CN112019193A - 用于实现量子门的控制脉冲的生成方法、装置 - Google Patents
用于实现量子门的控制脉冲的生成方法、装置 Download PDFInfo
- Publication number
- CN112019193A CN112019193A CN202010906244.1A CN202010906244A CN112019193A CN 112019193 A CN112019193 A CN 112019193A CN 202010906244 A CN202010906244 A CN 202010906244A CN 112019193 A CN112019193 A CN 112019193A
- Authority
- CN
- China
- Prior art keywords
- quantum gate
- gate information
- optimized
- pulse
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 96
- 230000006870 function Effects 0.000 claims description 59
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002096 quantum dot Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005381 potential energy Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03K—PULSE TECHNIQUE
- H03K3/00—Circuits for generating electric pulses; Monostable, bistable or multistable circuits
- H03K3/02—Generators characterised by the type of circuit or by the means used for producing pulses
-
- 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
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
本申请公开了用于实现量子门的控制脉冲的生成方法、装置、电子设备及计算机可读存储介质，涉及量子科学技术领域、量子计算技术领域、脉冲控制技术领域。具体实现方案为：首先获取期望量子门信息和目标量子系统的系统哈密顿量，之后根据该系统哈密顿量确定初始脉冲参数，根据该初始脉冲参数确定对应的真实量子门信息，之后基于获取到的期望量子门信息和该真实量子门信息对该初始脉冲参数进行优化，得到用于生成控制脉冲的优化脉冲参数，再根据优化脉冲参数来确定对应的控制脉冲实现量子门，以提高实现量子门的效率和质量，并节省运算资源。
Description
技术领域
本申请涉及量子科学技术领域，尤其涉及量子计算技术领域、脉冲控 制技术领域。
背景技术
量子控制领域中，将软件层面的量子逻辑门编译为物理脉冲信号的过 程中，会受到非理想因素(如高能级泄露、串扰等)的干扰，因此需生成 合理的脉冲来抑制、消除它们的影响，以提高量子门的保真度。例如通过 建立模型进行仿真和优化，计算出一组脉冲参数，然后在真实的量子硬件 系统根据该参数生成脉冲，消除非理想因素的影响。
因不同的量子系统之间具有不同的参数信息，并且整体流程的可用时 间受到量子比特的相干时间的限制，因此量子控制系统对于脉冲参数有着 较高的要求。
发明内容
本申请提供了一种用于实现量子门的控制脉冲的生成方法、装置、电 子设备以及存储介质。
第一方面，本申请的实施例提供了一种用于实现量子门的控制脉冲的 生成方法，包括：获取期望量子门信息和目标量子系统的系统哈密顿量； 根据该系统哈密顿量确定初始脉冲参数；基于该系统哈密顿量，确定该初 始脉冲参数对应的真实量子门信息；基于该期望量子门信息和该真实量子 门信息对该初始脉冲参数进行优化，得到优化脉冲参数；根据该优化脉冲 参数生成对应的控制脉冲。
第二方面，本申请的实施例提供了一种用于实现量子门的控制脉冲的 装置，包括：系统哈密顿量获取单元，被配置成获取目标量子系统的系统 哈密顿量；期望量子门获取单元，被配置成获取期望量子门信息；初始脉 冲参数确定单元，被配置成根据该系统哈密顿量确定初始脉冲参数；真实 量子门确定单元，被配置成基于该系统哈密顿量确定该初始脉冲参数对应 的真实量子门信息；优化脉冲参数生成单元，被配置成基于该期望量子门信息和该真实量子门信息对该初始脉冲参数进行优化，得到优化脉冲参数； 控制脉冲生成单元，被配置成根据该优化脉冲参数生成对应的控制脉冲。
第三方面，本申请的实施例提供了一种电子设备，包括：至少一个处 理器；以及与上述至少一个处理器通信连接的存储器；其中，该存储器存 储有可被上述至少一个处理器执行的指令，该指令被上述至少一个处理器 执行，以使上述至少一个处理器能够执行如第一方面中任一实现方式描述 的用于实现量子门的控制脉冲的生成方法。
第四方面，本申请的实施例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，包括：该计算机指令用于使该计算机执行如第一方面 中任一实现方式描述的用于实现量子门的控制脉冲的生成方法。
本申请实施例中的用于实现量子门的控制脉冲的生成方法，首先获取 期望量子门信息和目标量子系统的系统哈密顿量，之后根据该系统哈密顿 量确定初始脉冲参数，并根据该初始脉冲参数确定对应的真实量子门信息， 之后基于获取到的期望量子门信息和该真实量子门信息对该初始脉冲参 数进行优化，得到用于生成控制脉冲的优化脉冲参数，再根据优化脉冲参 数来确定对应的控制脉冲实现量子门，以提高实现量子门的效率和质量， 并节省运算资源。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键 或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下 的说明书而变得容易理解。
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是本申请的实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于实现量子门的控制脉冲的生成方法的一个实 施例的流程图；
图3是根据本申请的用于实现量子门的控制脉冲的生成方法的另一个 实施例的流程图；
图4是根据本申请的用于实现量子门的控制脉冲的生成方法的另一个 实施例的流程图；
图5是根据本申请的用于实现量子门的控制脉冲的生成方法的实施例 中，得到优化脉冲参数的一个流程图；
图6是根据本申请的用于实现量子门的控制脉冲的生成方法的实施例 中，得到优化脉冲参数的另一个流程图；
图7是根据本申请的用于实现量子门的控制脉冲的生成装置的一个实 施例的结构示意图；
图8是适于用来实现本申请实施例的用于实现量子门的控制脉冲的生 成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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的 特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于实现量子门的控制脉冲的生成方法、 装置、电子设备及计算机可读存储介质的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络 104和服务器105。网络104用以在终端设备101、102、103和服务器105 之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、 无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交 互，以发送目标量子系统的系统哈密顿量或接收生成的控制脉冲等。终端 设备101、102、103上可以安装有量子技术相关的应用，例如使用量子密 钥的应用、使用量子通信的应用和量子计时类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、 102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智 能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、 102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成 多个软件或软件模块(例如用来实现用于实现量子门的控制脉冲的业务)， 也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请后续各实施例所提供的用于实现量子门的控制 脉冲的生成方法一般由服务器105执行，相应地，用于实现量子门的控制 脉冲的装置一般设置于服务器105中。
需要指出的是，系统的哈密顿量可以存储在服务器105的本地，也可 以根据实际应用场景下所有可能存储的特殊需求，将这些数据分散存储在 终端设备101、102、103中，存储终端设备101、102、103的可以为原件， 也可以为备份，此处不做具体限定。当终端设备101、102、103为运行在 服务器105上的虚拟机时，示例性系统架构100也可以不包括终端设备101、 102、103和网络104。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105 为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现 成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例 如用来提供推送信息服务)，也可以实现成单个软件或软件模块。在此不 做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。 根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于实现量子门的控制脉冲的 生成方法的一个实施例流程200。该用于实现量子门的控制脉冲的生成方 法，包括以下步骤：
步骤201，获取期望量子门信息和目标量子系统的系统哈密顿量。
在本实施例中，用于实现量子门的控制脉冲的生成方法的执行主体 (例如图1所示的服务器105或者终端设备101、102、103)可以从本地 或非本地的人机交互设备(例如图1所示的终端设备101、102、103)获 取目标量子系统的系统哈密顿量。
具体的，哈密顿量通常表示为系统的动能项和势能项的总和，为此需 要获取目标量子系统的结构和参数，确定该量子系统的动能项和势能项， 以得到量子系统的系统哈密顿量。
期望量子门信息，是指用户所期望获得的量子门信息，可以由用户根 据需求预先设置或在需要时实时设置，也可以在服务器、终端设备或其他 存储设备中预先存储，上述执行主体可以根据具体的需要从本地或非本地 的人机交互设备、存储设备中获取期望量子门信息。
期望量子门可以根据用户所期望实现的功能进行自主设置，也可以直 接将期望量子门信息设置为常见泡利-X门(Pauli-X gate，以下简称X门)， 泡利-Y门(Pauli-Ygate，以下简称Y门)，泡利-Z门(Pauli-Z gate，以下简 称Z门)等量子门。
步骤202，根据该系统哈密顿量确定初始脉冲参数。
在本实施例中，根据上述步骤201中确定的系统哈密顿量，确定用于 生成初始脉冲的初始脉冲参数。以高斯波形的脉冲为例，初始脉冲参数包 括：初始脉冲的量子门的执行时间、脉冲振幅、脉冲宽度以及脉冲中心位 置。
初始脉冲的量子门，通常可以根据该量子系统的时间演化算符所满足 的动力学方程求得。为了描述时间演化算符，可以参考以下线性薛定谔方 程：
其中，H(t)为量子系统的哈密顿量，U(t)为时间演化算符，i为虚数 单位，
为普朗克常数。具体地，可以使用例如分离变量法、椭形函数展 开法、试探函数法或三角函数假设法等微分方程展开方法求解该薛定谔方 程，通过求解该线性薛定谔方程，可以确定初始脉冲对应的的量子门。
在本实施例的一些可选实现方式中，采用马格努斯展开算法根据该系 统哈密顿量确定初始脉冲参数。
具体的，采用马格努斯展开算法，对上述微分方程进行展开，可以得 到展开后的使用指数表示的解：
其中，
表示以自然常数e为底的矩阵指数函数，下 标od表示马格努斯展开的阶数。
在本实现方式中，使用马格努斯算法对上述函数进行一阶展开，得到 指数中的项为：
其中，tg为量子门的执行时间，根据该展开方式确定初始脉冲参数中 的量子门。通过马格努斯展开方式，可以使用较快的时间获取量子门的矩 阵形式。
应当理解的是，可以根据该系统哈密顿量和期望量子门来确定初始脉 冲参数中的量子门的脉冲振幅、脉冲宽度以及脉冲中心位置。
以一个三能级超导量子比特为例，可以通过向XY通道施加脉冲来实 现单比特量子门。在相互作用表象下，系统的哈密顿量H(t)可表述为：
其中，αq表示超导量子比特的失谐性强度；
分别为产生算符和湮灭算符。
此外，|0＞＝[1，0，0]T，|1＞＝[0，1，0]T，|2＞＝[0，0，1]T，|0＞与<0| 共轭、|1＞与<1|共轭、|2＞与<2|共轭，p为脉冲数量，k表示脉冲序号，
对应x(y)通道脉冲的高斯包络函数，具体表述为：
其中，
分别为x(y)通道的高斯脉冲的参数，
表示以自然常数e为底的标量的指数函数。
基于此，可以确定初始脉冲参数中脉冲振幅为：
脉冲宽 度设置为：
可以确定脉冲中心位置为：
和 
步骤203，基于系统哈密顿量，确定初始脉冲参数对应的真实量子门 信息。
具体的，系统本身的哈密顿量由H(t)表示，其中，最原始的系统本身 的哈密顿量可以由H0表示，由控制脉冲产生的哈密顿量由u(t)H1表示，其 中u(t)表示含时脉冲的幅度。系统的演化结果与H0+u(t)H1的有关。根据上 述步骤202中得到的初始脉冲参数，即量子门的执行时间、脉冲振幅、脉 冲宽度以及脉冲中心位置，可以确定根据初始脉冲参数对应生成的脉冲的 驱动下，对应的真实量子门信息。
步骤204，基于期望量子门信息和真实量子门信息对该初始脉冲参数 进行优化，得到优化脉冲参数。
在本实施例中，在获取到期望量子门信息后，可以采用例如梯度下降 法，牛顿法，共轭梯度法，启发式算法等方法，对步骤202中确定的初始 脉冲参数进行优化，以调整步骤203中得到的真实量子门信息，减少该真 实量子门信息与期望量子门信息之间差异，使得真实量子门信息接近于期 望量子门信息。
其中，因量子门信息通常以矩阵形式进行表示，可以通过构建目标函 数或者比较矩阵相似性的方式，来确定当前脉冲参数对应的真实量子门信 息与该期望量子门信息的差异程度，在该差异程度满足预先确定的阈值条 件时，将该当前脉冲参数确定为优化脉冲参数。其中，当前脉冲参数为采 用上述的优化方法对初始脉冲参数进行优化得到。
在本实施例的一些可选实现方式中，采用下山单纯形法基于期望量子 门信息和该真实量子门信息对该初始脉冲参数进行优化。
具体的，在获取到期望量子门信息后，可以根据该期望量子门信息和 该真实量子门信息之间的差异程度，判断真实量子门的保真度、该脉冲生 成参数的优劣，即对初始脉冲参数的优化效果进行衡量。
为比较期望量子门信息和该真实量子门信息之间的差异程度，通常会 根据期望量子门信息和真实量子门信息的表达形式确定对应的函数、算法 对两者进行比较。
示例性的，在期望量子门信息和真实量子门信息是以矩阵形式进行表 示时，可以基于该期望量子门信息和真实量子门信息来构建相似函数，该 函数通常的形式为
其中
为期望量子 门信息，Ureal为真实量子门信息，Tr则是代表矩阵的迹，即矩阵对角元的 和，在F等于1的时候可以认为该期望量子门信息和真实量子门信息相同。
例如相似函数的一个具体形式可以为：
其中，
为待优化参数向量，而Ureal则是 使用
计算得到的真实量子门矩阵，Tr则是代表矩阵的迹，即矩阵对角元 的和。
可以根据该相似函数的值来判断该真实量子门信息和该期望量子门 信息的差异，在该相似函数中可以看出，随着真实量子门信息与期望量子 门信息之间的差异减小，
的值会逐渐增大，即
的值越 小则说明该真实量子门信息和该期望量子门信息的相似度越高。
下山单纯形法，即Nelder-Mead法，用于多维空间寻找目标函数的最 大值最小值问题。它是基于比较的直接搜索方法，通常应用于导数不可知 的非线性优化问题。可以用来求解最小化问题，(若需要求解f(x)最大化 问题时，可将问题视为最小化-f(x))，该方法的基本思路中，可以将n维 目标函数的n+1个测试点组成一个单纯形，然后计算的每个点的目标函数 值，以找到一个新的测试点替代旧的测试点，进行迭代。例如，用质心(前 n个点的均值)的反射点替换最差的点、如果反射点比当前点更好，可以 继续在反射点的方向上延伸寻找；如果不如当前点，那就将所有点往一个 更好的方向收缩。
在此基础上，基于下山单纯形法不需要判断该相似函数是否可导，便 可较快的求得函数收敛到局部最小值的特点，从而在采用下山单纯形法求 得
的最小值时，可以提升整体方案的运算效率，避免因计算时间过长 对量子系统产生较大的影响。
步骤205，根据该优化脉冲参数生成对应的控制脉冲。
具体的，获取到最终确定的优化脉冲参数后，基于该优化脉冲参数来 确定控制脉冲的生成，便可以得到生成的与优化脉冲参数对应的控制脉冲。
本申请实施例提供的用于实现量子门的控制脉冲的生成方法，首先获 取期望量子门信息和目标量子系统的系统哈密顿量，之后根据该系统哈密 顿量确定初始脉冲参数，根据该初始脉冲参数确定对应的真实量子门信息， 之后基于获取到的期望量子门信息和该真实量子门信息对该初始脉冲参 数进行优化，得到用于生成控制脉冲的优化脉冲参数，再根据优化脉冲参 数来确定对应的控制脉冲实现量子门，以提高实现量子门的效率和质量， 并节省运算资源。
在本实施例的一些可选的实现方式中，在基于期望量子门信息和真实 量子门信息对初始脉冲参数进行优化，得到优化脉冲参数之后，在根据优 化脉冲参数生成对应的控制脉冲之前，还包括：判断基于该期望量子门信 息和该真实量子门信息构造的目标函数是否收敛；若该目标函数发散，则 根据该优化参数重新确定系统哈密顿量，并跳转至执行根据该系统哈密顿 量确定初始脉冲参数；若该目标函数收敛，则跳转至执行该根据该优化脉冲参数生成对应的控制脉冲。
具体的，在期望量子门信息和真实量子门信息的是以矩阵形式进行表 示或者如线性方程、向量等其他支持利用函数关系判断两者差异性的表示 形式时，可以基于该期望量子门信息和真实量子门信息来构建目标函数， 例如上述示例中的相似函数
便于使用该目标函数来比较期望量子门 信息和真实量子门信息之间的差异。
应当理解的是，在期望量子门信息和真实量子门信息接近时，构造的 相似函数的值越接近1或者特定值，因此，通常使用收敛的目标函数实现 期望量子门信息和真实量子门信息的相似度比较。
为方便理解该过程，继续参考图3，其示出了根据本申请的用于实现 量子门的控制脉冲的生成方法的一个实施例的流程300。该用于实现量子 门的控制脉冲的生成方法，包括以下步骤：
步骤301，获取期望量子门信息和目标量子系统的系统哈密顿量。
步骤302，根据该系统哈密顿量确定初始脉冲参数。
步骤303，基于该系统哈密顿量，确定该初始脉冲参数对应的真实量 子门信息。
步骤304，基于期望量子门信息和该真实量子门信息对该初始脉冲参 数进行优化，得到优化脉冲参数。
步骤305，判断基于该期望量子门信息和真实量子门信息构造的目标 函数是否收敛。
具体的，在期望量子门信息和真实量子门信息的表达形式支持构造函 数的情况下，基于期望量子门信息和真实量子门信息构造目标函数，并判 断该目标函数是否收敛。
步骤306，该目标函数发散，则根据该优化参数重新确定系统哈密顿 量，并跳转至执行该根据系统哈密顿量确定初始脉冲参数。
具体的，在确定该目标函数发散时，虽然无法使用该目标函数来判断 期望量子门信息和真实量子门信息的相似程度，但该步得到的真实量子门 信息已经是得到经过优化后的脉冲参数生成的，在此基础上使用该优化后 脉冲参数重新确定系统哈密顿量，以实现二次优化，以迭代的方式逐渐对 脉冲的生成参数进行优化。
步骤307，该目标函数收敛，则根据该优化脉冲参数生成对应的控制 脉冲。
具体的，该步骤与图2所示的实施例中步骤205内容相似，不再赘述。
在本实施例中，步骤301-304与上述图2所示实施例中的步骤201-204 相同，对此不再赘述。本实现方式中可以根据该优化参数重新确定系统哈 密顿量，重新确定真实量子门信息，进而以迭代的方式对优化脉冲参数进 行更新，从而确保得到的优化脉冲参数对应的真实量子门信息与该期望量 子门信息之间的差异满足要求。
在本实施例的一些可选的实现方式中，根据该优化脉冲参数生成对应 的控制脉冲，包括：判断该优化脉冲参数对应的真实量子门信息是否满足 预先确定的阈值要求；响应于确定该优化脉冲参数对应的真实量子门信息 满足预先确定的阈值要求，根据该优化脉冲参数生成对应的控制脉冲。
具体的，判断得到优化脉冲参数对应的真实量子门信息是否满足预先 确定的阈值要求，如果满足的话说明该优化脉冲参数满足需求，可以使用 该优化脉冲参数生成对应的控制脉冲。采用此方式对优化脉冲参数进行二 次筛选，可以提升得到的优化脉冲参数的质量。
在本实施例的一些可选的实现方式中，还包括：响应于确定该优化脉 冲参数对应的真实量子门信息不满足预先确定的阈值要求，基于该优化参 数重新确定该系统哈密顿量；以及基于系统哈密顿量，确定该初始脉冲参 数，包括：采用龙格－库塔法算法基于重新确定的系统哈密顿量重新确定 所述初始脉冲参数。
具体的，在确定得到优化脉冲参数对应的真实量子门信息不满足预先 确定的阈值要求时，基于该优化脉冲参数重新确定系统哈密顿量，使用龙 格－库塔法算法基于该重新确定的系统哈密顿量重新确定初始脉冲参数。 通过龙格－库塔法算法，可以在其他方式确定的优化脉冲参数无法满足需 求时，提供一种较为稳定的确定优化脉冲参数，提高了用于实现量子门的 控制脉冲的生成方法对于不同量子系统的适应性。
本申请还通过图4、图5和图6给出了用于实现量子门的控制脉冲的 生成方法的另一个实施例，目的在于说明联合使用马格努斯展开算法以及 龙格-库塔法算法确定系统哈密顿量，以及使用下山单纯形法作为参数优化 方法的实现形式，整体流程如图4所示，使用马格努斯展开算法和使用下 山单纯形法作为优化方法的流程如图5所示，使用龙格-库塔法算法和使用 下山单纯形法作为优化方法的流程如图6所示。包括如下步骤：
步骤401，获取目标量子系统的系统哈密顿量。
步骤402，基于该系统哈密顿量，采用马格努斯展开算法和下山单纯 形法确定优化脉冲参数。
具体的，如图5所示，该流程包括：
步骤501，采用马格努斯展开算法根据该系统哈密顿量确定矩阵形式 的真实量子门信息。
步骤502，基于该期望量子门信息和该真实量子门信息构建目标函数， 采用下山单纯形法基于该目标函数对该初始脉冲参数进行优化。
具体的，根据期望量子门信息和真实量子门信息构建目标函数，使用 下山单纯形法确定该目标函数值最小时对应的当前脉冲参数，确定当前脉 冲参数。
步骤503，判断该目标函数是否收敛，若不收敛则执行步骤504，若 收敛则执行步骤505，将该当前脉冲参数作为优化脉冲参数。
步骤504，根据该当前脉冲参数重新确定系统哈密顿量，并跳转至执 行步骤501。
步骤403，判断该优化脉冲参数对应的真实量子门信息是否满足预先 确定的阈值要求，若满足则执行步骤406，不满足则执行步骤404。
步骤404，使用该优化脉冲参数重新确定系统哈密顿量。
步骤405，基于该重新确定的系统哈密顿量，采用龙格－库塔法算法 和下山单纯形法确定优化脉冲参数。
具体的，如图6所示，该流程包括：
步骤601，采用龙格－库塔法算法根据该系统哈密顿量确定矩阵形式 的真实量子门信息。
步骤602，采用下山单纯形法基于该期望量子门信息和该真实量子门 信息对该初始脉冲参数进行优化。
具体的，根据期望量子门信息和真实量子门信息构建目标函数，使用 下山单纯形法确定该目标函数值最小时对应的当前脉冲参数，确定当前脉 冲参数。
步骤603，判断该目标函数是否收敛，若不收敛则执行步骤504，若 收敛则执行步骤605，将该当前脉冲参数作为优化脉冲参数。
步骤604，则根据该优化脉冲参数重新确定系统哈密顿量，并跳转至 执行步骤601。
步骤406，输出优化脉冲参数，并根据该脉冲参数生成对应的控制脉 冲。
本实施例提供的用于实现量子门的控制脉冲的生成方法中，在图2所 示的实施的基础上，结合使用了马格努斯展开算法和龙格－库塔法两种算 法，不仅针对不同量子系统都可以稳定、高速的生成满足要求的控制脉冲 参数，提高了用于实现量子门的控制脉冲的生成方法对于不同量子系统的 适应性。
进一步为加深理解，本申请还结合一个具体应用场景，给以验证本申 请技术方案的有效性和优势。具体的，超导电路的参数取为tg＝30ns， αq＝-200MHz；希望优化脉冲对应的量子门趋近于常用的X门，即，期 望量子门信息
目标函数ggoal＝0.005。
将采用本申请的技术方案所得结果与传统的技术方案进行了对比，具 体结果如表一所示：
表一
通过上面的对比，可以清晰看到在生成X门的效果中，本申请的技术 方案可以快速的得到高保真度的量子门，而传统的生成方式中，无论是量 子门的生成速度还是生成的质量都与本申请中的有着较大的差距。
为了进一步展现本技术方案的普遍性，我们也测试了更具有一般性的 哈达玛门(Hadamard gate，以下简称H门)，具体效果呈现如表二。可以 清晰看出，使用本申请的技术方案，对于H门也可以有很好的适用效果。
表二
通过上述内容可以看出，本申请中提供的技术方案，可以针对不同量 子系统提供与其相适应的控制脉冲，再根据优化脉冲参数来确定对应的控 制脉冲实现量子门，以提高实现量子门的效率和质量，并节省运算资源。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一 种用于实现量子门的控制脉冲的装置的一个实施例，该装置实施例与图2 所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例的用于实现量子门的控制脉冲的生成装置700 可以包括：系统哈密顿量获取单元701，被配置成获取目标量子系统的系 统哈密顿量；期望量子门获取单元702，被配置成获取期望量子门信息； 初始脉冲参数确定单元703，被配置成根据该系统哈密顿量确定初始脉冲 参数；真实量子门确定单元704，被配置成基于该系统哈密顿量，确定该 初始脉冲参数对应的真实量子门信息；优化脉冲参数生成单元705，被配 置成获取期望量子门信息，基于该期望量子门信息和该真实量子门信息对 该初始脉冲参数进行优化，得到优化脉冲参数；控制脉冲生成单元706， 被配置成根据该优化脉冲参数生成对应的控制脉冲。
在本实施例中，用于实现量子门的控制脉冲的生成装置700中：系统 哈密顿量获取单元701、期望量子门获取单元702初始脉冲参数确定单元 703、真实量子门确定单元704、优化脉冲参数生成单元705和控制脉冲生 成单元706的具体处理及其所带来的技术效果可分别参考图2对应实施例 中的步骤201-204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，真实量子门确定单元704中基 于该系统哈密顿量，确定该初始脉冲参数，包括：采用马格努斯展开算法 基于该系统哈密顿量确定该初始脉冲参数。
在本实施例的一些可选的实现方式中，优化脉冲参数生成单元705中 该基于该期望量子门信息和该真实量子门信息，对该初始脉冲参数进行优 化，包括：采用下山单纯形法基于该期望量子门信息和该真实量子门信息 对该初始脉冲参数进行优化。
在本实施例的一些可选的实现方式中，系统哈密顿量获取单元701中 获取目标量子系统的系统哈密顿量，包括：目标函数判断单元，被配置成 判断基于该期望量子门信息和该真实量子门信息构造的目标函数是否收 敛；以及该系统哈密顿量获取单元，进一步被配置成若该目标函数发散， 则根据该优化参数重新确定系统哈密顿量；初始脉冲参数确定单元，进一 步被配置成基于重新确定的系统哈密顿量重新确定初始脉冲参数；控制脉 冲生成单元，进一步被配置成若该目标函数收敛，根据该优化脉冲参数生 成对应的控制脉冲。
在本实施例的一些可选的实现方式中，优化脉冲参数生成单元705中 根据该优化脉冲参数生成对应的控制脉冲，包括：判断该优化脉冲参数是 否满足预先确定的阈值要求；响应于确定该优化脉冲参数对应的该真实量 子门信息满足预先确定的阈值要求，根据该优化脉冲参数生成对应的控制 脉冲。
在本实施例的一些可选的实现方式中，该装置还包括，系统哈密顿量 获取单元701进一步被配置成，响应于确定该优化脉冲参数对应的该真实 量子门信息不满足该阈值要求，基于该优化参数重新确定该系统哈密顿量； 以及真实量子门确定单元704进一步被配置成，采用龙格－库塔法算法基 于重新确定的系统哈密顿量重新确定该初始脉冲参数。
本实施例作为对应于上述方法实施例的装置实施例存在，相同内容参 考对于上述方法实施例的说明，对此不再赘述。通过本申请实施例提供的 用于实现量子门的控制脉冲的装置，可以针对不同量子系统的需求对控制 脉冲参数进行优化，再根据优化脉冲参数来确定对应的控制脉冲实现量子 门，以提高实现量子门的效率和质量，并节省运算资源。
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8所示，是根据本申请实施例的用于实现量子门的控制脉冲的生 成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、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8所示，该电子设备包括：一个或多个处理器801、存储器802， 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8中以一个处理器801 为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中， 该存储器存储有可由至少一个处理器执行的指令，以使上述至少一个处理 器执行本申请所提供的用于实现量子门的控制脉冲的生成方法。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用于实现量子门的控制脉冲方法。
存储器802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用于 实现量子门的控制脉冲的生成方法对应的程序指令/模块(例如，附图7 所示的系统哈密顿量获取单元701、期望量子门获取单元702、初始脉冲 参数确定单元703、真实量子门确定单元704、优化脉冲参数生成单元705 和控制脉冲生成单元706)。处理器801通过运行存储在存储器802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用于实现量子门的控制脉冲的生成方 法。
存储器802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 推送信息的电子设备的使用所创建的数据等。此外，存储器802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 802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以 通过网络连接至推送信息的电子设备。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。
用于实现量子门的控制脉冲的生成方法的电子设备还可以包括：输入 装置803和输出装置804。处理器801、存储器802、输入装置803和输出 装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息，以及产生与用于实现量 子门的控制脉冲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804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)、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、至少一个上述 输入装置、和至少一个上述输出装置。
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(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(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。
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(LAN)、广域网(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。
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 (14)
1.一种用于实现量子门的控制脉冲的生成方法，包括：
获取期望量子门信息和目标量子系统的系统哈密顿量；
根据所述系统哈密顿量确定初始脉冲参数；
基于所述系统哈密顿量，确定所述初始脉冲参数对应的真实量子门信息；
基于所述期望量子门信息和所述真实量子门信息对所述初始脉冲参数进行优化，得到优化脉冲参数；
根据所述优化脉冲参数生成对应的控制脉冲。
2.根据权利要求1所述的方法，其中，所述根据所述系统哈密顿量确定初始脉冲参数，包括：
采用马格努斯展开算法根据所述系统哈密顿量确定所述初始脉冲参数。
3.根据权利要求1或2所述的方法，其中，所述基于所述期望量子门信息和所述真实量子门信息，对所述初始脉冲参数进行优化，包括：
采用下山单纯形法基于所述期望量子门信息和所述真实量子门信息对所述初始脉冲参数进行优化。
4.根据权利要求2所述的方法，在所述基于所述期望量子门信息和所述真实量子门信息对所述初始脉冲参数进行优化，得到优化脉冲参数之后，在根据所述优化脉冲参数生成对应的控制脉冲之前，所述方法还包括：
判断基于所述期望量子门信息和所述真实量子门信息构造的目标函数是否收敛；
若所述目标函数发散，则根据所述优化参数重新确定所述系统哈密顿量，并跳转至执行所述根据所述系统哈密顿量确定初始脉冲参数；
若所述目标函数收敛，则跳转至执行所述根据所述优化脉冲参数生成对应的控制脉冲。
5.根据权利要求4所述的方法，所述根据所述优化脉冲参数生成对应的控制脉冲，包括：
判断所述优化脉冲参数对应的所述真实量子门信息是否满足预先确定的量子门保真度的阈值要求；
响应于确定所述优化脉冲参数对应的所述真实量子门信息满足预先确定的阈值要求，根据所述优化脉冲参数生成对应的控制脉冲。
6.根据权利要求5所述的方法，还包括：
响应于确定所述优化脉冲参数对应的所述真实量子门信息不满足预先确定的阈值要求，基于所述优化参数重新确定所述系统哈密顿量，跳转至执行所述根据所述系统哈密顿量确定初始脉冲参数；以及
所述根据所述系统哈密顿量确定初始脉冲参数，包括：采用龙格－库塔法算法基于重新确定的系统哈密顿量重新确定所述初始脉冲参数。
7.一种用于实现量子门的控制脉冲的生成装置，包括：
系统哈密顿量获取单元，被配置成获取目标量子系统的系统哈密顿量；
期望量子门获取单元，被配置成获取期望量子门信息；
初始脉冲参数确定单元，被配置成根据所述系统哈密顿量确定初始脉冲参数；
真实量子门确定单元，被配置成基于所述系统哈密顿量，确定所述初始脉冲参数对应的真实量子门信息；
优化脉冲参数生成单元，被配置成基于所述期望量子门信息和所述真实量子门信息对所述初始脉冲参数进行优化，得到优化脉冲参数；
控制脉冲生成单元，被配置成根据所述优化脉冲参数生成对应的控制脉冲。
8.根据权利要求7所述的装置，其中，所述初始脉冲参数确定单元中所述根据所述系统哈密顿量，确定所述初始脉冲参数，包括：
采用马格努斯展开算法根据所述系统哈密顿量确定所述初始脉冲参数。
9.根据权利要求7或8所述的装置，其中，所述优化脉冲参数生成单元中所述基于所述期望量子门信息和所述真实量子门信息，对所述初始脉冲参数进行优化，包括：
采用下山单纯形法基于所述期望量子门信息和所述真实量子门信息对所述初始脉冲参数进行优化。
10.根据权利要求8所述的装置，其中，所述系统哈密顿量获取单元中，包括：
目标函数判断单元，被配置成判断基于所述期望量子门信息和所述真实量子门信息构造的目标函数是否收敛；以及
所述系统哈密顿量获取单元，进一步被配置成若所述目标函数发散，则根据所述优化参数重新确定所述系统哈密顿量；
初始脉冲参数确定单元，进一步被配置成根据重新确定的系统哈密顿量重新确定所述初始脉冲参数；
控制脉冲生成单元，进一步被配置成若所述目标函数收敛，根据所述优化脉冲参数生成对应的控制脉冲。
11.根据权利要求10所述的装置，其中，所述优化脉冲参数生成单元中所述根据所述优化脉冲参数生成对应的控制脉冲，包括：
判断所述优化脉冲参数是否满足预先确定的阈值要求；
响应于确定所述优化脉冲参数对应的所述真实量子门信息满足预先确定的阈值要求，根据所述优化脉冲参数生成对应的控制脉冲。
12.根据权利要求11所述的装置，还包括：
所述哈密顿量获取单元，进一步被配置成响应于确定所述优化脉冲参数对应的所述真实量子门信息不满足所述阈值要求，基于所述优化参数重新确定所述系统哈密顿量；以及
所述真实量子门确定单元，进一步被配置成采用龙格－库塔法算法基于重新确定的系统哈密顿量重新确定所述初始脉冲参数。
13.一种电子设备，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权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，包括：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 |
|---|---|---|---|
| CN202010906244.1A CN112019193B (zh) | 2020-09-01 | 2020-09-01 | 用于实现量子门的控制脉冲的生成方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010906244.1A CN112019193B (zh) | 2020-09-01 | 2020-09-01 | 用于实现量子门的控制脉冲的生成方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112019193A true CN112019193A (zh) | 2020-12-01 |
| CN112019193B CN112019193B (zh) | 2021-10-22 |
Family
ID=73515524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010906244.1A Active CN112019193B (zh) | 2020-09-01 | 2020-09-01 | 用于实现量子门的控制脉冲的生成方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112019193B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112749809A (zh) * | 2021-01-14 | 2021-05-04 | 北京百度网讯科技有限公司 | 构造量子仿真系统的方法和装置 |
| CN112819170A (zh) * | 2021-01-22 | 2021-05-18 | 北京百度网讯科技有限公司 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
| CN113487035A (zh) * | 2021-08-03 | 2021-10-08 | 北京百度网讯科技有限公司 | 量子门的控制脉冲确定方法、装置及电子设备 |
| CN113516248A (zh) * | 2021-07-12 | 2021-10-19 | 北京百度网讯科技有限公司 | 一种量子门测试方法、装置及电子设备 |
| CN113537501A (zh) * | 2021-07-12 | 2021-10-22 | 北京百度网讯科技有限公司 | 电磁串扰的标定和缓释方法、装置及电子设备 |
| CN114298317A (zh) * | 2021-12-28 | 2022-04-08 | 北京量子信息科学研究院 | 控制参数确定方法、装置、计算机设备和存储介质 |
| US11463075B2 (en) | 2019-09-02 | 2022-10-04 | Quantum Machines | Quantum controller architecture |
| WO2022214881A1 (en) * | 2021-04-08 | 2022-10-13 | Quantum Machines | System and method for pulse generation during quantum operations |
| US11507873B1 (en) | 2019-12-16 | 2022-11-22 | Quantum Machines | Highly scalable quantum control |
| US11616498B2 (en) | 2019-09-02 | 2023-03-28 | Quantum Machines | Software-defined pulse orchestration platform |
| US11671180B2 (en) | 2021-04-28 | 2023-06-06 | Quantum Machines | System and method for communication between quantum controller modules |
| US11671082B2 (en) | 2019-03-06 | 2023-06-06 | Quantum Machines | Synchronization in a quantum controller with modular and dynamic pulse generation and routing |
| US11736096B2 (en) | 2019-01-14 | 2023-08-22 | Quantum Machines | Quantum controller with multiple pulse modes |
| US11750179B2 (en) | 2018-11-26 | 2023-09-05 | Quantum Machines | Quantum controller with modular and dynamic pulse generation and routing |
| US11870443B2 (en) | 2019-07-31 | 2024-01-09 | Quantum Machines | Frequency generation in a quantum controller |
| US11868849B2 (en) | 2019-05-02 | 2024-01-09 | Quantum Machines | Modular and dynamic digital control in a quantum controller |
| US11942946B2 (en) | 2020-08-05 | 2024-03-26 | Quantum Machines | Frequency management for quantum control |
| US12111352B2 (en) | 2022-01-24 | 2024-10-08 | Quantum Machines | Machine learning for syncing multiple FPGA ports in a quantum system |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109478258A (zh) * | 2016-06-02 | 2019-03-15 | 谷歌有限责任公司 | 使用子逻辑控制训练量子演进 |
| CN109643326A (zh) * | 2016-08-17 | 2019-04-16 | 国际商业机器公司 | 有效减少在量子硬件上模拟费米子哈密顿量所需资源 |
| WO2019152019A1 (en) * | 2018-01-31 | 2019-08-08 | Niu Yuezhen | Universal control for implementing quantum gates |
| CN111464154A (zh) * | 2019-01-22 | 2020-07-28 | 华为技术有限公司 | 一种控制脉冲的计算方法及装置 |
-
2020
- 2020-09-01 CN CN202010906244.1A patent/CN112019193B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109478258A (zh) * | 2016-06-02 | 2019-03-15 | 谷歌有限责任公司 | 使用子逻辑控制训练量子演进 |
| CN109643326A (zh) * | 2016-08-17 | 2019-04-16 | 国际商业机器公司 | 有效减少在量子硬件上模拟费米子哈密顿量所需资源 |
| WO2019152019A1 (en) * | 2018-01-31 | 2019-08-08 | Niu Yuezhen | Universal control for implementing quantum gates |
| CN111464154A (zh) * | 2019-01-22 | 2020-07-28 | 华为技术有限公司 | 一种控制脉冲的计算方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| HOLGER FRYDRYCH 等: "Pulse-controlled quantum gate sequences on a strongly coupled qubit chain", 《PHYSICAL REVIEW A》 * |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11750179B2 (en) | 2018-11-26 | 2023-09-05 | Quantum Machines | Quantum controller with modular and dynamic pulse generation and routing |
| US12088302B2 (en) | 2018-11-26 | 2024-09-10 | Quantum Machines | Quantum controller with modular and dynamic pulse generation and routing |
| US11736096B2 (en) | 2019-01-14 | 2023-08-22 | Quantum Machines | Quantum controller with multiple pulse modes |
| US12021532B2 (en) | 2019-03-06 | 2024-06-25 | Quantum Machines | Synchronization in a quantum controller with modular and dynamic pulse generation and routing |
| US11671082B2 (en) | 2019-03-06 | 2023-06-06 | Quantum Machines | Synchronization in a quantum controller with modular and dynamic pulse generation and routing |
| US11868849B2 (en) | 2019-05-02 | 2024-01-09 | Quantum Machines | Modular and dynamic digital control in a quantum controller |
| US11870443B2 (en) | 2019-07-31 | 2024-01-09 | Quantum Machines | Frequency generation in a quantum controller |
| US11942947B2 (en) | 2019-09-02 | 2024-03-26 | Quantum Machines | Quantum controller architecture |
| US11967957B2 (en) | 2019-09-02 | 2024-04-23 | Quantum Machines | Software-defined pulse orchestration platform |
| US11463075B2 (en) | 2019-09-02 | 2022-10-04 | Quantum Machines | Quantum controller architecture |
| US11616497B2 (en) | 2019-09-02 | 2023-03-28 | Quantum Machines | Software-defined pulse orchestration platform |
| US11616498B2 (en) | 2019-09-02 | 2023-03-28 | Quantum Machines | Software-defined pulse orchestration platform |
| US11967956B2 (en) | 2019-09-02 | 2024-04-23 | Quantum Machines | Software-defined pulse orchestration platform |
| US11507873B1 (en) | 2019-12-16 | 2022-11-22 | Quantum Machines | Highly scalable quantum control |
| US11942946B2 (en) | 2020-08-05 | 2024-03-26 | Quantum Machines | Frequency management for quantum control |
| CN112749809B (zh) * | 2021-01-14 | 2021-12-14 | 北京百度网讯科技有限公司 | 构造量子仿真系统的方法和装置 |
| CN112749809A (zh) * | 2021-01-14 | 2021-05-04 | 北京百度网讯科技有限公司 | 构造量子仿真系统的方法和装置 |
| CN112819170B (zh) * | 2021-01-22 | 2021-11-05 | 北京百度网讯科技有限公司 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
| CN112819170A (zh) * | 2021-01-22 | 2021-05-18 | 北京百度网讯科技有限公司 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
| WO2022214881A1 (en) * | 2021-04-08 | 2022-10-13 | Quantum Machines | System and method for pulse generation during quantum operations |
| US11671180B2 (en) | 2021-04-28 | 2023-06-06 | Quantum Machines | System and method for communication between quantum controller modules |
| CN113516248B (zh) * | 2021-07-12 | 2022-04-12 | 北京百度网讯科技有限公司 | 一种量子门测试方法、装置及电子设备 |
| CN113537501A (zh) * | 2021-07-12 | 2021-10-22 | 北京百度网讯科技有限公司 | 电磁串扰的标定和缓释方法、装置及电子设备 |
| CN113516248A (zh) * | 2021-07-12 | 2021-10-19 | 北京百度网讯科技有限公司 | 一种量子门测试方法、装置及电子设备 |
| CN113487035A (zh) * | 2021-08-03 | 2021-10-08 | 北京百度网讯科技有限公司 | 量子门的控制脉冲确定方法、装置及电子设备 |
| CN114298317A (zh) * | 2021-12-28 | 2022-04-08 | 北京量子信息科学研究院 | 控制参数确定方法、装置、计算机设备和存储介质 |
| CN114298317B (zh) * | 2021-12-28 | 2024-07-02 | 北京量子信息科学研究院 | 控制参数确定方法、装置、计算机设备和存储介质 |
| US12111352B2 (en) | 2022-01-24 | 2024-10-08 | Quantum Machines | Machine learning for syncing multiple FPGA ports in a quantum system |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112019193B (zh) | 2021-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112019193B (zh) | 用于实现量子门的控制脉冲的生成方法、装置 | |
| US20210397772A1 (en) | Quantum circuit simulation method and device, apparatus, and storage medium | |
| CN112488317B (zh) | 量子控制中的仿真方法、装置、经典计算机及存储介质 | |
| US11475099B2 (en) | Optimization apparatus and method for controlling thereof | |
| US20230131088A1 (en) | Optimization apparatus and control method thereof | |
| CN110795569B (zh) | 知识图谱的向量表示生成方法、装置及设备 | |
| CN111598246B (zh) | 量子吉布斯态生成方法、装置及电子设备 | |
| US10685160B2 (en) | Large cluster persistence during placement optimization of integrated circuit designs | |
| US12106182B2 (en) | Validating and estimating runtime for quantum algorithms | |
| KR20210114853A (ko) | 모델 파라미터를 업데이트하는 방법 및 장치 | |
| WO2020141079A1 (en) | Mapping logical qubits on a quantum circuit | |
| CN112749809B (zh) | 构造量子仿真系统的方法和装置 | |
| CN111582454A (zh) | 生成神经网络模型的方法和装置 | |
| US20220138194A1 (en) | Parameter optimization apparatus, method, and system | |
| US10616103B2 (en) | Constructing staging trees in hierarchical circuit designs | |
| CN113792880A (zh) | 基于脉冲的量子门实现方法及装置、电子设备和介质 | |
| US11362663B2 (en) | Quantum pulse determining method, apparatus, device and readable storage medium | |
| CN110991648A (zh) | 一种高斯分布量子态确定方法、装置以及电子设备 | |
| CN111783949A (zh) | 基于迁移学习的深度神经网络的训练方法和装置 | |
| CN111325332A (zh) | 卷积神经网络的处理方法和装置 | |
| Qiu et al. | Cost minimization for heterogeneous systems with Gaussian distribution execution time | |
| Baskaran et al. | Adapting the harrow-hassidim-lloyd algorithm to quantum many-body theory | |
| Biedron et al. | Snowmass21 accelerator modeling community white paper | |
| CN111709514A (zh) | 神经网络模型的处理方法和装置 | |
| CN111865683B (zh) | 虚拟网关版本灰度发布方法、装置、设备以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |