CN111626425A - 面向二维近邻量子计算架构的量子寄存器分配方法和系统 - Google Patents

Abstract

本发明公开了面向二维近邻量子计算架构的量子寄存器分配方法和系统，该方法为使得量子电路(/算法)满足近邻交互约束，综合运用模拟退火、禁忌搜索和变异技术从而生成总体交互代价近最优的量子比特分配方案，其包含量子电路解析方法，基于混合智能算法的量子比特分配方法。相应地，量子寄存器分配系统包含量子电路解析模块、基于混合智能算法的量子比特分配模块。本发明适用于二维近邻量子计算架构上的量子寄存器分配问题，其对于各种类型的二维量子比特拓扑结构具备普适性，通过调整参数，该方法具有在运行时间和量子比特分配质量之间进行权衡的能力，并生成交互代价近最优的量子比特分配方案。

Description

面向二维近邻量子计算架构的量子寄存器分配方法和系统

技术领域

本发明属于量子计算和量子信息技术领域。本发明涉及一种面向二维近邻量子计算架构的量子寄存器分配方法和系统。本发明用于将量子电路(/量子算法)中的逻辑量子比特分配到二维近邻量子计算架构中的物理量子比特，并通过插入SWAP门在满足近邻交互约束的前提下实现任意量子比特间的交互，其可为基于二维近邻量子计算架构的量子计算机快速生成量子比特交互代价近最优的量子比特分配方案。

背景技术

随着量子物理技术的不断发展，量子计算机逐渐从理论概念演变为现实系统。近年来，二维近邻量子计算架构已经成为了量子计算机普遍采用的主要架构。相较线性最近邻架构，二维近邻架构中的物理量子比特在量子交互操作上具有更大的自由度，以规则的二维网格结构而言，每个物理量子比特最多可以有4个近邻量子比特，即允许和4个近邻量子比特进行交互。而其他不规则的二维结构，如IBM Q20 Tokyo，最多可以有6个近邻量子比特。

在这些量子计算架构上执行量子电路(/算法)需要严格遵守该架构所定义的近邻交互约束，即仅允许量子作用在一对近邻的物理量子比特上。量子电路中往往包含多种量子操作，同时使得所有量子操作满足近邻交互约束的可能性很小，因此，近邻交互约束成为在这些量子计算架构上实现通用量子计算的主要障碍之一。量子寄存器分配方法可以有效的克服这种障碍，它在量子计算设备上运行量子电路的先决步骤，其对于量子计算的时延和成功率等有着重要影响。

本发明涉及的量子寄存器分配方法和系统属于量子计算系统软件范畴，是使用当前面临量子比特连通受限约束的量子计算机运行量子电路(\量子算法)的必备系统，其对推进量子计算的发展和应用具有重要意义。目前为止，相关方法和系统的研究仍处于空白阶段。

发明内容

本发明的技术问题：

目前为止，二维近邻量子计算架构已经成为量子计算的主流架构，但是仍缺乏适应于该量子计算架构的量子寄存器分配方法和系统。本发明面向二维量子计算架构中的量子比特近邻交互约束，综合运用模拟退火、禁忌搜索和变异技术等智能方法，提供了一种以最小化交互代价为目标的量子寄存器分配方法和系统。

本发明的技术方案：

为了解决上述技术问题，本发明是通过以下技术方案实现的；

一种基于混合智能算法的量子寄存器分配方法和系统包含：一种量子寄存器分配方法和一套量子寄存器分配系统。

量子寄存器分配方法包括量子电路解析方法，基于混合智能算法的量子比特分配方法。

量子电路解析方法将量子电路解析为逻辑量子比特交互频度矩阵，并将二维近邻量子计算架构解析为物理量子比特交互距离矩阵；

基于混合智能算法的量子比特分配方法用二次分配问题模型表示量子寄存器分配问题，并综合运用模拟退火、禁忌搜索和变异技术获得总体交互代价最优的解。其在迭代求解过程中使用冷启动技术，即若发现多次迭代后最优解依然没有得到更新，则从一个随机解出发重新进行搜索。通过调整总迭代次数，该方法可以在运行时间和量子比特分配方案质量之间取得较好的平衡。

量子比特分配方法采用了不定长变异技术，即变异级别k会随着迭代进行逐渐从最小值增至最大值，k的取值范围为[3,n]，另外，一旦最优解得到更新，将变异级别k重置为最小值3。

量子寄存器分配系统主要包括两个模块：量子电路解析模块和基于混合智能算法的量子比特分配模块。其可基于给定的量子电路和量子计算架构可以快速生成总体交互代价近最优的量子比特分配方案。

本发明的有益效果：

本发明适用于二维近邻量子计算架构上的量子寄存器分配问题，其对于各种类型的二维量子比特拓扑结构具备普适性，通过调整参数，该方法可以在运行时间和量子比特分配质量之间取得很好的平衡，其可在20分钟以内完成规模达到50个量子比特的量子寄存器分配任务，并生成交互代价近最优的量子比特分配方案。

附图说明

图1为二维网格型的近邻量子计算架构示意图

图2为CNOT门示意图

图3为SWAP门及其分解示意图

图4为插入SWAP门后满足近邻约束的量子电路示意图

图5为量子寄存器分配方法总体架构图

图6为量子寄存器分配方法基本流程图

图7为量子寄存器分配系统模块图

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。在本发明的一种实施方式中描述的元素和特征可以与一个或更多个其它实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明所包括的内容：一种量子寄存器分配方法，一种量子寄存器分配系统。

量子寄存器分配方法用于将量子电路中的逻辑量子比特分配给二维近邻架构中的物理量子比特，并通过插入SWAP门实现非近邻量子比特间的交互。例如，图1给出了一个包含6个量子比特的二维网格结构，其中的结点表示物理量子比特，结点之间的连边定义了近邻交互约束关系，即仅允许的两量子比特量子操作。为该二维网格架构上执行如图2所示的包含一个CNOT门的量子电路，将逻辑量子比特p₀、p₁分别分配给物理量子比特Q₀和Q₃，由于Q₀和Q₃之间不存在近邻关系，因此近邻交互约束禁止实现这个CNOT门。为了克服这个障碍，可以在Q₀和Q₃之间插入一系列SWAP门，从而在遵循近邻约束的前提下，实现Q₀和Q₃这两个量子比特的间接交互。SWAP门用于交换两个相邻物理量子比特的量子态，可以分解成三个CNOT门，如图3所示。通过插入合适的SWAP门可以使得CNOT门相关的两个逻辑量子比特p₀和p₁移动到一对相邻的物理量子比特上，从而允许该CNOT门的执行，然后在CNOT门执行后按相反顺序插入之前的SWAP门，从而将各物理量子比特上的量子态恢复到初始时的状态，整个过程如图4所示。不同量子比特分配方案将导致不同的SWAP门数，若将p₀、p₁分别分配给物理量子比特Q₀和Q₁，则执行图2所示的量子电路无需插入任何SWAP门。SWAP门的插入会增加量子电路的总时延，并降低量子电路的计算成功率。将实现整个量子电路所需的SWAP门数定义为总体交互代价，量子比特分配方法对于总体交互代价有着重要影响，进而对于量子电路的时延和保真度产生重要影响。

量子寄存器分配方法用于寻找使得总体交互代价尽量小的量子比特分配方案，其包含两个组成部分(如图5所示)，分别是量子线路解析方法、基于混合智能算法的量子比特分配方法。

量子线路解析方法用于基于给定的量子电路和二维近邻量子计算架构生成矩阵F和矩阵D。根据含n个逻辑比特的量子电路，定义n×n的逻辑量子比特交互频度矩阵F＝[f_ij]，其中f_ij表示逻辑量子比特p_i和p_j在整个量子线路中的总交互次数，即等于作用在两者之上的两量子比特逻辑门数。根据给定量子计算机的二维近邻量子计算架构图，定义n×n的物理量子比特交互距离矩阵D＝[d_ij]，其中d_ij表示在物理量子比特Q_i和Q_j之间建立交互通路最少所需的SWAP门数。

d_ij＝2*(len_shortest_path(Q_i,Q_j)-1) (1)

公式(1)中的len_shortest_path(Q_i,Q_j)表示Q_i和Q_j之间在二维近邻量子计算架构图中的最短路径长度。

交互距离矩阵D将各种不同的二维近邻量子计算架构抽象成统一的矩阵形式，使得本发明的寄存器分配方法可以适用于各种二维近邻架构。

基于交互频度矩阵F和交互距离矩阵D，执行一个量子电路的总体交互代价如公式(2)所示。

其中，n表示量子比特的数目；π代表一个可行的量子比特分配方案，其是关于元素{1,2,···,n}的一个置换，表示将标号为i的逻辑量子比特分配给标号为π(i)的物理量子比特；total_cost(F,R,π)表示基于给定的矩阵F和矩阵D，量子比特映射方案π所需的总体交互代价，即为满足近邻交互所需插入的SWAP门数。

基于混合智能算法的量子比特分配方法在{1,2,···,n}的所有置换中找到使得总体交互代价(公式(2))最小的那个置换，并将其作为最终的量子比特分配方案返回。其基本架构如图5所示，首先通过初始解生成方法在所有可能置换中随机选择一个作为量子比特分配的初始解；其次，从初始解开始，通过模拟退火寻找代价更优的可行解作为当前解；然后，对当前最优解迭代地应用禁忌搜索和模拟退火进行持续优化，重复迭代步骤直到迭代次数达到预先定义的阈值。

本发明中的模拟退火方法以总体交互代价(如公式(2)所示)为目标函数，以寻找最小化总体交互代价的置换为目标，使用对换操作(交换置换中的任意两个元素位置)作为邻域操作。按照以下概率公式接受邻域操作：

其中Δtotal_cost表示使用某对换后总体交互代价的变化值，t表示退火过程中的当前温度，公式(3)表明当总体交互代价降低时以1的概率接受相关对换；否则，以e^{Δtotal_cost/t}概率接受该置换。

此外，模拟退火方法的初始温度和结束温度按如下公式计算：

t_s＝(1-λ₁)Δ_min+λ₁Δavg (4)

t_f＝(1-λ₂)Δ_min+λ₂Δ_avg (5)

其中，λ₁和λ₂是预定义的常数，λ₁∈(0,1],λ₂∈[0,1),且λ₁＞λ₂。Δ_min和Δ_avg是对换操作所引起总体交互代价的最小差异和平均差异。

退火过程按照公式(6)逐步降低温度。

t_k+1＝t_k/(1+αt_k) (6)

其中α是预先定义的降温因子，由公式7得出。

α＝(t_s-t_f)/Lt_st_f (7)

公式中的L表示降温调度长度，是预定义的整数，如公式(8)所示。

L＝50*(n-1)n/2 (8)

给定量子比特分配的初始解π₀，模拟退火方法的具体实现过程如下所示：

Step1.对初始置换π作n(n-1)/2次随机对换操作p_ij(交换π的第i和第j个元素)，并计算对换后的总体交互代价差异Δtotal_cost，其计算公式如下：

确定n(n-1)/2次随机对换操作所得Δtotal_cost的最小值Δ_min和最大值Δ_max。

Step2.设置各种参数的初始值。根据公式(4)设置起始温度t_s；根据公式(5)设置终止温度t_f；根据公式(7)设计降温因子α；根据公式(8)设置降温调度长度L。

Step3.初始化迭代中使用的变量，其中π表示当前置换，π^*表示找打的代价最优置换。

i＝1,j＝1,k＝1,t＝t_s,π＝π₀,π^*＝π₀。

Step4.当k≤L时，重复Step4.1-4.5：

Step4.1按以下公式更新i和j的值，其中iff(bool,A,B)函数表示当bool为真时返回A，否则返回B；

i＝iff(j＜n,i,iif(i＜n-1,i+1,i)) (10)

j＝iff(j＜n,j+1,i+1) (11)

Step4.2根据公式(9)，计算Δ＝Δtotal_cost(π,i,j)，该值表示如对当前置换π施加对换操作p_ij，所得的新置换与原置换在总交互代价上的偏差；

Step4.3如果Δ＜0，则accept＝true；否则，以exp(-Δ/t)的概率接受，即生成一个[0,1]的随机数r，如果r＜exp(-Δ/t)，则accept＝true；否则accept＝false；

Step4.4如果accept＝＝true，则使用对换操作p_ij更新当前置换π，即

继而如果total_cost(π)＜total_cost(π^*)，则更新到目前为止的代价最优置换π^*并记录当前温度，即π^*＝π

Step4.5执行降温操作，即t＝t/(1+αt)；并进入下一次循环，k＝k+1。

Step5.返回π^*。

本发明的禁忌搜索方法用于对模拟退火方法返回的可行方案作进一步优化。其以总体交互代价作为目标函数，以寻找最小化总体交互代价的置换为目标，使用对换操作(交换置换中的任意两个元素位置)作为邻域操作。使用二维数组tabu_list[n][n]作为禁忌表，其中n为量子比特数目。具体采用的禁忌规则是：如当前采用的对换是p_ij(即交换当前置换的第i个和第j个元素)，则设置tabu_list[i][j]＝k+h，其中k为当前迭代次数，h为禁忌长度。如果在未来第k’次循环候选的对换是p_ij，则判断表达式k’≤tabu_list[i][j]是否为真，若为真则表示该对换是被禁止的。本发明采用的特赦规则是：如果发现被禁止的对换p_ij，可以带来更优的总体交互代价，则允许施用该对换。设模拟退火返回的可行方案π为，禁忌搜索方法的具体实现过程如下所示：

Step1.设置禁忌表的长度。h＝n,n为量子比特数目。

Step2.初始化最优置换。π^*＝π

Step3.对于所有对换p_ij，根据公式(9)计算施用后总体交互代价的变换Δ_ij。

Step4.初始化迭代中的相关变量。其中N为可能的邻域总数。

i＝1,j＝1,k＝1,N＝n*(n-1)/2；

Step5当k≤K时，重复Step5.1-5.6：

Step5.1初始化邻域操作所导致的总体交互代价最小偏差。

Δ_min＝∞；

Step5.2遍历全部N个邻域操作，计算Δ_min。

i＝iff(j<n,i,iff(i<n-1,i+1,1))；

j＝iff(j<N,j+1,i+1)；

//判断p_ij是否被禁止

tabu_ij＝iff(k≤tabu_list[i][j],true,false)；

//判断p_ij是否被特赦

aspired_ij＝iff(total_cost(π)+Δ_ij<total_cost(π^*),true,false)；

//更新Δ_min的值

如果(Δ_ij<Δ_min and nottabu_ij)or aspired_ij，则

Δ_min＝Δ_ij；u＝i；v＝j；

Step5.3更新当前置换。

Step5.4更新最优置换。如果total_cost(π)<total_cost(π^*)，则π^*＝π。

Step5.5根据公式(9)更新所有的Δ_ij。

Step5.6更新禁忌表。tabu_list[u][v]＝k+h。

Step6.返回迭代中找到的代价最优置换π^*。

本发明所用的变异操作通过连续使用多次对换操作p_ij实现，给定当前置换π以及变异级别k，该变异操作的具体实现过程如下所示：

Step1.fori＝1 to k

在[1,n]中随机选择i和j,其中n为量子比特数目,且i≠j；

//对当前置换π使用对换操作p_ij；

Step2.returnπ；

在基于混合智能算法的量子比特分配方法实现过程中，变异级别k会随着迭代进行逐渐从最小值增至最大值，k的取值范围为[3,n]，另外，一旦最优解得到更新，将变异级别k重置为最小值3。

基于混合智能算法的量子比特分配方法通过整合模拟退火、禁忌搜索方法和变异操作生成总体交互代价更低的量子比特分配方案，其采用了冷启动技术，即若发现多次迭代后最优解依然没有更新，则从一个随机生成的初始解开始重新进行搜索。通过调整总迭代次数Q，该方法可以在运行时间和量子比特分配方案质量之间取得较好的平衡。其基本工作流程如图6所示，详细实现过程解释如下：

Step1.以随机方式在所有可能置换中选择π₀作为初始解。

Step2.对π₀应用模拟退火算法，得到π₁。

Step3.用π₁初始化最优解π^*。π^*＝π₁。

Step4.初始化变量i^*＝0,其用于保存找到当前最优解的迭代数。

Step5.初始化变异级别的最小值和最大值。

k_min＝3,k_max＝n。

Step6.设置当前变异级别的初始值。k＝k_min。

Step7.设置冷启动的频率。ω＝2n。

Step8.初始化循环控制变量，i＝0。

Step9.当i＜Q时，重复Step9.1-9.3，其中Q为控制迭代次数的参数.

Step9.1对π₁应用禁忌搜索应用于，得到π₂。

Step9.2更新最近解π^*，以及i^*和k。

如果total_cost(π₂)<total_cost(π^*)，则π^*＝π₂；i^*＝i；k＝k_min

Step9.3如果超过ω次循环，最优解没有得到更新，则冷启动；否则，对π^*进行变异操作。

Step9.3.1如果i^*-I>ω,以随机方式在所有可能置换中选择π₀；并对π₀应用模拟退火算法，得到π₁。如果total_cost(π₂)<total_cost(π^*)π^*＝π₂；i^*＝i；k＝k_min。

Step9.3.2如果i^*-I≤ω,则执行变异操作。k＝iff(k<k_max,k+1,k_min)；对π^*进行级别为k的变异操作π·；

Step9.4返回迭代中找到的代价最优置换π^*。

量子寄存器分配系统包含两个模块，分别是：量子电路解析模块；基于混合智能算法的量子比特分配模块。系统架构如图7所示。

量子电路解析模块接受量子电路和二维近邻量子计算架构，输出逻辑量子比特交互频度矩阵和物理量子比特交互距离矩阵。

基于混合智能算法的量子比特分配模块以逻辑量子比特交互频度矩阵和物理量子比特交互距离矩阵为输入，通过整合模拟退火、禁忌搜索方法和变异操作生成总体交互代价更低的量子比特分配方案。

最后应说明的是：虽然以上已经详细说明了本发明及其优点，但是应当理解在不超出由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且，本发明的范围不仅限于说明书所描述的过程、设备、手段、方法和步骤的具体实施例。本领域内的普通技术人员从本发明的公开内容将容易理解，根据本发明可以使用执行与在此所述的相应实施例基本相同的功能或者获得与其基本相同的结果的、现有和将来要被开发的过程、设备、手段、方法或者步骤。因此，所附的权利要求旨在在它们的范围内包括这样的过程、设备、手段、方法或者步骤。

Claims (10)

1.一种面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：量子寄存器分配方法包括量子电路解析方法和基于混合智能算法的量子比特分配方法；所述量子电路解析方法用于将给定的量子电路解析为逻辑量子比特交互频度矩阵，生成矩阵F，并将二维近邻量子计算架构解析为物理量子比特交互距离矩阵，生成矩阵D；所述基于混合智能算法的量子比特分配方法包括模拟退火方法、禁忌搜索方法和变异操作方法；首先通过初始解生成方法在所有可能置换中随机选择一个作为量子比特分配的初始解；其次，从初始解开始，通过模拟退火寻找代价更优的可行解作为当前解；然后，对当前最优解迭代地应用禁忌搜索和模拟退火进行持续优化，重复迭代步骤直到迭代次数达到预先定义的阈值。

2.根据权利要求1所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述量子电路解析方法，具体步骤如下：

根据含n个逻辑比特的量子电路，定义n×n的逻辑量子比特交互频度矩阵F＝[f_ij]，其中f_ij表示逻辑量子比特p_i和p_j在整个量子线路中的总交互次数，即等于作用在两者之上的两量子比特逻辑门数；根据给定量子计算机的二维近邻量子计算架构图，定义n×n的物理量子比特交互距离矩阵D＝[d_ij]，其中d_ij表示在物理量子比特Q_i和Q_j之间建立交互通路最少所需的SWAP门数；

d_ij＝2*(len_shortest_path(Q_i,Q_j)-1) (1)

公式(1)中的len_shortest_path(Q_i,Q_j)表示Q_i和Q_j之间在二维近邻量子计算架构图中的最短路径长度；

交互距离矩阵D将各种不同的二维近邻量子计算架构抽象成统一的矩阵形式，使得寄存器分配方法可以适用于各种二维近邻架构；

基于交互频度矩阵F和交互距离矩阵D，执行一个量子电路的总体交互代价如公式(2)所示；

其中，n表示量子比特的数目；π代表一个可行的量子比特分配方案，其是关于元素{1,2,···,n}的一个置换，表示将标号为i的逻辑量子比特分配给标号为π(i)的物理量子比特；total_cost(F,R,π)表示基于给定的矩阵F和矩阵D，量子比特映射方案π所需的总体交互代价，即为满足近邻交互所需插入的SWAP门数。

3.根据权利要求1或2所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述模拟退火方法以总体交互代价为目标函数，以寻找最小化总体交互代价的置换为目标，使用对换操作，即交换置换中的任意两个元素位置，作为邻域操作；按照以下概率公式接受邻域操作：

其中Δtotal_cost表示使用某对换后总体交互代价的变化值，t表示退火过程中的当前温度，公式(3)表明当总体交互代价降低时以1的概率接受相关对换；否则，以e^{Δtotal_cost/t}概率接受该置换；

此外，模拟退火方法的初始温度和结束温度按如下公式计算：

t_s＝(1-λ₁)Δ_min+λ₁Δavg (4)

t_f＝(1-λ₂)Δ_min+λ₂Δ_avg (5)

其中，λ₁和λ₂是预定义的常数，λ₁∈(0,1],λ₂∈[0,1),且λ₁＞λ₂，Δ_min和Δ_avg是对换操作所引起总体交互代价的最小差异和平均差异；

退火过程按照公式(6)逐步降低温度；

t_k+1＝t_k/(1+αt_k) (6)

其中α是预先定义的降温因子，由公式(7)得出；

α＝(t_s-t_f)/Lt_st_f (7)

公式中的L表示降温调度长度，是预定义的整数，如公式(8)所示；

L＝50*(n-1)n/2 (8)

给定量子比特分配的初始解π₀，模拟退火方法的具体实现过程如下所示：

Step1.对初始置换π作n(n-1)/2次随机对换操作p_ij，交换π的第i和第j个元素，并计算对换后的总体交互代价差异Δtotal_cost，其计算公式如下：

确定n(n-1)/2次随机对换操作所得Δtotal_cost的最小值Δ_min和最大值Δ_max；

Step2.设置各种参数的初始值；根据公式(4)设置起始温度t_s；根据公式(5)设置终止温度t_f；根据公式(7)设计降温因子α；根据公式(8)设置降温调度长度L；

Step3.初始化迭代中使用的变量，其中π表示当前置换，π^*表示找打的代价最优置换；

i＝1,j＝1,k＝1,t＝t_s,π＝π₀,π^*＝π₀。

Step4.当k≤L时，重复Step4.1-4.5：

Step4.1按以下公式更新i和j的值，其中iff(bool,A,B)函数表示当bool为真时返回A，否则返回B；

i＝iff(j＜n,i,iif(i＜n-1,i+1,i)) (10)

j＝iff(j＜n,j+1,i+1) (11)

Step4.2根据公式(9)，计算Δ＝Δtotal_cost(π,i,j)，该值表示如对当前置换π施加对换操作p_ij，所得的新置换与原置换在总交互代价上的偏差；

Step4.3如果Δ＜0，则accept＝true；否则，以exp(-Δ/t)的概率接受，即生成一个[0,1]的随机数r，如果r＜exp(-Δ/t)，则accept＝true；否则accept＝false；

Step4.4如果accept＝＝true，则使用对换操作p_ij更新当前置换π，即

继而如果total_cost(π)＜total_cost(π^*)，则更新到目前为止的代价最优置换π^*并记录当前温度，即π^*＝π；

Step4.5执行降温操作，即t＝t/(1+αt)；并进入下一次循环，k＝k+1；

Step5.返回π^*。

4.根据权利要求1或2所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述禁忌搜索方法用于对模拟退火方法返回的可行方案作进一步优化，其以总体交互代价作为目标函数，以寻找最小化总体交互代价的置换为目标，使用对换操作，即交换置换中的任意两个元素位置，作为邻域操作；使用二维数组tabu_list[n][n]作为禁忌表，其中n为量子比特数目；具体采用的禁忌规则是：如当前采用的对换是p_ij，即交换当前置换的第i个和第j个元素，则设置tabu_list[i][j]＝k+h，其中k为当前迭代次数，h为禁忌长度；如果在未来第k’次循环候选的对换是p_ij，则判断表达式k’≤tabu_list[i][j]是否为真，若为真则表示该对换是被禁止的；采用的特赦规则是：如果发现被禁止的对换p_ij，可以带来更优的总体交互代价，则允许施用该对换；设模拟退火返回的可行方案为π，禁忌搜索方法对π优化过程如下所示：

Step1.设置禁忌表的长度，h＝n,n为量子比特数目；

Step2.初始化最优置换，π^*＝π；

Step3.对于所有对换p_ij，根据公式(9)计算施用后总体交互代价的变换Δ_ij；

Step4.初始化迭代中的相关变量，其中N为可能的邻域总数；

i＝1,j＝1,k＝1,N＝n*(n-1)/2；

Step5.当k≤K时，重复Step5.1-5.6：

Step5.1初始化邻域操作所导致的总体交互代价最小偏差；

Δ_min＝∞；

Step5.2遍历全部N个邻域操作，计算Δ_min；

i＝iff(j<n,i,iff(i<n-1,i+1,1))；

j＝iff(j<N,j+1,i+1)；

//判断p_ij是否被禁止；

tabu_ij＝if(k≤tabu_list[i][j],true,false)；

//判断p_ij是否被特赦；

aspired_ij＝if(total_cost(π)+Δ_ij<total_cost(π^*),true,false)；

//更新Δ_min的值；

if(Δ_ij<Δ_minand nottabu_ij)or aspired_ij；

Δ_min＝Δ_ij；u＝i；v＝j；

Step5.3更新当前置换，

Step5.4更新最优置换，iftotal_cost(π)<total_cost(π^*)π^*＝π；

Step5.5根据公式(9)更新所有的Δ_ij；

Step5.6更新禁忌表，tabu_list[u][v]＝k+h；

Step6.返回迭代中找到的代价最优置换π^*。

5.根据权利要求1或2所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述变异操作通过连续使用多次对换操作p_ij实现，给定当前置换π以及变异级别k，该变异操作的具体实现过程如下所示：

Step1.fori＝1to k；

在[1,n]中随机选择i和j,其中n为量子比特数目,且i≠j；

//对当前置换π使用对换操作p_ij；

Step2.Returnπ。

6.根据权利要求1所述一种基于混合智能算法的量子寄存器分配方法，其特征在于：通过整合模拟退火、禁忌搜索方法和变异操作生成总体交互代价更低的量子比特分配方案，其在迭代求解过程中采用了冷启动技术，即若发现多次迭代后最优解依然没有更新，则从一个随机生成的初始解开始重新进行搜索；通过调整总迭代次数Q，该方法可以在运行时间和量子比特分配方案质量之间取得较好的平衡；其过程如下：

Step1.以随机方式在所有可能置换中选择π₀作为初始解；

Step2.对π₀应用模拟退火算法，得到π₁；

Step3.用π₁初始化最优解π^*，π^*＝π₁；

Step4.初始化变量i^*＝0,其用于保存找到当前最优解的迭代数；

Step5.初始化变异级别的最小值和最大值；

k_min＝3,k_max＝n；

Step6.设置当前变异级别的初始值，k＝k_min；

Step7.设置冷启动的频率，ω＝2n；

Step8.初始化循环控制变量，i＝0；

Step9.当i＜Q时，重复Step9.1-9.3，其中Q为控制迭代次数的参数.

Step9.1对π₁应用禁忌搜索应用于，得到π₂；

Step9.2更新最近解π^*，以及i^*和k；

如果total_cost(π₂)<total_cost(π^*)，则π^*＝π₂；i^*＝i；k＝k_min；

Step9.3如果超过ω次循环，最优解没有得到更新，则冷启动；否则，对π^*进行变异操作；

Step9.3.1如果i^*-I>ω,以随机方式在所有可能置换中选择π₀；并对π₀应用模拟退火算法，得到π₁；如果total_cost(π₂)<total_cost(π^*)π^*＝π₂；i^*＝i；k＝k_min；

Step9.3.2如果i^*-I≤ω,则执行变异操作；k＝iff(k<k_max,k+1,k_min)；对π^*进行级别为k的变异操作π_·；

Step9.4返回迭代中找到的代价最优置换π^*。

7.根据权利要求5所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述在基于混合智能算法的量子比特分配方法实现过程中，变异级别k会随着迭代进行逐渐从最小值增至最大值，k的取值范围为[3,n]，另外，一旦最优解得到更新，将变异级别k重置为最小值3。

8.根据权利要求1所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述量子寄存器分配方法用于量子寄存器分配系统，所述量子寄存器分配系统包括量子电路解析模块和基于混合智能算法的量子比特分配模块。

9.根据权利要求8所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述量子电路解析模块接受量子电路和二维近邻量子计算架构的输入，输出逻辑量子比特交互频度矩阵和物理量子比特交互距离矩阵。

10.根据权利要求9所述面向二维近邻量子计算架构的量子寄存器分配方法，其特征在于：所述基于混合智能算法的量子比特分配模块以逻辑量子比特交互频度矩阵和物理量子比特交互距离矩阵为输入，通过整合模拟退火、禁忌搜索方法和变异操作生成总体交互代价更低的量子比特分配方案。

Images