阵表示，因此，实现了遍历全部值域的量子门，为提高确定出的近似量子门的准确度奠定了基础。

实际应用中，当需要对高阶酉矩阵进行遍历时，例如对高于4阶的酉矩阵进行遍历，可以利用二层分解(two-level decomposition)将m阶酉矩阵分解成可控非(ControledNOT，CNOT)门和二阶酉矩阵，这里，二阶酉矩阵中各元素均为确定的，CNOT门为4阶的酉矩阵。因此，利用二层分解算法，可以通过遍历CNOT门，实现遍历高阶酉矩阵，从而减少遍历的三角函数的数量，提高遍历效率。

作为另一种示例，将包含参数的酉矩阵基作为酉矩阵参数，此时，遍历酉矩阵参数得到至少两个量子门的方案如下：

这里，酉矩阵基也可以称为广义泡利(Pauli)算符。酉矩阵基包括以下至少一种：

任意二阶酉矩阵，均可基于以上给出的至少一个酉矩阵基的线性组合来表示。

比如，将二阶酉矩阵W表示为：

解为二阶酉矩阵的张量积。因此，可以在复数空间上圆心为原点且半径为1的圆上遍历酉矩阵基的参数，实现遍历酉矩阵。

也就是说，利用包含参数的酉矩阵基，能够确定遍历的方式以及遍历的起点和终点，从而实现遍历全范围的量子门，为提高确定出的近似量子门的准确度奠定了基础。

本申请实施例中，在遍历得到至少两个量子门后，可以基于这些量子门得到量子门集合。例如，在得到量子门A、B、C、D后，可以得到包括量子门A、B、C、D的一个量子门集合。也可以如图4所示，每次从量子门A、B、C、D中提取两个量子门形成一个量子门集合，得到量子门集合AB、AC、AD、BC、BD等。在实际应用时，量子门集合中量子门的数量N与目标量子门的维度相关。

作为计算门距离的一种示例性实施方式，参考图5，步骤S14，计算得到量子门集合的张量积与目标量子门的门距离，可以包括：

步骤S141，基于量子门集合的张量积与目标量子门得到矩阵特征值；

步骤S142，将矩阵特征值间的特征值距离的最大值，作为量子门集合的张量积与目标量子门的门距离。

例如，假设量子门集合包括量子门U₁至U_n，则量子门集合的张量积为

基于量子门集合的张量积

与目标量子门U，得到矩阵

基于矩阵A的矩阵特征值，可以计算得到矩阵特征值之间的距离(也即特征值距离)，将特征值距离中的最大值作为量子门集合的张量积与量子门的门距离d_max(A)，即：

d_max(A)＝max_λ∈σ(A)|λ_i-λ_j|，式(2)；

其中，式(2)中σ(A)为矩阵A的特征值空间，λ_i和λ_j为σ(A)中的矩阵特征值。这里，矩阵特征值的个数和矩阵A的维度有关。

本申请实施例通过计算门距离，使得量子门集合与目标量子门之间的相似程度可以被量化，便于准确搜索到目标量子门的相似集合。

在实际应用时，可以通过设置预设阈值来筛选得到门距离在预设阈值范围内的量子门集合，并将筛选得到的门距离在预设阈值范围内的量子门集合作为近似集合。这里，近似集合与目标量子门的保真度能够通过设置的预设阈值来约束，具体地，将两个量子门U和V的保真度F(U,V)定义为：

F(U,V)＝min_|x>{F′(U|x><x|U⁺,V|x><x|V⁺):‖|x>‖＝1}，式(3)；

其中，式(3)中|||x>||＝1为模等于1的输入量子态，U|x><x|U⁺为|x>经过量子门U后的量子态，V|x><x|V⁺为|x>经过量子门V后的量子态。

其中，A＝U|x><x|U⁺，B＝V|x><x|V⁺。

根据式(3)对保真度F(U,V)的定义，对于任意输入|x>，量子门U和V的输出量子态之间的差值的最小值即为量子门U和V的保真度。

假设量子计算系统中，可接受的误差为ε，此时，

应满足以下约束条件：

此时，当

时，能够满足该约束条件。因此，可根据实际需求设置ε的值，基于ε的值设置门距离d_max的预设阈值。

示例性地，当得到的量子门集合为两个或两个以上时，可从各量子门集合中，选取出门距离小于等于预设阈值的量子门集合作为近似集合。

例如，在得到的量子门集合为两个或两个以上的情况下，将各量子门集合对应的门距离d_max，分别与预设阈值进行比较，从中选取出所有门距离小于等于阈值的量子门集合，作为近似集合，此时，确定出的近似集合为一个或至少两个，能够根据实际需求选用近似集合，提高近似量子门应用的灵活性。

又如，在得到的量子门集合为两个或两个以上的情况下，从各量子门集合对应的门距离d_max中，选取最小值d′，如果d′小于等于预设阈值，则d′对应的量子门集合为近似集合，如此，来提高确定近似集合的效率。

因为本申请实施例利用酉矩阵参数确定了量子门的遍历方式和遍历范围，所以，在一定时间尺度下能够遍历一定范围内的量子门，也可以通过控制时间尺度，控制确定出的近似量子门的精确度。

示例性地，当得到的量子门集合中不存在近似集合时，可继续遍历酉矩阵参数，得到更多的量子门，形成量子门集合后再从中选取近似集合。或者，如图6所示，当得到的量子门集合中不存在近似集合时，也可以适当增大预设阈值，在预设阈值满足预定条件的情况下，从各量子门集合中选取出门距离小于等于预设阈值的量子门集合作为近似集合，从而提高找到近似集合的成功率。这里，增大预设阈值可基于增大ε实现。

示例性地，参考图7，本申请实施例中，在确定目标量子门的近似量子门之后，还可以包括：

步骤S16，将近似集合中各近似量子门分发到N个量子计算机，以便于利用N个量子计算机实现量子并行计算。

由于本申请实施例通过将遍历搜索到的量子门集合与目标量子门比较，找到近似集合，提高了确定出的近似量子门的准确度，因此，将确定出的近似集合中各近似量子门分发到N个量子计算机，各近似量子门在N个量子计算机独立运行，可得到近似于目标量子门的运行结果，使得N个量子计算机在不依赖量子网络进行通信的情况下，也能够并行计算。

作为一种示例，在将近似集合中各近似量子门分发到N个量子计算机之前，还可以执行以下步骤：

基于目标量子门的维度，确定量子门集合中量子门的数量N；

基于近似集合中的量子门数量，确定量子计算机的数量。

例如，目标量子门的维度为4，基于该维度确定量子门集合中量子门的数量可以是2或3。在遍历得到至少两个量子门后，先每次选取两个量子门形成一个量子门集合，再每次选取三个量子门形成一个量子门集合。从各量子门集合中选取出近似集合后，再基于近似集合中的量子门数量，确定用于并行计算的量子计算机的数量，如此，可以使量子门集合的数量更灵活，便于找到与目标量子门更为近似的量子门集合。

作为另一种示例，在基于至少两个量子门得到量子门集合之前，还可以执行以下步骤：

基于目标量子门的维度，确定待实现量子并行计算的量子计算机的数量；

基于量子计算机的数量，得到量子门集合中量子门的数量N。

例如，目标量子门的维度为4，基于该维度以及实际应用时的量子计算机资源，确定并行量子计算机的数量为2。为了将近似集合中的各量子门能够分发到对应的量子计算机，将量子门集合中量子门集合的数量确定为2，在遍历得到至少两个量子门后，每次选取两个量子门形成一个量子门集合。如此，可以基于确定的数量得到量子门集合，提高得到量子门集合的效率。

本申请实施例中，由于量子门基于酉矩阵参数表示，相当于用酉矩阵表示量子门，酉矩阵中各元素通过酉矩阵参数表征，所以，遍历酉矩阵参数即可遍历得到量子门，为实现遍历全量量子门奠定了基础。同时，又由于利用了门距离来有效度量量子门集合的张量积与目标量子门的相似性，所以，使得在量子门集合中准确确定出近似集合得以实现。因此，与现有方案相比，本申请实施例极大地提高了确定出的近似量子门的准确度。

实际应用中，本申请方案还能够利用与目标量子门高度相似的近似量子门实现不依赖量子网络的、无通信情况下的量子并行计算。

例如，利用本申请方案可以获得与CNOT门

的保真度高于70％的近似集合，近似集合中包括用二阶酉矩阵表示的量子门P和Q：

P＝P[α_P,β_P,γ_P,δ_P]＝P[218,157,157,471]；

Q＝Q[α_Q,β_Q,γ_Q,δ_Q]＝Q[633,84,628,387]；

其中，α_P,β_P,γ_P,δ_P为表征量子门P的三角函数的参数，α_Q,β_Q,γ_Q,δ_Q为表征量子门Q的三角函数的参数。

本申请实施例还提供一种确定近似量子门的装置，参考图8，该装置包括：

获取模块810，用于获取目标量子门；

遍历模块820，用于遍历酉矩阵参数，得到至少两个量子门；其中，量子门基于酉矩阵参数表示，酉矩阵中各元素通过酉矩阵参数表征，遍历酉矩阵参数能够得到基于酉矩阵参数表征的量子门；

集合处理模块830，用于基于至少两个量子门得到量子门集合；其中，量子门集合包含有N个量子门；N与目标量子门的维度相关；

计算模块840，用于计算得到量子门集合的张量积与目标量子门的门距离；其中，张量积是基于量子门集合中各量子门所确定出的；

确定模块850，用于当门距离小于等于预设阈值时，将量子门集合确定为近似集合；其中，近似集合中各量子门为目标量子门的近似量子门。

示例性地，确定模块850，还用于当得到的量子门集合为两个或两个以上时，从各量子门集合中，选取出门距离小于等于预设阈值的量子门集合作为近似集合。

示例性地，参考图9，计算模块840，包括：

特征值处理单元841，用于基于量子门集合的张量积与目标量子门得到矩阵特征值；

门距离处理单元842，用于将矩阵特征值间的特征值距离的最大值，作为量子门集合的张量积与目标量子门的门距离。

示例性地，参考图9，确定近似量子门的装置还包括：

分发模块860，用于将近似集合中各近似量子门分发到N个量子计算机，以便于利用N个量子计算机实现量子并行计算。

示例性地，参考图9，确定近似量子门的装置还包括：

第一数量处理模块870，用于基于目标量子门的维度，确定待实现量子并行计算的量子计算机的数量；

第二数量处理模块880，用于基于量子计算机的数量，得到量子门集合中量子门的数量N。

示例性地，遍历模块820包括：

参数确定单元821，用于将包含有参数的三角函数或包含有参数的酉矩阵基作为酉矩阵参数；

参数遍历单元822，用于遍历三角函数的参数或酉矩阵基的参数，得到至少两个量子门。

本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述，在此不再赘述。

根据本申请的实施例，本申请还提供了一种经典计算机和一种可读存储介质。

本申请实施例可由经典计算机执行，确定出的近似量子门可发送至量子计算机，这样，通过量子计算机的并行计算，实现无通信的量子并行计算。

如图10所示，是根据本申请实施例的确定近似量子门的方法的经典计算机的框图。经典计算机旨在表示各种形式的经典数字计算机，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、大型经典计算机、和其它适合的经典计算机。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10所示，该经典计算机包括：一个或多个处理器901、存储器902，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。处理器可以对在经典计算机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，可以连接多个经典计算机，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10中以一个处理器901为例。

存储器902即为本申请所提供的非瞬时经典计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的确定近似量子门的方法。本申请的非瞬时经典计算机可读存储介质存储经典计算机指令，该经典计算机指令用于使经典计算机执行本申请所提供的确定近似量子门的方法。

存储器902作为一种非瞬时经典计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时经典计算机可执行程序以及模块，如本申请实施例中的确定近似量子门的方法对应的程序指令/模块(例如，附图8所示的获取模块810、遍历模块820、集合处理模块830、计算模块840和确定模块850)。处理器901通过运行存储在存储器902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确定近似量子门的方法。

存储器902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确定近似量子门的方法的经典计算机的使用所创建的数据等。此外，存储器902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902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至确定近似量子门的方法的经典计算机。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。

确定近似量子门的方法的经典计算机还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图10中以通过总线连接为例。

输入装置903可接收输入的数字或字符信息，以及产生与确定近似量子门的方法经典计算机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904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(LCD)、发光二极管(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ASIC(专用集成电路)、经典计算机硬件、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经典计算机程序中，该一个或者多个经典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“经典计算机可读介质”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经典计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(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，可以在经典计算机上实施此处描述的系统和技术，该经典计算机具有：用于向用户显示信息的显示装置(例如，CRT(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经典计算机。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经典计算机，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(LAN)、广域网(WAN)和互联网。

经典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。通过在相应的经典计算机上运行并且彼此具有客户端-服务器关系的经典计算机程序来产生客户端和服务器的关系。

由于本申请方案中量子门基于酉矩阵参数表示，相当于用酉矩阵来表示量子门，酉矩阵中各元素通过酉矩阵参数表征，所以，遍历酉矩阵参数即可遍历得到量子门，为实现遍历全量量子门奠定了基础。同时，又由于本申请方案利用了门距离来有效度量量子门集合的张量积与目标量子门的相似性，所以，使得在量子门集合中准确确定出近似集合得以实现。因此，与现有方案相比，本申请实施例极大地提高了确定出的近似量子门的准确度。实际应用中，本申请方案还能够利用与目标量子门高度相似的近似量子门实现不依赖量子网络的、无通信情况下的量子并行计算。

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

1.一种确定近似量子门的方法，其特征在于，包括：

获取目标量子门；

基于所述至少两个量子门得到量子门集合；其中，所述量子门集合包含有N个所述量子门；所述N与所述目标量子门的维度相关；

计算得到所述量子门集合的张量积与所述目标量子门的门距离；其中，所述张量积是基于所述量子门集合中各量子门所确定出的；

当所述门距离小于等于预设阈值时，将所述量子门集合确定为近似集合；其中，所述近似集合中各量子门为所述目标量子门的近似量子门。

2.根据权利要求1所述的方法，其特征在于，所述当所述门距离小于等于预设阈值时，将所述量子门集合确定为近似集合，包括：

当得到的所述量子门集合为两个或两个以上时，从各所述量子门集合中，选取出门距离小于等于预设阈值的量子门集合作为所述近似集合。

3.根据权利要求1或2所述的方法，其特征在于，所述计算得到所述量子门集合的张量积与所述目标量子门的门距离，包括：

基于所述量子门集合的张量积与所述目标量子门得到矩阵特征值；

将所述矩阵特征值间的特征值距离的最大值，作为所述量子门集合的张量积与所述目标量子门的门距离。

4.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

将所述近似集合中各近似量子门分发到N个量子计算机，以便于利用所述N个量子计算机实现量子并行计算。

5.根据权利要求4所述的方法，其特征在于，其中，所述方法还包括：

基于所述目标量子门的维度，确定待实现量子并行计算的所述量子计算机的数量；

基于所述量子计算机的数量，得到所述量子门集合中量子门的数量N。

6.根据权利要求1所述的方法，其特征在于，其中，所述遍历酉矩阵参数，得到至少两个量子门，包括：

将包含有参数的三角函数或包含有参数的酉矩阵基作为酉矩阵参数；

遍历所述三角函数的参数或所述酉矩阵基的参数，得到至少两个量子门。

7.一种确定近似量子门的装置，其特征在于，包括：

获取模块，用于获取目标量子门；

集合处理模块，用于基于所述至少两个量子门得到量子门集合；其中，所述量子门集合包含有N个所述量子门；所述N与所述目标量子门的维度相关；

计算模块，用于计算得到所述量子门集合的张量积与所述目标量子门的门距离；其中，所述张量积是基于所述量子门集合中各量子门所确定出的；

确定模块，用于当所述门距离小于等于预设阈值时，将所述量子门集合确定为近似集合；其中，所述近似集合中各量子门为所述目标量子门的近似量子门。

8.根据权利要求7所述的装置，其特征在于，所述确定模块，还用于当得到的所述量子门集合为两个或两个以上时，从各所述量子门集合中，选取出门距离小于等于预设阈值的量子门集合作为所述近似集合。

9.根据权利要求7或8所述的装置，其特征在于，所述计算模块，包括：

特征值处理单元，用于基于所述量子门集合的张量积与所述目标量子门得到矩阵特征值；

门距离处理单元，用于将所述矩阵特征值间的特征值距离的最大值，作为所述量子门集合的张量积与所述目标量子门的门距离。

10.根据权利要求7或8所述的装置，其特征在于，所述装置还包括：

分发模块，用于将所述近似集合中各近似量子门分发到N个量子计算机，以便于利用所述N个量子计算机实现量子并行计算。

11.根据权利要求10所述的装置，其特征在于，其中，所述装置还包括：

第一数量处理模块，用于基于所述目标量子门的维度，确定待实现量子并行计算的所述量子计算机的数量；

第二数量处理模块，用于基于所述量子计算机的数量，得到所述量子门集合中量子门的数量N。

12.根据权利要求7所述的装置，其特征在于，其中，所述遍历模块包括：

参数确定单元，用于将包含有参数的三角函数或包含有参数的酉矩阵基作为酉矩阵参数；

参数遍历单元，用于遍历所述三角函数的参数或所述酉矩阵基的参数，得到至少两个量子门。

13.一种经典计算机，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。

14.一种存储有经典计算机指令的非瞬时经典计算机可读存储介质，其特征在于，所述经典计算机指令用于使所述经典计算机执行权利要求1-6中任一项所述的方法。