CN111753990B - 一种量子计算机模拟环境方法、设备及介质 - Google Patents
一种量子计算机模拟环境方法、设备及介质 Download PDFInfo
- Publication number
- CN111753990B CN111753990B CN202010461848.XA CN202010461848A CN111753990B CN 111753990 B CN111753990 B CN 111753990B CN 202010461848 A CN202010461848 A CN 202010461848A CN 111753990 B CN111753990 B CN 111753990B
- Authority
- CN
- China
- Prior art keywords
- quantum
- quantum computer
- computer simulation
- vector data
- output result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004088 simulation Methods 0.000 title description 11
- 238000005094 computer simulation Methods 0.000 claims abstract description 126
- 238000012549 training Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种量子计算机模拟环境方法、设备及介质，包括：通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。本申请实施例通过量子计算机模拟环境模型的生成器输出量子计算机模拟环境对应的输出结果，可以更好的实现模拟真实物理量子计算机运行环境。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种量子计算机模拟环境方法、设备及介质。
背景技术
随着量子计算技术发展迅速，对于量子计算机的研究为信息技术的发展开辟了新的途径，量子计算机(Quantum Computer)可以超越现在最好的经典超级计算机。目前，量子计算机硬件实现技术还不成熟，采用传统计算机模拟量子计算机成为推动量子计算应用开发的有效路径。但在现有技术中，模拟真实物理量子计算机运行环境还存在很多问题亟待解决。
发明内容
有鉴于此，本申请实施例提供了一种量子计算机模拟环境方法、设备及介质，用于解决现有技术中模拟真实物理量子计算机运行环境存在的问题。
本申请实施例采用下述技术方案：
本申请实施例提供一种量子计算机模拟环境方法，所述方法包括：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
进一步的，所述将所述向量数据经过预先训练的量子计算机模拟环境模型，得到第一输出结果之后，所述方法还包括：
在预先设置的量子计算机模拟环境中，选择其他的量子计算机模拟环境，得到其他的输出结果；
根据预先训练的量子计算机模拟环境模型的辨别器，在所述第一输出结果与所述其他的输出结果中，确定出符合条件输出结果。
进一步的，所述将所述向量数据经过预先训练的量子计算机模拟环境模型，得到第一输出结果之后，所述方法还包括：
将所述输出结果发送至所述量子云，并根据所述量子云中的优化器对所述输出结果进行优化操作。
进一步的，将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果之前，所述方法还包括：
收集的多种真实量子计算机环境作为量子计算机模拟环境，及每种真实量子计算机环境对应的输出结果；
建立初始的量子计算机模拟环境模型，其中，所述初始的量子计算机模拟环境模型包括所述生成器与所述辨别器；
通过所述向量数据及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型。
进一步的，所述通过所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型，具体包括：
固定所述生成器的网络参数，根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器；
固定所述辨别器的网络参数，更新所述生成器的网络参数，得到符合条件的量子计算机模拟环境模型。
进一步的，所述根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器，具体包括：
将所述向量数据分别输入至所述生成器，得到第二输出结果；
根据所述第二输出结果与每种真实量子计算机环境对应的输出结果，训练所述辨别器。
进一步的，所述辨别器为二元辨别器；
所述根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器，具体包括：
将所述向量数据分别输入至所述生成器，得到第二输出结果；
将所述向量数据与所述第二输出结果作为第一数据对，并将所述向量数据与每种真实量子计算机环境对应的输出结果作为第二数据对。
进一步的，所述量子计算机模拟环境模型为基于GAN网络模型。
本申请实施例还提供一种量子计算机模拟环境方法设备，所述设备包括：
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：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
本申请实施例还提供一种量子计算机模拟环境方法介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例通过量子计算机模拟环境模型的生成器输出量子计算机模拟环境对应的输出结果，可以更好的实现模拟真实物理量子计算机运行环境。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例一提供的一种量子计算机模拟环境方法的流程示意图；
图2为本说明书实施例二提供的一种量子计算机模拟环境方法的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例一提供的一种量子计算机模拟环境方法的流程示意图，本说明书实施例可以由量子计算机模拟环境系统执行下述步骤，具体包括以下步骤：
步骤S101，量子计算机模拟环境系统通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列。
步骤S102，量子计算机模拟环境系统在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据。
步骤S103，量子计算机模拟环境系统将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
与本说明书实施例一相对应的是，图2为本说明书实施例二提供的一种量子计算机模拟环境方法的流程示意图，本说明书实施例可以由量子计算机模拟环境系统执行下述步骤，具体包括以下步骤：
步骤S201，量子计算机模拟环境系统收集的多种真实量子计算机环境作为量子计算机模拟环境，及每种真实量子计算机环境对应的输出结果。
步骤S202，量子计算机模拟环境系统建立初始的量子计算机模拟环境模型，其中，所述初始的量子计算机模拟环境模型包括所述生成器与所述辨别器。
在本说明书实施例的步骤S202中，量子计算机模拟环境模型可以为基于GAN网络模型。量子计算机模拟环境系统建立生成器与辨别器的网络结构及目标函数，之后还需要初始化所述的生成器的网络和辨别器的网络。
步骤S203，量子计算机模拟环境系统通过所述向量数据及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型。
在本说明书实施例的步骤S203中，本步骤具体可以包括：
量子计算机模拟环境系统固定所述生成器的网络参数，根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器；
量子计算机模拟环境系统固定所述辨别器的网络参数。
进一步的，量子计算机模拟环境系统根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器，具体包括：
量子计算机模拟环境系统将所述向量数据分别输入至所述生成器，得到第二输出结果；
量子计算机模拟环境系统根据所述第二输出结果与每种真实量子计算机环境对应的输出结果，训练所述辨别器。
进一步的，在本说明书实施例的步骤S203中，辨别器可以为二元辨别器，生成器可以为二元生成器，所以，量子计算机模拟环境模型需要两个特征，即向量数据与输出结果；
所述根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器，具体包括：
将所述向量数据分别输入至所述生成器，得到第二输出结果；
将所述向量数据与所述第二输出结果作为第一数据对，并将所述向量数据与每种真实量子计算机环境对应的输出结果作为第二数据对。
通过上述步骤，可以使辨别器可以区分来自真实的物理量子计算得到的第二数据对和来自生成器的网络生成得到的第一数据对，同时可以满足生成器生成的第一数据对的输出是由执行量子门操作序列生成向量数据得到的结果。
量子计算机模拟环境系统固定所述辨别器的网络参数，更新所述生成器的网络参数，目标是使得生成器与辨别器形成的网络输出值变大，使得辨别器无法区分来自真实的量子物理计算机环境下执行得到的第二数据对和通过所述的生成器生成得到的第一数据对。
需要说明的是，在步骤S203中需要交替训练，最终才可以得到符合条件的量子计算机模拟环境模型。
步骤S204，量子计算机模拟环境系统通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列。
在本说明书实施例的步骤S204中，量子计算应用程序可以是由量子计算开发人员编写。量子计算程序编译器可以是预先部署在量子云中对不同量子计算应用程序进行编译的编译器。量子计算应用程序对应的量子门操作序列可以是根据真实物理量子计算机具体的实现方式生成的。
步骤S205，量子计算机模拟环境系统在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据。
在本说明书实施例的步骤S205中，编码器可以为现有技术中任意一个可以将量子门操作序列转化为向量数据的编码器，本申请对此不作限定。向量数据可以为Embedded向量数据。
步骤S206，量子计算机模拟环境系统将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
步骤S207，量子计算机模拟环境系统在预先设置的量子计算机模拟环境中，选择其他的量子计算机模拟环境，得到其他的输出结果。
步骤S208，量子计算机模拟环境系统根据预先训练的量子计算机模拟环境模型的辨别器，在所述第一输出结果与所述其他的输出结果中，确定出符合条件输出结果。
步骤S209，量子计算机模拟环境系统将所述输出结果发送至所述量子云，并根据所述量子云中的优化器对所述输出结果进行优化操作。
在本说明书实施例的步骤S209中，经过多次优化，并选择量子云中不同的量子计算机模拟环境，寻找最优的量子计算应用程序实现方式，同时在这一过程中也可以对优化器也进行优化，其中优化器可以为量子计算程序优化器。
需要说明的是，本说明书实施例通过所辨别器，将多种不同的量子计算机模拟环境的执行情况进行判别分析，结合量子计算机应用程序执行情况，在工程化角度优化真实量子计算机的运行环境。
需要说明的是，本说明书实施例可以充分考虑物理量子计算机实际的工程化技术现状，通过GAN网络技术实现模拟多种不同量子计算机硬件实现的运行环境，模拟量子应用程序在更贴近真实物理量子计算机模拟环境下的执行，进而通过优化量子应用程序，提升物理量子计算机的使用效率，提高在真实物理量子计算机上的程序执行准确率。另外，辨别器一定程度上实现了对多种量子计算机硬件实现方式的评估，进而可以帮助提升物理量子计算机的性能。
需要说明的是，本说明书实施例可以利用量子云的基础设施，对外提供量子计算相关服务，通过收集大量真实物理量子计算机产生的数据，基于云中心提供的深度学习GAN网络服务，在云端交替训练生成器和判别器，最终形成量子计算机模拟环境模型，并形成云服务。量子计算应用程序在云端可以选择不同的量子计算机模拟环境，实现更加准确的模拟执行。另外，根据量子计算机模拟环境，优化量子计算应用程序，提高在真实物理量子计算机上的程序执行准确率。其中，量子计算机可以采用超导、离子阱、量子点、量子光学和拓扑量子计算等实现形式，通过云端统一提供的服务接口，实现量子计算应用程序的执行及反馈结果；所述的量子云可以由所述的量子计算机和经典计算机组成，经典计算机构成传统的云数据中心，提供量子计算编程框架、量子计算程序编译器、量子计算程序优化器、量子计算模拟环境等，同时提供经典计算机架构下的计算、存储、网络等基础服务以及深度学习服务；所述的量子计算应用程序将通过量子计算程序编译器，根据不同的量子计算机模拟环境进行编译，同时支持多种不同实现方式的所述的真实物理量子计算机上的程序编译；所述的量子计算机模拟环境模型主要由编码器Encoder以及GAN网络构成，编码器Encoder将输入的一段量子门操作序列生成向量数据，GAN网络包含生成器和辨别器，生成器可以根据输入的量子门操作序列生成输出结果，辨别器可以是一个分类器网络，用来区分输出结果是来自真实量子计算机执行结果还是来自生成器生成的结果，同时满足输出结果是由执行量子门操作序列生成向量得到的结果；所述的量子计算机模拟环境通过编码器Encoder+生成器实现对于真实物理量子计算机的模拟，形成云服务；量子计算程序优化器根据具体的量子计算机模拟环境，优化指定的量子计算应用程序，提升真实量子计算机环境下程序的执行准确率。
本申请实施例还提供一种量子计算机模拟环境方法设备，所述设备包括：
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：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
本申请实施例还提供一种量子计算机模拟环境方法介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种量子计算机模拟环境方法，其特征在于，所述方法包括：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
收集的多种真实量子计算机环境作为量子计算机模拟环境，及每种真实量子计算机环境对应的输出结果；
建立初始的量子计算机模拟环境模型，其中，所述初始的量子计算机模拟环境模型包括所述生成器与所述辨别器；
通过所述向量数据及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果；
在预先设置的量子计算机模拟环境中，选择其他的量子计算机模拟环境，得到其他的输出结果；
根据预先训练的量子计算机模拟环境模型的辨别器，在所述第一输出结果与所述其他的输出结果中，确定出符合条件输出结果。
2.根据权利要求1所述的量子计算机模拟环境方法，其特征在于，所述将所述向量数据经过预先训练的量子计算机模拟环境模型，得到第一输出结果之后，所述方法还包括：
将所述输出结果发送至所述量子云，并根据所述量子云中的优化器对所述输出结果进行优化操作。
3.根据权利要求1所述的量子计算机模拟环境方法，其特征在于，所述通过所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型，具体包括：
固定所述生成器的网络参数，根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器；
固定所述辨别器的网络参数，更新所述生成器的网络参数，得到符合条件的量子计算机模拟环境模型。
4.根据权利要求3所述的量子计算机模拟环境方法，其特征在于，所述根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器，具体包括：
将所述向量数据分别输入至所述生成器，得到第二输出结果；
根据所述第二输出结果与每种真实量子计算机环境对应的输出结果，训练所述辨别器。
5.根据权利要求3所述的量子计算机模拟环境方法，其特征在于，所述辨别器为二元辨别器；
所述根据所述向量数据，及每种真实量子计算机环境对应的输出结果，训练所述辨别器，具体包括：
将所述向量数据分别输入至所述生成器，得到第二输出结果；
将所述向量数据与所述第二输出结果作为第一数据对，并将所述向量数据与每种真实量子计算机环境对应的输出结果作为第二数据对。
6.根据所述权利要求1-5任一项所述的量子计算机模拟环境方法，其特征在于，所述量子计算机模拟环境模型为基于GAN网络模型。
7.一种量子计算机模拟环境设备，其特征在于，所述设备包括：
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：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
收集的多种真实量子计算机环境作为量子计算机模拟环境，及每种真实量子计算机环境对应的输出结果；
建立初始的量子计算机模拟环境模型，其中，所述初始的量子计算机模拟环境模型包括所述生成器与所述辨别器；
通过所述向量数据及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果；
在预先设置的量子计算机模拟环境中，选择其他的量子计算机模拟环境，得到其他的输出结果；
根据预先训练的量子计算机模拟环境模型的辨别器，在所述第一输出结果与所述其他的输出结果中，确定出符合条件输出结果。
8.一种量子计算机模拟环境介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
通过量子云中的量子计算程序编译器对量子计算应用程序进行编译，生成量子计算应用程序对应的量子门操作序列；
在预先设置的量子计算机模拟环境中，选择其中一种量子计算机模拟环境，并通过编码器将所述量子门操作序列转化为向量数据；
收集的多种真实量子计算机环境作为量子计算机模拟环境，及每种真实量子计算机环境对应的输出结果；
建立初始的量子计算机模拟环境模型，其中，所述初始的量子计算机模拟环境模型包括所述生成器与所述辨别器；
通过所述向量数据及每种真实量子计算机环境对应的输出结果，训练所述初始的量子计算机模拟环境模型，得到符合条件的量子计算机模拟环境模型；
将所述向量数据输入至预先训练的量子计算机模拟环境模型的生成器，得到第一输出结果；
在预先设置的量子计算机模拟环境中，选择其他的量子计算机模拟环境，得到其他的输出结果；
根据预先训练的量子计算机模拟环境模型的辨别器，在所述第一输出结果与所述其他的输出结果中，确定出符合条件输出结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010461848.XA CN111753990B (zh) | 2020-05-27 | 2020-05-27 | 一种量子计算机模拟环境方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010461848.XA CN111753990B (zh) | 2020-05-27 | 2020-05-27 | 一种量子计算机模拟环境方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111753990A CN111753990A (zh) | 2020-10-09 |
| CN111753990B true CN111753990B (zh) | 2024-02-02 |
Family
ID=72673558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010461848.XA Active CN111753990B (zh) | 2020-05-27 | 2020-05-27 | 一种量子计算机模拟环境方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111753990B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115346080B (zh) * | 2022-07-22 | 2024-06-18 | 本源量子计算科技（合肥）股份有限公司 | 基于量子计算的图像处理方法及相关设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110569979A (zh) * | 2019-09-09 | 2019-12-13 | 中国科学技术大学 | 面向嘈杂中型量子设备的逻辑-物理比特重映射方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11308248B2 (en) * | 2018-05-05 | 2022-04-19 | Intel Corporation | Apparatus and method for quantum computing performance simulation |
| US20190042970A1 (en) * | 2018-09-27 | 2019-02-07 | Xiang Zou | Apparatus and method for a hybrid classical-quantum processor |
-
2020
- 2020-05-27 CN CN202010461848.XA patent/CN111753990B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110569979A (zh) * | 2019-09-09 | 2019-12-13 | 中国科学技术大学 | 面向嘈杂中型量子设备的逻辑-物理比特重映射方法 |
Non-Patent Citations (1)
| Title |
|---|
| 量子算法的经典计算机模拟;张大伟;朱甫臣;;信息安全与通信保密(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111753990A (zh) | 2020-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wan et al. | Efficient large language models: A survey | |
| CN107957989B (zh) | 基于集群的词向量处理方法、装置以及设备 | |
| CN116860259B (zh) | 一种模型训练和编译器自动调优的方法、装置及设备 | |
| CN116521380A (zh) | 一种资源自适应协同的模型训练加速方法、装置及设备 | |
| CN116663618B (zh) | 一种算子优化方法、装置、存储介质及电子设备 | |
| CN116304720B (zh) | 一种代价模型训练的方法、装置、存储介质及电子设备 | |
| CN116151363B (zh) | 分布式强化学习系统 | |
| CN117828360A (zh) | 一种模型训练、代码生成方法、装置、存储介质及设备 | |
| CN111753990B (zh) | 一种量子计算机模拟环境方法、设备及介质 | |
| CN115841335A (zh) | 数据处理方法、装置及设备 | |
| CN117910542A (zh) | 用户转化预测模型训练方法及装置 | |
| CN116842715B (zh) | 一种仿真数据结构化处理系统 | |
| CN117540825A (zh) | 基于强化学习的预训练模型的构建方法及装置和电子设备 | |
| CN116402165B (zh) | 一种算子检测的方法、装置、存储介质以及电子设备 | |
| CN117409466A (zh) | 一种基于多标签控制的三维动态表情生成方法及装置 | |
| CN115294336A (zh) | 一种数据标注方法、装置及存储介质 | |
| CN116931955B (zh) | 基于人工智能的编译器自动调优方法及装置 | |
| CN114118798B (zh) | 工业互联网平台的任务处理方法、装置及工业互联网平台 | |
| CN116991388B (zh) | 一种深度学习编译器的图优化序列生成方法及装置 | |
| CN117455015B (zh) | 一种模型优化的方法、装置、存储介质及电子设备 | |
| CN116955425A (zh) | 基于合并树模型的数据流处理方法、装置及存储介质 | |
| CN116501852B (zh) | 一种可控对话模型训练方法、装置、存储介质及电子设备 | |
| CN116822138B (zh) | 火药燃气电导率的计算方法、装置和存储介质 | |
| CN117762986A (zh) | 分布式数据库的访问处理方法及装置 | |
| CN118819777A (zh) | 一种基于Lora的大模型切换方法、设备及介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231218 Address after: 250101 building S02, 1036 Chaochao Road, high tech Zone, Jinan City, Shandong Province Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd. Address before: Floor 6, Chaochao Road, Shandong Province Applicant before: JINAN INSPUR HIGH-TECH TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |