CN112465146B - 一种量子与经典混合云平台以及任务执行方法 - Google Patents
一种量子与经典混合云平台以及任务执行方法 Download PDFInfo
- Publication number
- CN112465146B CN112465146B CN202011301939.3A CN202011301939A CN112465146B CN 112465146 B CN112465146 B CN 112465146B CN 202011301939 A CN202011301939 A CN 202011301939A CN 112465146 B CN112465146 B CN 112465146B
- Authority
- CN
- China
- Prior art keywords
- quantum
- classical
- task
- classic
- computing task
- 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 27
- 238000004891 communication Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000007726 management method Methods 0.000 claims description 25
- 230000002787 reinforcement Effects 0.000 claims description 16
- 238000000926 separation method Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013468 resource allocation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/545—Interprogram communication where tasks reside in different layers, e.g. user- and kernel-space
-
- 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
- G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
-
- 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
- G06N10/80—Quantum programming, e.g. interfaces, languages or software-development kits for creating or handling programs capable of running on quantum computers; Platforms for simulating or accessing quantum computers, e.g. cloud-based quantum computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种量子与经典混合云平台以及任务执行方法，该云平台包括：SaaS层，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；PaaS层，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；IaaS层，用于根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。这样能够减小通信开销以及数据延迟，提高任务处理效率，发挥量子计算优势。
Description
技术领域
本申请涉及云计算技术领域，特别涉及一种量子与经典混合云平台以及任务执行方法。
背景技术
随着人工智能、大数据、物联网等新一代信息技术的发展，当今社会已经迈入万物互联时代，数据正在成为信息领域最大的资源。然而，数据量的爆炸式增长对传统计算系统的算力提出了巨大挑战，如何针对海量数据进行快速有效处理是近年来限制机器学习、大数据、量子化学、新药物研发等技术进一步实用化的主要障碍。其难题主要有二：(1)由于摩尔定律即将走向极限，电子芯片算力无法通过提升工艺来进行算力的提升；(2)目前内存墙的限制越来越严重，电子芯片受到极大的约束。
量子计算是最有希望解决以上问题的途径之一。而量子云平台将成为量子计算未来长期主要的存在形式。目前量子计算云平台主要是单纯提供在线的量子芯片或仿真的服务，然而在目前的量子计算云平台中需要在本地或其它设置中完成经典计算，然后再与量子计算云平台之间进行频繁的通信以完成整个计算，由于需要进行经典计算集群和量子计算集群之间的频繁通信，跨集群通信造成大量的通信开销，由此造成量子芯片和经典设备之间的数据延迟过大，甚至丧失原本的量子优势。
发明内容
有鉴于此，本申请的目的在于提供一种量子与经典混合云平台以及任务执行方法，能够减小通信开销以及数据延迟，提高任务处理效率，发挥量子计算优势。其具体方案如下：
第一方面，本申请公开了一种量子与经典混合云平台，包括：
SaaS层，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；
PaaS层，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；
IaaS层，用于根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。
可选地，所述SaaS层，包括：
用户编程模块，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言。
可选地，所述资源管理与调度模块，用于：
计算所述量子计算任务对应的第一待分配资源，并根据所述第一待分配资源从所述IaaS层中空闲的经典服务器中确定出第一目标经典服务器，以便在所述第一目标经典服务器上部署量子虚拟机；
计算所述经典计算任务对应的第二待分配资源，并根据所述第二待分配资源从所述IaaS层中空闲的经典服务器中确定出第二目标经典服务器，以便利用所述第二经典服务器执行所述经典计算任务。
可选地，所述PaaS层，包括：
量子虚拟机部署模块，用于获取所述资源管理与调度模块确定出的第一目标经典服务器的信息，并在所述第一目标经典服务器上部署量子虚拟机。
可选地，所述IaaS层，包括：
所述第一目标经典服务器上的量子虚拟机，用于执行所述量子计算任务；
第二目标经典服务器，用于执行所述经典计算任务。
可选地，所述IaaS层，包括：
存储设备，用于进行数据存储；
网络设备，用于进行所述IaaS层中不同设备之间的通信。
可选地，所述IaaS层，包括：
基础设施管理模块，用于对所述IaaS层的基础设施进行管理、监控与运维。
可选地，所述SaaS层，包括：
解决方案提供模块，用于提供机器视觉解决方案和强化学习解决方案。
第二方面，本申请公开了一种量子与经典混合任务执行方法，应用于前述的量子与经典混合云平台，包括：
通过SaaS层上的用户接口获取待执行任务对应的量子与经典混合编程语言；
通过PaaS层对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；
通过IaaS层根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。
可见，本申请公开了一种量子与经典混合云平台，该云平台包括SaaS层，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；PaaS层，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；以及IaaS层，用于根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。由此可以，本申请在SaaS层通过用户接口，以便用户可以通过所述用户接口输入量子与经典混合编程语言，解决了现有量子云平台中只支持量子编程的单一模式带来的用户不友好问题，且在所述PaaS层进行量子与经典混合编程语言的编译时，便将待执行任务分割成量子计算任务和经典计算任务，并配置对应的IaaS层资源执行对应的任务，实现了双计算模式同步快速执行，且最大化地利用了计算资源，提高了任务处理效率，此外，进行量子计算的量子虚拟机和进行经典计算的经典虚拟机都位于IaaS层，使得进行量子计算的量子虚拟机和进行经典计算的经典虚拟机之间的通信成为集群内通信，减少了跨集群通信的时延，减小了通信开销以及数据延迟，发挥了量子计算优势。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种量子与经典混合云平台结构示意图；
图2为本申请公开的一种具体的量子与经典混合云平台结构示意图；
图3为本申请公开的一种具体的量子与经典混合云平台结构示意图；
图4为本申请公开的一种具体的量子与经典混合任务执行方法流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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。
目前，量子计算云平台主要是单纯提供在线的量子芯片或仿真的服务，然而在目前的量子云架构中需要在本地或其它设置中完成经典计算，然后再与量子计算云平台之间进行频繁的通信完成整个计算，由于需要进行经典计算集群和量子计算集群之间的频繁通信，跨集群通信造成大量的通信开销，由此造成量子芯片和经典设备之间的数据延迟过大，甚至丧失原本的量子优势。有鉴于此，本申请提出了一种量子与经典混合云平台，能够减小通信开销以及数据延迟，提高任务处理效率，发挥量子计算优势。
参见图1所示，本申请实施例公开了一种量子与经典混合云平台，该平台包括：
SaaS层11，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；
PaaS层12，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；
IaaS层13，用于根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。
可见，本申请公开了一种量子与经典混合云平台，该云平台包括SaaS层，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；PaaS层，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；以及IaaS层，用于根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。由此可以，本申请在SaaS层通过用户接口，以便用户可以通过所述用户接口输入量子与经典混合编程语言，解决了现有量子云平台中只支持量子编程的单一模式带来的用户不友好问题，且在所述PaaS层进行量子与经典混合编程语言的编译时，便将待执行任务分割成量子计算任务和经典计算任务，并配置对应的IaaS层资源执行对应的任务，实现了双计算模式同步快速执行，且最大化地利用了计算资源，提高了任务处理效率，此外，进行量子计算的量子虚拟机和进行经典计算的经典虚拟机都位于IaaS层，使得进行量子计算的量子虚拟机和进行经典计算的经典虚拟机之间的通信成为集群内通信，减少了跨集群通信的时延，减小了通信开销以及数据延迟，发挥了量子计算优势。
在具体的实施过程中，所述SaaS(Software-as-a-service，软件即服务)层，主要是面向用户提供应用场景解决方案，具体的，主要是提供面向用户服务的用户接口，以便通过所述用户接口获取所述待执行任务对应的量子与经典混合编程语言。也即，所述SaaS层，包括：用户编程模块，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言。其中，经典编程语言可以为python，量子编程可以为图像化的量子线路编程，量子线路可嵌入到python中形成量子与经典混合编程语言，极大的方便用户使用。
具体的，所述PaaS(Platform as a Service，平台即服务)层主要是高效的任务划分和资源调度平台，所述PaaS层主要包括：量子与经典算法编译模块，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务；资源管理与调度模块，用于分别为所述量子计算任务和经典计算任务分配资源。
其中，所述资源管理与调度模块，用于：计算所述量子计算任务对应的第一待分配资源，并根据所述第一待分配资源从所述IaaS(Infrastructure as a Service，基础设施即服务)层中空闲的经典服务器中确定出第一目标经典服务器，以便在所述第一目标经典服务器上部署量子虚拟机；计算所述经典计算任务对应的第二待分配资源，并根据所述第二待分配资源从所述IaaS层中空闲的经典服务器中确定出第二目标经典服务器，以便利用所述第二经典服务器执行所述经典计算任务。
也即，所述资源管理与调度模块会根据量子计算任务确定出需要多少经典服务器用于部署量子虚拟机，然后便可以从IaaS层的空闲经典服务器中确定出相应数量的第一目标经典服务器，用于部署量子虚拟机。所述资源管理与调度模块也会根据经典计算任务确定出需要多少经典服务器用于进行经典计算，然后便可以从IaaS层的空闲经典服务器中确定出相应数量的第二目标经典服务器，用于执行经典计算任务。
相应的，所述PaaS层，包括：量子虚拟机部署模块，用于获取所述资源管理与调度模块确定出的第一目标经典服务器的信息，并在所述第一目标经典服务器上部署量子虚拟机。也即，所述PaaS层还包括量子虚拟机部署模块，在所述资源管理与调度模块分配好资源之后，在需要安装量子虚拟机的第一目标经典服务器上安装量子虚拟机。
此外，所述PaaS层还包括云平台操作系统。
在实际的实施过程中，所述IaaS层主要需要进行完备的基础设施构建。所述IaaS层，包括：所述第一目标经典服务器上的量子虚拟机，用于执行所述量子计算任务；第二目标经典服务器，用于执行所述经典计算任务。其中，所述第一目标经典服务器和所述第二目标经典服务器需要进行物理隔离。
其中，量子虚拟机部署在根据用户的量子计算任务需求隔离出的部分经典服务器上，量子虚拟机可提供量子计算服务，对于用户而言不感知任务是运行在物理量子计算机还是量子虚拟机上的。通过IaaS层中的其他部分经典服务器执行经典计算任务，这样量子经典之间的通信是在一个集群内，延迟大大降低。
参见图2所示，本申请实施例公开了一种具体的量子与经典混合云平台，该平台包括：
SaaS层11中的用户编程模块111，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；
SaaS层11中的解决方案提供模块112，用于提供机器视觉解决方案和强化学习解决方案；
PaaS层12中的量子与经典算法编译模块121，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务；
PaaS层12中的资源管理与调度模块122，用于分别为所述量子计算任务和经典计算任务分配资源；
PaaS层12中的量子虚拟机部署模块123，用于获取所述资源管理与调度模块确定出的第一目标经典服务器的信息，并在所述第一目标经典服务器上部署量子虚拟机；
IaaS层13中的第一目标经典服务器上的量子虚拟机131，用于执行所述量子计算任务；
IaaS层13中的第二目标经典服务器132，用于执行所述经典计算任务；
IaaS层13中的存储设备133，用于进行数据存储；
IaaS层13中的网络设备134，用于进行所述IaaS层中不同设备之间的通信；
IaaS层13中的基础设施管理模块135，用于对所述IaaS层的基础设施进行管理、监控与运维。
在具体的实施过程中，所述SaaS层上，除了前述的用户编程模块111，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言之外，还包括解决方案提供模块112，用于提供机器视觉解决方案和强化学习解决方案。
也即，所述SaaS层也提供面向部分场景的解决方案。其一，提供强泛化能力的机器视觉解决方案。机器视觉是AI(Artificial Intelligence，人工智能)领域的核心方向之一，广泛应用于物体识别、物体探测、像素级语义分割等。但传统卷积神经网络的过拟合现象严重，所述SaaS层提供一套量子卷积神经网络解决方案，利用量子旋转门和量子受控非门构建全线性量子(卷积)神经网络，具有强大泛化性能。所述SaaS层可以基于云平台将提供数个面向物体识别的量子卷积神经网络模型。其二，提供面向复杂场景的量子强化学习解决方案。经典强化学习在复杂场景下有学习效果差的缺点，而量子强化学习由于强大的量子并行性对应的可用环境空间和行为空间均很大，获取最优解的速度也远超经典强化学习。所述SaaS层可以提供数个面向典型场景的量子强化学习解决方案。
在实际应用中，所述IaaS层除了包括前述的第一目标经典服务器上的量子虚拟机131，用于执行所述量子计算任务，第二目标经典服务器132，用于执行所述经典计算任务之外，还包括：存储设备133，用于进行数据存储；网络设备134，用于进行所述IaaS层中不同设备之间的通信；以及基础设施管理模块135，用于对所述IaaS层的基础设施进行管理、监控与运维。
也即，所述IaaS层还包括用于进行数据存储的存储设备133，用于进行IaaS层中不同设备之间的通信的网络设备134，以及用于对所述IaaS层中的基础设置进行管理、监控与运维的基础设施管理模块135。
所述基础设施管理模块135实时监控资源的占用和剩余情况，反馈给PaaS层做任务评估，也需要进行硬件的故障检测和自动修复，无法自动修复时发出预警由运维人员进行手动修复。
在所述量子计算任务和所述经典计算任务结束之后，可以将占用的资源释放，以便将释放出来的资源计算到空闲资源中，以便后续的任务进行调用。
参见图3所示，为量子与经典混合云平台示意图。包括SaaS层、PaaS层和IaaS层，其中，SaaS层包括用户编程模块，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言。经典编程语言支持python，量子编程可以为图像化的量子线路编程，量子线路可嵌入到python中形成量子与经典混合编程语言，极大的方便用户使用。SaaS层还包括解决方案提供模块，用于提供机器视觉解决方案和强化学习解决方案。PaaS层包括：量子与经典算法编译模块，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务；资源管理与调度模块，用于分别为所述量子计算任务和经典计算任务分配资源；量子虚拟机部署模块，用于获取所述资源管理与调度模块确定出的第一目标经典服务器的信息，并在所述第一目标经典服务器上部署量子虚拟机。PaaS层还包括云平台操作系统。PaaS层包括经典服务器，经典服务器包括第一目标经典服务器，用于部署量子虚拟机，以及所述第二目标经典服务器，用于执行所述经典计算任务。所述PaaS层还包括：第一目标经典服务器上的量子虚拟机，用于执行所述量子计算任务。所述PaaS层还包括：存储设备，用于进行数据存储；网络设备，用于进行所述IaaS层中不同设备之间的通信；以及基础设施管理模块(也即，图中的基础设置管理、监控与运维)，用于对所述IaaS层的基础设施进行管理、监控与运维。
参见图4所示，本申请实施例公开了一种具体的量子与经典混合任务执行方法，应用于前述的量子与经典混合云平台，该方法包括：
步骤S11：通过SaaS层上的用户接口获取待执行任务对应的量子与经典混合编程语言。
首先需要通过SaaS层上的用户接口获取待执行任务对应的量子与经典混合编程语言。其中，所述用户接口支持的经典编程语言可以为python，量子编程可以为图像化的量子线路编程，量子线路可嵌入到python中形成量子与经典混合编程语言，极大的方便用户使用。
步骤S12：通过PaaS层对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源。
在获取所述量子与经典混合编程语言之后，还需要通过PaaS层对所述量子与经典混合编程语言进行算法编译和任务分离，将待执行任务分割成量子计算任务和经典计算任务，并分别为量子计算任务和经典计算任务分配资源。
也即，将所述待执行任务分割成所述量子计算任务和所述经典计算任务之后，需要根据量子计算任务确定出需要多少经典服务器用于部署量子虚拟机，然后便可以从IaaS层的空闲经典服务器中确定出相应数量的第一目标经典服务器，用于部署量子虚拟机。以及根据经典计算任务确定出需要多少经典服务器用于进行经典计算，然后便可以从IaaS层的空闲经典服务器中确定出相应数量的第二目标经典服务器，用于执行经典计算。
步骤S13：通过IaaS层根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。
进行资源分配之后，还需要由IaaS层根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务。也即，通过所述IaaS层中的已部署在第一目标经典服务器上的量子虚拟机执行所述量子计算任务，以及通过所述IaaS层中的第二目标经典服务器执行所述经典计算任务。这样量子计算任务和经典计算任务可以同步进行处理，实现双计算模式同步快速执行，以及计算资源最大化利用，提高了任务处理效率，且量子计算和经典计算之间的通信为IaaS层内部的一个集群之内的通信，减少了通信开销以及数据延迟。
在所述待执行任务对应的量子计算任务和所述经典计算任务结束之后，可以将占用的资源释放，以便将释放出来的资源计算到空闲资源中，以便后续的任务进行调用。
在实际应用中，所述SaaS层也提供面向部分场景的解决方案。其一，提供强泛化能力的机器视觉解决方案。机器视觉是AI(Artificial Intelligence，人工智能)领域的核心方向之一，广泛应用于物体识别、物体探测、像素级语义分割等。但传统卷积神经网络的过拟合现象严重，所述SaaS层提供一套量子卷积神经网络解决方案，利用量子旋转门和量子受控非门构建全线性量子(卷积)神经网络，具有强大泛化性能。所述SaaS层可以基于云平台将提供数个面向物体识别的量子卷积神经网络模型。其二，提供面向复杂场景的量子强化学习解决方案。经典强化学习在复杂场景下有学习效果差的缺点，而量子强化学习由于强大的量子并行性对应的可用环境空间和行为空间均很大，获取最优解的速度也远超经典强化学习。所述SaaS层可以提供数个面向典型场景的量子强化学习解决方案。
所以用户可以通过所述SaaS层提供的机器视觉解决方案和强化学习解决方案进行量子卷积神经网络的训练等，以便利用训练后的量子卷积神经网络进行物体识别、物体探测、像素级语义分割等。
此外，所述SaaS层、所述PaaS层和所述IaaS层中还可以进行其他的处理操作，具体可以参考前述实施例中公开的内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或者操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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，从而使得一系列包含其他要素的过程、方法、物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、物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、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种量子与经典混合云平台以及量子与经典混合任务执行方法进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种量子与经典混合云平台，其特征在于，包括：
SaaS层，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言；
PaaS层，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；
IaaS层，用于根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务；
所述PaaS层，包括：
量子与经典算法编译模块，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务；
资源管理与调度模块，用于分别为所述量子计算任务和经典计算任务分配资源；
所述资源管理与调度模块，用于：
计算所述量子计算任务对应的第一待分配资源，并根据所述第一待分配资源从所述IaaS层中空闲的经典服务器中确定出第一目标经典服务器，以便在所述第一目标经典服务器上部署量子虚拟机；
计算所述经典计算任务对应的第二待分配资源，并根据所述第二待分配资源从所述IaaS层中空闲的经典服务器中确定出第二目标经典服务器，以便利用所述第二目标经典服务器执行所述经典计算任务。
2.根据权利要求1所述的量子与经典混合云平台，其特征在于，所述SaaS层，包括：
用户编程模块，用于提供用户接口，以便通过所述用户接口获取待执行任务对应的量子与经典混合编程语言。
3.根据权利要求1所述的量子与经典混合云平台，其特征在于，所述PaaS层，包括：
量子虚拟机部署模块，用于获取所述资源管理与调度模块确定出的第一目标经典服务器的信息，并在所述第一目标经典服务器上部署量子虚拟机。
4.根据权利要求1所述的量子与经典混合云平台，其特征在于，所述IaaS层，包括：
所述第一目标经典服务器上的量子虚拟机，用于执行所述量子计算任务；
所述第二目标经典服务器，用于执行所述经典计算任务。
5.根据权利要求1所述的量子与经典混合云平台，其特征在于，所述IaaS层，包括：
存储设备，用于进行数据存储；
网络设备，用于进行所述IaaS层中不同设备之间的通信。
6.根据权利要求1所述的量子与经典混合云平台，其特征在于，所述IaaS层，包括：
基础设施管理模块，用于对所述IaaS层的基础设施进行管理、监控与运维。
7.根据权利要求1至6任一项所述的量子与经典混合云平台，其特征在于，所述SaaS层，包括：
解决方案提供模块，用于提供机器视觉解决方案和强化学习解决方案。
8.一种量子与经典混合任务执行方法，其特征在于，应用于权利要求1至7任一项所述的量子与经典混合云平台，包括：
通过SaaS层上的用户接口获取待执行任务对应的量子与经典混合编程语言；
通过PaaS层对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务，并分别为所述量子计算任务和经典计算任务分配资源；
通过IaaS层根据所述PaaS层分配资源的情况利用量子虚拟机执行所述量子计算任务和利用经典服务器执行所述经典计算任务；
所述PaaS层，包括：
量子与经典算法编译模块，用于对所述量子与经典混合编程语言进行算法编译和任务分离，得到所述待执行任务对应的量子计算任务和经典计算任务；
资源管理与调度模块，用于分别为所述量子计算任务和经典计算任务分配资源；
所述资源管理与调度模块，用于：
计算所述量子计算任务对应的第一待分配资源，并根据所述第一待分配资源从所述IaaS层中空闲的经典服务器中确定出第一目标经典服务器，以便在所述第一目标经典服务器上部署量子虚拟机；
计算所述经典计算任务对应的第二待分配资源，并根据所述第二待分配资源从所述IaaS层中空闲的经典服务器中确定出第二目标经典服务器，以便利用所述第二目标经典服务器执行所述经典计算任务。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011301939.3A CN112465146B (zh) | 2020-11-19 | 2020-11-19 | 一种量子与经典混合云平台以及任务执行方法 |
| PCT/CN2021/121221 WO2022105440A1 (zh) | 2020-11-19 | 2021-09-28 | 一种量子与经典混合云平台以及任务执行方法 |
| US18/020,616 US20230297401A1 (en) | 2020-11-19 | 2021-09-28 | Hybrid quantum-classical cloud platform and task execution method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011301939.3A CN112465146B (zh) | 2020-11-19 | 2020-11-19 | 一种量子与经典混合云平台以及任务执行方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112465146A CN112465146A (zh) | 2021-03-09 |
| CN112465146B true CN112465146B (zh) | 2022-05-24 |
Family
ID=74836749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011301939.3A Active CN112465146B (zh) | 2020-11-19 | 2020-11-19 | 一种量子与经典混合云平台以及任务执行方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230297401A1 (zh) |
| CN (1) | CN112465146B (zh) |
| WO (1) | WO2022105440A1 (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465146B (zh) * | 2020-11-19 | 2022-05-24 | 苏州浪潮智能科技有限公司 | 一种量子与经典混合云平台以及任务执行方法 |
| CN112862104B (zh) * | 2021-04-01 | 2024-02-27 | 中国科学技术大学 | 混合型量子计算机架构及其执行计算任务的方法 |
| EP4332841A4 (en) * | 2021-06-23 | 2024-10-23 | Origin Quantum Computing Tech Hefei Co Ltd | METHOD, SYSTEM AND DEVICE FOR PROCESSING A QUANTUM COMPUTING TASK AND OPERATING SYSTEM |
| CN113902120A (zh) * | 2021-09-18 | 2022-01-07 | 中国人民解放军战略支援部队信息工程大学 | 异构云解算平台混合计算任务动态自适应划分调度方法及系统 |
| CN114004361A (zh) * | 2021-09-24 | 2022-02-01 | 苏州浪潮智能科技有限公司 | 针对量子-经典混合算法的标签识别分割方法、装置及存储介质 |
| CN114048857B (zh) * | 2021-10-22 | 2024-04-09 | 天工量信(苏州)科技发展有限公司 | 算力分配方法、装置及算力服务器 |
| CN115271078A (zh) * | 2022-08-04 | 2022-11-01 | 无锡江南计算技术研究所 | 一种超级计算机与量子计算机协同的软件栈及工作方法 |
| CN116471333B (zh) * | 2023-04-14 | 2024-07-16 | 量子科技长三角产业创新中心 | 一种混合算力网络资源调度优化方法及随动控制装置 |
| CN116566844B (zh) * | 2023-07-06 | 2023-09-05 | 湖南马栏山视频先进技术研究院有限公司 | 一种基于多云融合的数据管控方法与多云融合管理平台 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9537953B1 (en) * | 2016-06-13 | 2017-01-03 | 1Qb Information Technologies Inc. | Methods and systems for quantum ready computations on the cloud |
| CN108874538A (zh) * | 2018-05-31 | 2018-11-23 | 合肥本源量子计算科技有限责任公司 | 一种用于调度量子计算机的调度服务器、调度方法及应用 |
| CN109213603A (zh) * | 2018-05-31 | 2019-01-15 | 合肥本源量子计算科技有限责任公司 | 一种用于对接量子计算机与用户的云平台及平台运行方法 |
| US20190384649A1 (en) * | 2018-06-19 | 2019-12-19 | Microsoft Technology Licensing, Llc | Dynamic hybrid computing environment |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110083454B (zh) * | 2019-05-05 | 2023-01-24 | 山东浪潮科学研究院有限公司 | 一种带有量子计算机的混合云服务编排方法 |
| CN112465146B (zh) * | 2020-11-19 | 2022-05-24 | 苏州浪潮智能科技有限公司 | 一种量子与经典混合云平台以及任务执行方法 |
-
2020
- 2020-11-19 CN CN202011301939.3A patent/CN112465146B/zh active Active
-
2021
- 2021-09-28 US US18/020,616 patent/US20230297401A1/en active Pending
- 2021-09-28 WO PCT/CN2021/121221 patent/WO2022105440A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9537953B1 (en) * | 2016-06-13 | 2017-01-03 | 1Qb Information Technologies Inc. | Methods and systems for quantum ready computations on the cloud |
| CN108874538A (zh) * | 2018-05-31 | 2018-11-23 | 合肥本源量子计算科技有限责任公司 | 一种用于调度量子计算机的调度服务器、调度方法及应用 |
| CN109213603A (zh) * | 2018-05-31 | 2019-01-15 | 合肥本源量子计算科技有限责任公司 | 一种用于对接量子计算机与用户的云平台及平台运行方法 |
| US20190384649A1 (en) * | 2018-06-19 | 2019-12-19 | Microsoft Technology Licensing, Llc | Dynamic hybrid computing environment |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022105440A1 (zh) | 2022-05-27 |
| CN112465146A (zh) | 2021-03-09 |
| US20230297401A1 (en) | 2023-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112465146B (zh) | 一种量子与经典混合云平台以及任务执行方法 | |
| WO2022262167A1 (zh) | 集群资源调度方法及装置、电子设备和存储介质 | |
| US10310908B2 (en) | Dynamic usage balance of central processing units and accelerators | |
| US11429434B2 (en) | Elastic execution of machine learning workloads using application based profiling | |
| US11755385B2 (en) | Cross-cluster load balancer | |
| CN114416352B (zh) | 算力资源分配方法、装置、电子设备及储存介质 | |
| US11055139B2 (en) | Smart accelerator allocation and reclamation for deep learning jobs in a computing cluster | |
| US11960578B2 (en) | Correspondence of external operations to containers and mutation events | |
| US20210303327A1 (en) | Gpu-remoting latency aware virtual machine migration | |
| CN113515672A (zh) | 数据处理方法、装置、计算机可读介质及电子设备 | |
| CN115033340A (zh) | 一种宿主机的选择方法及相关装置 | |
| CN110580195A (zh) | 一种基于内存热插拔的内存分配方法和装置 | |
| CN115373861B (zh) | Gpu资源调度方法、装置、电子设备及存储介质 | |
| Chen et al. | Cost-effective resource provisioning for spark workloads | |
| CN117289904A (zh) | 人工智能模型构建方法、系统、设备及存储介质 | |
| KR102320324B1 (ko) | 쿠버네티스 환경에서의 이종 하드웨어 가속기 활용 방법 및 이를 이용한 장치 | |
| CN118364918A (zh) | 一种大语言模型的推理方法、装置、设备及存储介质 | |
| US20240296315A1 (en) | Artificial intelligence prompt processing and storage system | |
| CN113296877A (zh) | 数据处理方法和装置，及计算机存储介质和电子设备 | |
| CN112912849B (zh) | 一种基于图数据的计算运行调度方法、系统、计算机可读介质及设备 | |
| CN115914237A (zh) | 一种边缘环境下的深度学习任务调度方法、设备及介质 | |
| CN115114005A (zh) | 业务调度控制方法、装置、设备及计算机可读存储介质 | |
| CN109145052B (zh) | 数据分区存储方法、设备、系统、存储介质及电子设备 | |
| CN118152304B (zh) | 函数的缓存分配方法及相关设备 | |
| CN114662690B (zh) | 面向深度学习Transformer类模型的移动设备协同推断系统 |
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 |