CN112470173A - 量子控制开发和实现界面 - Google Patents

量子控制开发和实现界面 Download PDF

Info

Publication number
CN112470173A
CN112470173A CN201980037451.3A CN201980037451A CN112470173A CN 112470173 A CN112470173 A CN 112470173A CN 201980037451 A CN201980037451 A CN 201980037451A CN 112470173 A CN112470173 A CN 112470173A
Authority
CN
China
Prior art keywords
noise
control
qubits
quantum
control sequence
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.)
Pending
Application number
CN201980037451.3A
Other languages
English (en)
Inventor
M·比尔卡克
M·R·哈什
H·波尔
M·迪杰斯特拉
K·阮
R·拉夫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Q Ctrl
Q Ctrl Co ltd
Original Assignee
Q Ctrl Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from AU2018902019A external-priority patent/AU2018902019A0/en
Application filed by Q Ctrl Co ltd filed Critical Q Ctrl Co ltd
Publication of CN112470173A publication Critical patent/CN112470173A/zh
Pending legal-status Critical Current

Links

Images

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
    • 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
    • G06N10/70—Quantum error correction, detection or prevention, e.g. surface codes or magic state distillation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • 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
    • G06N10/40—Physical realisations or architectures of quantum processors or components for manipulating qubits, e.g. qubit coupling or qubit control
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B82—NANOTECHNOLOGY
    • B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y10/00—Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Mathematical Optimization (AREA)
  • Human Computer Interaction (AREA)
  • Complex Calculations (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)

Abstract

本公开涉及一种量子计算系统，该量子计算系统包括：量子处理器，该量子处理器实现对多个量子位的一个或多个操作；以及分布式数据处理系统，该分布式数据处理系统被编程为执行计算以确定控制序列，该控制序列在被应用于量子处理器时，减少对多个量子位的一个或多个操作的退相干、退相干引发的错误和控制缺陷引发的错误。远离分布式数据处理系统的用户界面设备从量子处理器的用户接收量子处理器的包括操作约束和/或期望性能的特性，并且将特性发送到数据处理系统以使数据处理系统执行计算来基于特性确定控制序列。

Description

量子控制开发和实现界面
相关申请的交叉引用
本申请要求于2018年10月31日提交的澳大利亚临时专利申请No 2018256557、于2018年6月6日提交的澳大利亚临时专利申请No 2018902019的优先权，这些临时专利申请的内容通过引用整体并入本文。
技术领域
本公开涉及量子控制开发和实现界面。
背景技术
量子计算机是新兴的技术，存在多种不同的用于实现量子计算机的技术，包括离子阱、氮空位、超导量子位以及半导体和其它晶体结构中的电子和核自旋。对于这些技术中的每一种，存在范围广泛的不同配置和微观细节，诸如所实现的量子位的数量和空间布置或量子位所经历的物理环境。作为结果，每个量子计算机都有其自己的特定特性，这使其与其它量子计算机不同。
然而，量子计算机的一个常见主题是量子信息迅速劣化，并且需要复杂的算法来创建可以使量子信息稳定化的控制序列。但是，难以针对特定的量子计算机确定和执行这些控制算法，这阻碍了量子计算技术的有效使用。
对本说明书中已经包括的文献、动作、材料、设备、制品等的任何讨论将不被视为是承认这些内容中的任何或全部形成了现有技术基础的部分，或者因其存在于本申请的每个权利要求的优先权日之前而是本公开相关领域中的公知常识。
在整个说明书中，词语“包括”或者诸如“包含”或“含有”之类的变型将被理解为暗示包括所陈述的元件、整体或步骤或者元件、整体或步骤的组，但不排除任何其它元件、整体或步骤或者元件、整体或步骤的组。
发明内容
一种量子计算系统包括：量子处理器，该量子处理器实现对具有量子位状态的多个量子位的一个或多个操作；以及分布式数据处理系统，该分布式数据处理系统被编程为执行计算以确定控制序列，该控制序列在以电磁场的形式被应用于量子处理器以直接控制量子位状态时，减少对多个量子位的一个或多个操作的退相干、退相干引发的错误和控制缺陷引发的错误，其中，计算基于量子处理器的噪声特性以确定噪声抑制的控制序列。远离分布式数据处理系统的用户界面设备从量子处理器的用户接收量子处理器的包括操作约束和/或期望性能的特性，并且将特性发送到分布式数据处理系统以使分布式数据处理系统执行计算来基于特性确定噪声抑制的控制序列。
存在量子处理器的噪声特性随时间变化的问题。尽管现有的计算一次可以提供单个控制序列，但以上系统的优点是那些随时间的变化得以补偿，因为计算可以在与变化出现相似的时间范围内完成。换句话说，可以在量子处理器在操作中的同时且“即时地”重复计算。因为并入噪声特性以确定用于多个量子位的噪声抑制的控制序列在计算上是具有挑战性的，所以这仅因是在分布式数据处理系统上的计算而是可能的。
还有一个优点是，功能被分成用户界面设备和分布式数据处理系统，因为所需的计算在计算上是复杂的并且量子计算硬件平台的许多用户没有资源来构建他们自己的高性能本地处理系统。另外，用户通常对执行针对其特定平台所需的计算的软件的访问权限有限。因此，另一个优点是，用户界面收集特性并将其发送到分布式数据处理系统，以及为用户返回可部署的控制解决方案。这样，在计算中考虑了平台的具体特性，这导致改进的控制序列，该改进的控制序列又导致量子位中的降低的错误率和降低的退相干。以这种方式确定的控制可以包括来自通用门集(universal gate set)的任何单量子位和多量子位逻辑操作以及将这些操作组织成算法中使用的量子电路。
系统还可以包括在量子处理器内的嵌入的代码，该嵌入的代码自主地优化与分布式数据处理系统通信的量子处理器。
还提供了一种用于控制量子处理器的方法，该量子处理器实现对具有量子位状态的多个量子位的一个或多个操作。该方法包括：
生成用户界面，以从量子处理器的用户接收与量子处理器的特性相关的用户输入；
在分布式数据处理系统上接收用户输入；
基于用户输入在分布式数据处理系统上执行计算以确定控制序列，该控制序列在以电磁场的形式被应用于量子处理器以直接控制量子位状态时，减少对多个量子位的一个或多个操作的退相干和退相干引发的错误，其中，计算基于量子处理器的噪声特性以确定噪声抑制的控制序列。
用户输入可以包括用于确定量子处理器的特性的请求，并且该方法可以包括基于用户输入在分布式数据处理系统上执行计算以确定在被应用于量子处理器时允许测量量子处理器的特性的控制序列。
量子处理器的噪声特性包括平台的失真。
噪声特性的测量可以包括针对所确定的控制序列，在分布式数据处理系统上计算频域滤波器函数，并且将滤波器函数应用于来自量子处理器的直接测量。
用户输入可以包括由用户通过用户界面创建的一个或多个控制波形的指示。
用户输入可以包括由用户通过用户界面选择的来自预先计算出的库的一个或多个协议或波形或这二者的指示。
控制序列可以是开环控制序列。
计算可以用于分析控制波形以确定多个量子位的错误预算并且在用户界面上显示错误预算。
该计算可以基于噪声特性。
噪声特性可以基于以下中的一个或多个：
预定义的时钟噪声；
预定义的环境退相位；
预定义的幅度噪声；
所有笛卡尔坐标(x，y，z)中的预定义的噪声；
通过用户测量适当定义和确定的噪声频谱；以及
从用户输入确定的噪声频谱。
计算可以基于随时间的来自量子计算硬件平台的多个测量，以迭代地且自主地优化控制序列。
计算可以包括确定第一控制序列以表征量子计算硬件平台中的噪声，并且基于所确定的噪声来确定第二控制序列。
该方法还可以包括：
在分布式数据处理系统上接收来自量子计算硬件平台的当前测量；
基于当前测量来调整控制序列；以及
将调整后的控制序列发送到量子计算硬件平台。
计算可以包括基于输入的、选择的或测量的噪声来确定对多个量子位的特定控制操作的错误预算，并且调整控制序列以使对多个量子位的一个或多个操作的错误最小化。
该方法还可以包括在用户界面上生成特性或所确定的控制序列或这二者的可视化。
计算可以包括基于多个量子位的测量来确定多个量子位的演化的预测估计，并且基于预测估计来调整控制序列。
控制序列可以使多个量子位采用与量子计算硬件平台的本机系统动力学不同的调整后的系统动力学，由此扩展系统的计算能力。
还提供了一种用于控制量子计算处理器的方法，该量子计算处理器实现对具有量子位状态的多个量子位的一个或多个操作。该方法包括：
执行嵌入到量子处理器中的代码以
接收与多个量子位相关的测量；
基于测量、与嵌入的代码一起存储的控制数据和由嵌入的代码执行的计算来确定第一组控制参数；
连接到分布式数据处理系统，以使分布式数据处理系统基于由分布式数据处理系统执行的计算并基于量子处理器的噪声特性来确定第二组控制参数，以允许确定噪声抑制的控制序列；
基于第一组参数和第二组参数来确定噪声抑制的控制序列，该噪声抑制的控制序列在以电磁场的形式被应用于量子处理器以直接控制量子位状态时，减少对多个量子位的一个或多个操作的退相干和退相干引发的错误。
该方法还可以包括基于计划表(schedule)重复确定第一组控制参数和连接到分布式数据处理系统的步骤。
该方法还可以包括：
根据计划表重复地将第一组控制参数和第二组控制参数存储在查找表上；以及
通过在第一组参数和第二组参数的计划更新之间从查找表读取第一组控制参数和第二组控制参数来将噪声抑制的控制序列应用于多个量子位。
一种量子处理器，包括：
多个量子位，被配置为实现对多个量子位的一个或多个操作；代码，被嵌入到量子处理器中以在被执行时进行以下步骤：
接收与多个量子位相关的测量；
基于测量、与嵌入的代码一起存储的控制数据和由嵌入的代码执行的计算来确定第一组控制参数；
连接到分布式数据处理系统，以使分布式数据处理系统基于由分布式数据处理系统执行的计算并基于量子处理器的噪声特性来确定第二组控制参数，以允许确定噪声抑制的控制序列；以及
基于第一组参数和第二组参数来确定噪声抑制的控制序列；
受控制源，用于将噪声抑制的控制序列应用于量子处理器，以减少对多个量子位的一个或多个操作的退相干和退相干引发的错误。
方法、计算机可读介质或计算机系统的任何方面的所描述的可选特征酌情地类似应用于本文还描述的其它方面。
附图说明
将参照以下附图来描述示例。
图1图示了量子计算系统。
图2更详细地图示了来自图1的量子处理器。
图3图示了单个量子位的简化示例。
图4图示了示例控制序列。
图5图示了具有嵌入的代码的量子计算系统的另一示例。
图6图示了由分布式数据处理系统执行的用于控制量子处理器的方法。
图7图示了由嵌入在量子处理器中的代码执行的用于控制量子计算处理器的方法。
图8图示了用户可以在其中创建新评估的示例用户界面。
图9图示了用户可以在其中选择不同评估选项中的一个的用户界面。
图10图示了包括评估列表的用户界面。
图11图示了示出特定评估的结果的其它用户界面。
图12示出了与图11的用户界面类似但包含附加的用户输入元素的另一用户界面。
图13示出了在用户点击图11中的框图中的一个之后的用户界面。
图14图示了用于创建表征量子处理器中的噪声的新简档的用户界面。
图15图示了示出所创建的简档的用户界面。
图16图示了显示简档细节的用户界面。
具体实施方式
本公开提供了一种量子计算系统，在该量子计算系统中，诸如商业量子计算机的操作者或研究者之类的用户可以与直观的用户界面交互，以确定并执行使对量子位的控制稳定化。特别地，用户界面帮助用户识别将在量子计算系统上执行的合适控制。用户界面与基于云的计算系统交互，以执行用于量子计算硬件的表征、在给定该表征的情况下各种控制方法的性能评估以及在给定该表征的情况下控制的优化的算法。结果是，云系统返回控制序列，该控制序列减少了因控制或量子计算机中的控制硬件中的缺陷引发的错误并返回诸如错误概率之类的性能度量。这些算法的计算量非常大，以至于它们在本地计算机上运行是不切实际的。替代地，云可以在相对较短的时间范围内启动大量机器，以满足手头的需求。然后，可以将计算出的控制序列应用于其操作中的量子位。
换句话说，量子控制系统被设计为产生并执行噪声感知/噪声抑制的量子控制。这不同于纯静态失真，因为本公开关注于可以降低操作保真度并且通过本文公开的控制设计来应对的可能时变的扰动。
可以通过以下两种主要方法之一来创建噪声抑制的量子控制：
1)时域“鲁棒控制”，其中优化器寻求产生优化控制信号，该优化控制信号对在优化过程期间添加的现实时域扰动是鲁棒的。优化器选择在存在这些添加的扰动的情况下使用户定义的成本函数最小化的解决方案。
2)使用针对任意维希尔伯特(Hilbert)空间(即，量子系统)计算的多维滤波器函数优化滤波。这里，系统计算用于控制的滤波器函数，并优化频域滤波器函数响应的性质，以抑制占主导的噪声过程。
在这两种情况下，向优化过程添加噪声感知/抑制增加了显著的计算复杂性，该显著的计算复杂性由分布式解决方案良好地处理，从而允许除了常规处理器之外还使用诸如基于云的多核处理器和/或图形处理单元之类的并行计算。这可以是在物理上远程的或者是现场的，但与“嵌入式”处理分开，该“嵌入式”处理被设计为处理所谓的“紧密SWAP”(紧密尺寸、重量和功率)设置中的较简单任务。
图1图示了量子计算系统100，该量子计算系统100包括量子处理器101、分布式数据处理系统102和用户界面设备103。在图1的示例中，用户界面设备是本地计算机系统，在用户可以与本地计算机系统103交互以有权访问量子处理器101的意义上说，它也是量子处理器101的主控制系统。换句话说，用户通过本地计算机系统103控制正由量子处理器101处理的数据。然而，在其它示例中，用户界面103与量子处理器的控制系统103是分开的。
量子处理器101实现对多个量子位104的一个或多个操作。在该示例中，多个量子位是以量子位的5乘3阵列的形式，但包括线性阵列的其它布置和具有更多量子位的其它结构同样是可能的。可以使用所公开的系统进行控制的示例架构包括Google的Bristlecone和IBM的Q Experience。由量子处理器101实现的操作可以包括通用门集，以执行“电路模型”量子计算、用于基于测量的量子计算的纠缠操作、或用于绝热量子计算的绝热演化。
图2更详细地图示了量子处理器101。特别地，量子处理器101包括如图1中的量子位104，但现在还示出了控制信号源201，该控制信号源201生成控制信号202以控制量子位104。取决于量子位的物理实现，控制信号可以是RF信号、微波信号或光信号。它可以取决于架构和实现方式而被全局地或局部地递送至量子位。信号可以针对每个量子位被单独地订制，或者可以被同质地应用于所有量子位。控制信号202可以是通常用于向量子位104应用量子操作的相同信号，或者可以是分开的并行的控制系统。
重要的是，还存在量子位104在其中操作的环境203。尽管环境203可以表现出空间和时间上的相关性，但环境203被绘制为不规则形状以指示环境203是相对难以准确表征的并且是以随机方式表现的。更具体地，量子位104以不期望但不可避免的方式与环境交互。例如，量子位104可以通过各种机制与环境203交互，这导致存储在量子位104上的量子信息的退相干。环境203对于处理器101中的许多量子位104而言可以是相同的，或者在量子位之间剧烈变化。在没有对策的情况下，这种退相干比大多数量子算法更快地出现，除非退相干被降低，否则会显著地影响量子处理器内的各个量子逻辑操作以及在量子处理器上执行的最终算法的性能。因此，控制信号202的任务是控制量子位104，使得退相干的影响减弱。
图3图示了单个量子位300的简化示例，该量子位300的量子态被表示为布洛赫(Bloch)球301上的布洛赫向量，在布洛赫球中，北极302表示|1>基态(例如，向上自旋)而南极303表示|0>基态(例如，向下自旋)。当前量子信息可以被编码为如第一向量303所指示的两个基态的叠加。在当前示例中，目标是执行空闲操作(idle operation)或存储器。由于量子位300与环境203的交互，向量旋转了未知且不受控制的量，并且在一定时间之后，到达了如第二向量304所指示的不同位置。这对应于由状态向量描述的量子位状态中编码的信息的随机化。现在有可能应用控制信号，该控制信号将第二向量304“翻转”180度，从而到达如第三向量305所指示的新位置。如果随后将控制信号关闭与303和304之间相同的时间，则由于与环境的交互，第三向量305将精确地旋转到第一向量303的位置。作为结果，在这种情况下如与环境203的交互所描述的噪声的影响被完美地消除。这是使针对环境退相干使量子态稳定化的开环控制的简单示例。
图4图示了在t1 402和t2 403之间应用单个控制脉冲401以如图3中所示地翻转量子位的对应控制序列400。在该示例中，这意味着，RF源201在t1打开而在t2关闭。
尽管图3和图4中的示例提供了由于与环境203的静态“退相位”交互而引起的外部噪声的完美消除，但在实际情况下情形更加复杂。特别地，环境203可以随时间变化，从而造成经由所应用的控制不完美地抵消不希望的旋转。可替代地，所期望的量子操作可以是诸如量子位翻转或相位翻转之类的逻辑上不平凡的操作，在其中该简单方法无效。无法使用适于环境203的特性的控制、环境203与量子位300(104内的几个之一)之间的耦合机制、以及正被应用于量子位300(104内的几个之一)的期望量子逻辑操作将导致量子位退相干以及进而量子处理器101中的算法错误。
重要的是，环境203及其与量子位104的耦合机制的细节是量子处理器101的特定特性并且随时间变化，其中相关的时间尺度(微秒与小时)也是量子处理器101的特性。另外，与环境203的大多数交互通常不能通过单个脉冲来校正，而是需要形成序列的多个控制；选择序列内的每个段的定时和性质，以优化所期望操作的性能(包括但不限于存储器(I)、位翻转(X)、相位翻转(Z)、T、S、CNOT、CPHASE或其它纠缠门)。结合起来，这造成了使本地计算机系统难以高效地计算适当的控制解决方案的复杂性。
可以在本文通过引用包括的以下文章中找到包括用于确定相关控制的势算法(potential algorithm)的数学公式的其它信息：Todd J Green、Jarrah Sastrawan、Hermann Uys和Michael J Biercuk：“Arbitrary quantum control of qubits in thepresence of universal noise”New Journal of Physics 15(2013)；H.Ball、W.D.Oliver和M.J.Biercuk，“The role of master clock stability in quantum informationprocessing”Nature Quantum Information 2,16033(2016)。特别地，这些文章解决了推导用于计算经历任意的、单一的、时间相关的量子控制协议的量子位中的普遍的退相干引发的错误的表达式的问题。它们表明，控制操作的保真度可以在所有笛卡尔方向上的噪声和控制的实验相关频谱特性方面来表示。在时域中存在控制矩阵的公式以捕获分段恒定控制的影响，并且示出了如何将它们转换成广义傅里叶域滤波器函数。这些广义的滤波器函数可以是针对复杂的时间调制控制协议而推导的，这考虑到了量子位状态向量在三个维度上的旋转的敏感性。另外，滤波器函数可以被用作用于确定错误抑制控制的工具，如在以下文章中证实的：A.Soare、H.Ball、D.Hayes、M.C.Jarratt、J.J.McLoughlin、X.Zhen、T.J.Green和M.J.Biercuk，“Experimental noise filtering by quantum control”Nature Physics10,825-829(2014)；H.Ball和M.J.Biercuk，“Walsh-synthesized noise-filteringquantum logic”EPJ Quantum Technology 2,1(2015)。这些构思在T.J.Green和M.J.Biercuk“Phase-modulated decoupling and error suppression in qubit-oscillator systems”arXiv:1408.2749Physical Review Letters114 120502(2015)中已得到扩展，以满足多量子位门的特定需要。综合起来，表明该框架提供了在计算上高效的手段来计算通用噪声对任意量子控制协议的影响，从而产生与经由布洛赫向量演化的耗时模拟获得的结果相当的结果。作为具体示例，该方法可以被应用于处理结合任意持续时间或形式的现实控制脉冲的动态解耦(存储器的实现)的问题，包括用复杂的经动态校正的门替换简单的π脉冲。
在以下文章中描述了被设计为允许高效确定环境203的特性的具体算法：V.M.Frey、S.Mavadia、L.M.Norris、W.de Ferranit、D.Lucarelli、L.Viola和M.J.Biercuk，“Application of optimal band-limited control protocols to quantum noisesensing”Nature Communications 8,2189(2017)；L.M.Norris、D.Lucarelli、V.M.Frey、S.Mavadia、M.J.Biercuk、L.Viola，“Optimally band-limited spectroscopy of controlnoise using a qubit sensor”arXiv:1803.05538(2018)；以及G.A.Alvarez和D.Suter，“Measuring the spectrum of colored noise by dynamical decoupling”PhysicalReview Letters 107,230501(2011)。这些算法描述了应用于量子处理器101中的量子位104的适当控制以及为了高效确定噪声频谱和描述环境203的耦合机制而执行的数据融合过程。
在以下文章中描述了为了基于测量反馈实现闭环控制使用类似物理的附加相关算法：J.Sastrawan、C.Jones、I.Akhalwaya、H.Uys和M.J.Biercuk，“Analyticallyexploiting noise correlations inside the feedback loop to improve locked-oscillator performance”Physical Review E 94,022204(2016)；S.Mavadia、V.Frey、J.Sastrawan、S.Dona、M.J.Biercuk，“Prediction and real-time compensation ofqubit decoherence via machine learning”Nature Communications8,14106(2017)。在这些工作中，滤波器函数再次形成工具，以基于对量子位104及时执行的测量来确定将应用于经历来自环境203的退相干的量子位的适当稳定化校正。从测量记录提取的信息可以被用于产生未来退相干的“预测器”和被部署为先发制人地抵抗环境203的作用使量子位104稳定化的适当对策。
如以上所述的，这些计算和所关注的其它计算的计算复杂性高。例如，计算针对仅一个CNOT量子逻辑操作的控制序列可以使用常规的台式计算硬件花费数十分钟以上。将其扩展到在各自被精确定时的许多量子位之间执行数十个或数百个量子逻辑操作的复杂算法，对于任何台式系统而言，在计算上都变得不切实际。
分布式数据处理系统102被编程以执行这些计算来确定控制序列。如上所述，当控制序列被应用于量子处理器101时，它们减少了对多个量子位的一个或多个操作的退相干和退相干引发的错误。
为此，远离分布式数据处理系统102的用户界面设备103从量子处理器101的用户接收量子处理器101的特性，包括操作约束、期望性能和/或环境203的特性。用户界面103将特性发送到数据处理系统102，以使数据处理系统102执行计算来基于特性确定控制序列。
图5图示了量子计算系统500的另一示例，现在量子计算系统500包括在量子处理器502内的嵌入的代码501。嵌入的代码501自主地优化与分布式数据处理系统102通信的量子处理器502。嵌入的代码可以被安装在嵌入的微控制器或处理器(诸如，ARM或奔腾处理器)上(例如，在闪存卡上)，或者安装在针对控制量子处理器502的任务而定制的FPGA(现场可编程门阵列)上。在该上下文中，嵌入意味着处理器501物理地链接到量子处理器502，并且通常将对计算性能和能力有约束。另外，从用户的角度来看，其中嵌入有代码501的量子处理器502在用户直接与嵌入的代码501而非直接与量子位104交互的意义上对于用户而言看起来是单个设备。在保证最大响应时间以确保基于当前测量对量子位104进行及时控制和校正的意义上，嵌入的代码501也可以具有实时特性。嵌入的代码501可以执行各种任务，包括执行由量子处理器502的其它元件所命令的硬件级控制。
图6图示了用于控制实现对多个量子位的一个或多个操作的量子处理器100的方法，如经由通过分布式计算环境102执行的计算所确定的。分布式计算环境102生成601用户界面，该用户界面可以被用于从量子处理器的用户接收与量子处理器的特性相关的用户输入。这可以涉及生成网站，诸如，将HTML代码写到web可访问的存储位置，或者通过诸如使用现有的web框架(诸如，angular/flask框架)或使用JavaScript、AJAX或其它web技术动态地修改网站。
分布式处理系统102接收602用户输入，并且基于用户输入执行603计算以确定控制序列。如以上说明的，当控制序列被应用于量子处理器102或502(即，量子位104)时，该序列减少了对多个量子位的一个或多个操作的退相干、退相干引发的错误和控制缺陷引发的错误。
在一个示例中，用户在手头可能没有量子位104的完全表征，或者量子位的新配置或实现方式的特性可以简单地是未知的。在这种情况下，用户可以启动表征例程，这意味着用户输入包括用于确定量子处理器102的特性的请求。分布式数据处理系统102然后基于用户输入执行计算，以确定控制序列，该控制序列在被应用于量子处理器时允许测量量子处理器的特性。
例如，处理器102的特性可以包括期望控制波形的失真，可以通过应用探测系统响应的控制序列来测量该失真。这包括被设计成在长时间尺度上以固定频率探测系统响应的调制脉冲以及被构造成探测瞬态响应的脉冲。结果是关于处理器101在没有失真的情况下实现期望控制的能力的信息，该信息可以被返回到分布式数据处理系统102。在那里，算法可以计算在确定将应用于量子位104的控制时弥补这些特性或者以其他方式适当地考虑它们的预补偿方案。
在另一个示例中，特性的测量包括针对所确定的将应用于量子位104的控制序列，在分布式数据处理系统上计算频域滤波器函数。然后，在可以将来自系统论领域的过滤器响应计算应用于系统的意义上，可以将过滤器函数应用于错误预算和控制选择的过程。例如，(由滤波器函数描述的)控制与造成退相干的输入信号的卷积将产生预期的输出信号(例如，错误概率)。时域中的噪声与控制的卷积被高效地表示为频域中的积，从而构成了这种方法的优势。这可以被用于将控制序列作为输入函数优化，直到计算出期望的输出信号。
在其它示例中，用户输入包括由用户通过用户界面创建的控制波形的指示。例如，用户可能希望将用户为了抑制已知错误而设计的或者他人在开放文献中确定的特定控制波形应用于处理器102，或者可能已经知道哪个波形对于给定实现方式而言是最佳的。然后，可以将该波形与用户输入的其它波形进行比较，并且经由通过分布式数据处理系统102执行的计算进行分析。在该情况下，有利的是，用户可以在用户界面中指定波形，并且这样用户可以方便地分析软件包中的波形。
还可以存在波形和协议的库，该波形和协议的库可以被存储在分布式数据处理平台102上并经由例如下拉菜单呈现给用户。当用户选择波形或协议之一并提交选择时，如分布式数据处理平台102所接收的用户输入包括一个或多个控制协议或波形或这二者的指示。可以在早前已经执行了对特定实现方式通用的(非专用的)计算量大的计算的意义上预先计算该库，并且将结果存储在库中以供未来用于计算特定的实现方式或架构的解决方案。
例如，计算可以涉及对控制波形的分析，以确定从经由多种手段被发送到分布式数据处理系统102的量子处理器101的特性和一个或多个所选择的控制确定的多个量子位104的错误预算。然后，可以将错误预算显示在用户界面103上。
存在可以在这种上下文中使用的不同控制范式，包括开环和闭环。在开环控制中，对量子位104进行表征，然后使用该表征通过在数学上使表征的量子位104的预期退相干最小化来计算控制序列。在闭环控制中，存在量子位104可用的测量，其允许迭代地改善控制序列，以优化实际观察到的量。这两种范式都可以在系统论的领域中实现，系统论是基于传递函数、频率响应和从时域变换(包括傅立叶变换)后的频率分析。这可涉及频域响应函数与频域控制序列相乘(相当于时域函数的卷积)，以确定预期的输出信号。另外，在闭环控制中，可以使用重复的测量来执行量子位的状态的实时校正。可以使用涉及滤波器函数的算法或能够从过去的测量提取关于未来演化的信息的其它算法来确定要应用的校正。该闭环控制也可以与优化的开环控制相结合。该表示可以被用于使预期的退相干最小化。
计算的另一个重要方面是输入噪声的特性的能力，噪声的特性还表示与环境203交互的特性(参见图2)。用户可以将已知的噪声特性输入用户界面103，或者分布式处理系统102可以确定允许从量子位104测量噪声特性的控制序列。然后，可以将测量结果返回到分布式数据处理系统102，以进行要在基于以上算法确定环境203和量子位104的特性时执行的进一步的计算。例如，所应用的控制序列可以使量子位104仅对一个特定频率(即，窄频带)敏感，其可以被用作用于测量该特定频率处的噪声的探头。然后，可以根据分布式数据处理系统102中的算法对测量结果进行组合，以便确定表征环境203的噪声的频率分辨频谱。然后，确定用于量子处理器101的操作的控制序列的计算使用噪声特性来确定使退相干最小化的控制序列。
作为直接用户输入的替代，可以随时间进行测量，以迭代地且自主地优化控制序列。在该上下文中，自主意味着具有嵌入的代码的量子处理器502执行表征环境203的噪声简档或量子处理器502的其它系统参数的测量和更新，或者在没有用户的直接干预的情况下最佳控制的确定。嵌入的代码501可以在不与分布式数据处理系统102交互的情况下执行计算的集合。
在其它示例中，在分布式数据处理系统102从量子处理器502接收当前测量并基于当前测量来调整控制序列的意义上，确实涉及到分布式数据处理系统102。然后，分布式数据处理系统102将调整后的控制序列发送到量子处理器502，以更新存储在嵌入的控制器501中的信息。然后，可以由量子计算系统502内的其它控制系统请求嵌入的控制器501应用被设计为抑制退相干和错误的最佳的或以其它方式计算出的控制操作。
噪声特性可以包括一系列不同的参数，包括预定义的时钟噪声(时钟信号的到达时间的偏差)、预定义的环境退相位(如图3中所示的由于与环境203纠缠而导致的量子位的旋转)、预定义的幅度噪声(测量的向量的长度或接收功率的变化)；以及从用户输入确定的噪声频谱(指示在不同频率处的不同噪声贡献)。
作为噪声补偿的补充或替代，控制序列还可以使量子位104采用与量子处理器502的本机系统动力学不同的调整后的系统动力学，这也被称为量子模拟。这扩展了量子处理器502的计算能力。
图7图示了用于控制实现对多个量子位104的一个或多个操作的量子计算处理器501的方法700。在这种情况下，方法700由嵌入的代码501执行，并且包括执行代码501以执行以下操作。首先，嵌入的代码501计划校准测量并接收701与多个量子位相关的测量，诸如基于规定的测量控制序列进行的噪声测量。然后，嵌入的代码501连接到分布式数据处理系统102，以使分布式数据处理系统102执行计算来基于由分布式数据处理系统执行的计算和测量结果701确定一组控制参数。例如，这些参数可以重构的表征环境203的噪声频谱。分布式数据处理系统使用这些参数来确定控制序列，该控制序列在被应用于量子处理器时减少了对量子位104的一个或多个操作的退相干和退相干引发的错误。该控制序列被返回到嵌入的处理器501并被本地存储。然后，这被用于更新确定对量子位104执行的控制操作的定义的本地信息。这样的本地信息可以包括对诸如量子位翻转(X)或相位翻转(Z)之类的抽象的量子逻辑操作的机器语言描述。在这种情况下，每当执行调用量子位翻转或相位翻转操作的算法时，调用由嵌入的处理器本地存储的定义并将其发送到对量子位104执行操作的物理控制硬件201。
如以上引用的Todd J Green、Jarrah Sastrawan、Hermann Uys和Michael JBiercuk“Arbitrary quantum control of qubits in the presence of universalnoise”New Journal of Physics 15(2013)提供了用于计算量子位中的普遍的退相干引发的错误的解析表达式。特别地，频域中的控制矩阵被描述为
Figure BDA0002816838600000171
其中，
Figure BDA0002816838600000172
这描述了用于对单个量子位执行的任意操作的滤波器函数，其是在分布式数据处理系统102上计算的。该操作可以被描述为是分段恒定的，但包含许多(n)个时间段，以便近似于平滑变化的控制波形(例如，实现量子位翻转的高斯形状的脉冲)。作为结果，滤波器函数计算在计算上是有挑战性的。
该架构的优点在于，不适于嵌入的代码的计算量大的任务被外包给分布式数据处理系统102。可以与量子位104接近地执行计算量较小的任务，这减少了等待时间。最后，来自分布式数据处理系统和嵌入的代码二者的信息都被用于确定将应用于量子位104的最终控制序列。
在一个示例中，嵌入的代码501以设定的间隔或其它计划表来查询分布式数据处理系统102，以定期地更新来自分布式数据处理系统102的参数集。从量子处理器502的操作中可能并不清楚何时需要新的参数集，因此具有确保基于计划表定期更新参数的计划表是有用的。
在另一个示例中，分布式数据处理系统102可以跨一系列不同场景(诸如，针对操作空间的1000个不同采样点)计算参数。当嵌入的代码501从分布式数据处理系统102更新或接收这些参数时，嵌入的代码501根据计划表将这些参数重复地存储在查找表中。然后，嵌入的代码501可以通过在计划更新之间从查找表读取参数来将控制序列应用于多个量子位和基于来自查找表的参数确定控制序列。这样，量子位104的操作可以跨操作空间变化，而无需来自分布式数据处理系统102的进一步更新。同样，在对操作空间中的一个点的计算已经是计算量大的时，对于大多数标准计算机而言，跨空间的多个点的计算无疑是困难的任务。
在其中嵌入的代码501与分布式数据处理系统102交互的又一个示例中，某些闭环控制协议涉及将本地测量结果实时地与来自大数据集的预先计算出的系数组合。尽管后者是计算量大的并且最适合分布式处理器，但可以将经由分布式数据处理系统102预先计算出的系数发送到嵌入的代码501；这里，可以使用嵌入的代码501使用已知数学函数将来自量子位104的新测量结果与这些系数相结合。
更具体地，在Sandeep Mavadia、Virginia Frey、Jarrah Sastrawan、StephenDona&Michael J.Biercuk“Prediction and real-time compensation of qubitdecoherence via machine learning”Nature Communications第8卷，文章号14106(2017)中，作者描述了这样的过程，其中他们首先针对过去的测量计算加权系数w，然后这些加权系数将被组合以允许对量子位状态演化的未来预测。从大数据集计算w的优化过程是计算量大的，并且是经由分布式数据处理系统102执行的。然而，可以经由本地的嵌入的代码501以低计算复杂性执行使用存储在嵌入的处理器中的预先计算出的w实时组合最近测量
Figure BDA0002816838600000181
来返回在时间tk的标签φP(tk)的预测。
图8图示了用户可以在其中创建新评估的示例用户界面800，创建新评估是通过分析控制操作来生成量子处理器101的特性的过程。用户界面800包括用于评估标题801和最大拉比(Rabi)速率802、极角803的输入栏位。可替代地，用户可以拖放或选择包含期望信息的CSV或其它数据文件。最后，用户可以通过激活提交按钮805来提交数据。可以针对待检查的不同种类的相关控制操作来订制用户界面的具体元素。
图9图示了用户可以在其中选择包括控制脉冲的单量子位评估901、控制脉冲的定时序列的单量子位评估902、多量子位
Figure BDA0002816838600000191
门的评估903、脉冲序列的单量子位评估904和交叉共振多量子位评估905的不同评估选项中的一个。可以根据上述算法执行并通过用户界面访问各种各样的其它评估。
图10图示了包括评估的列表的用户界面，每个评估具有标题1001、类型1002、极角1003(其可以是相对于与|0>和|1>状态之间的轴正交的z轴测量的角度)、最大拉比速率1004和创建日期1005的栏位。用户此时可以方便地查看针对量子处理器101定义的评估。用户界面1000内存在可用于创建适用于量子处理器101的控制的各种各样可能的数据显示格式和比较方法。
图11图示了示出特定评估的结果的其它用户界面1100。特别地，用户界面1100包括幅度噪声1101和退相位噪声1102的频谱表示。可以经由条形图1102、1104、1105(或其它图形形式)表示不同控制(以1106、1107和1108可视地表示)的相对性能，以便允许基于使用分布式数据处理系统计算出的结果进行容易的比较。待显示的相关信息可以是平均不保真和最坏情况的错误。
图12示出了与图11的用户界面类似但包含附加用户输入元素1201的另一用户界面1200。特别地，用户可以在不同的控制序列之间进行选择，这些控制序列包括原语(primitive)、CORPSE和已知用于抑制由控制缺陷或来自环境203的退相干引发的错误的其它控制序列。在选择了序列后，用户界面1200进行更新，以显示该控制序列的结果。这样，用户可以方便地将不同序列的影响与结果的质量进行比较。
图13示出了在用户点击图11中的框图中的一个框图1106之后的用户界面，其更详细地提出框图1106。
图14图示了用于创建表征量子处理器101中的噪声的新简档的用户界面1400。用户界面1400包括标题1401、最大频率1402、最大持续时间1403、最大拉比速率1404和期望净操作1405。可以在用户界面中产生用于显示和比较该信息的各种各样的方法，这是该方法的优点。
因此，图15示出了所创建的配置文件，该配置文件具有用于扼要描述标题1501、状态1502、极角1503、最大拉比速率1504、创建日期1505和创建者1506的栏位。
图16图示了示出简档细节的用户界面1600，简档细节包括最大拉比速率、最大频率、样本数量、持续时间、最大Slepian阶、Slepian阶类型(其涉及找到给定长度的时间序列，该时间序列的离散傅里叶变换在如由频谱密度测得的给定频率间隔上最大程度地本地化)和调制类型。重要的是，用户界面16还示出如使用复杂算法和从量子处理器101返回的测量重构的预期噪声频谱1602。用户界面1600还示出了从用户请求的步骤，包括创建简档并上传CSV的步骤一1602以及将结果上传至分布式数据处理系统102的步骤二1603。
本领域的技术人员将理解的是，在不脱离本公开的广义总体范围的情况下，可以对上述实施例进行众多变化和/或修改。当前实施例因此在所有方面都被认为是说明性的而非限制性的。

Claims (23)

1.一种量子计算系统，包括：
量子处理器，所述量子处理器实现对具有量子位状态的多个量子位的一个或多个操作；
分布式数据处理系统，所述分布式数据处理系统被编程为执行计算以确定控制序列，所述控制序列在以电磁场的形式被应用于所述量子处理器以直接控制量子位状态时，减少对所述多个量子位的所述一个或多个操作的退相干、退相干引发的错误和控制缺陷引发的错误，其中，所述计算基于所述量子处理器的噪声特性以确定噪声抑制的控制序列；以及
用户界面设备，所述用户界面设备远离所述分布式数据处理系统，用于从所述量子处理器的用户接收所述量子处理器的包括操作约束和/或期望性能的特性，并且将所述特性发送到所述分布式数据处理系统，来使所述分布式数据处理系统执行所述计算以基于所述特性确定所述噪声抑制的控制序列。
2.根据权利要求2所述的系统，还包括在所述量子处理器内的嵌入的代码，所述嵌入的代码自主地优化与所述分布式数据处理系统通信的所述量子处理器。
3.一种用于控制量子处理器的方法，所述量子处理器实现对具有量子位状态的多个量子位的一个或多个操作，所述方法包括：
生成用户界面，以从所述量子处理器的用户接收与所述量子处理器的特性相关的用户输入；
在分布式数据处理系统上接收所述用户输入；
基于所述用户输入在所述分布式数据处理系统上执行计算以确定控制序列，所述控制序列在以电磁场的形式被应用于所述量子处理器以直接控制量子位状态时，减少对所述多个量子位的所述一个或多个操作的退相干和退相干引发的错误，其中，所述计算基于所述量子处理器的噪声特性以确定噪声抑制的控制序列。
4.根据权利要求3所述的方法，其中，所述计算包括：
基于所述量子处理器的所述特性针对对所述多个量子位的所述一个或多个操作推导傅里叶域滤波器函数，所述傅里叶域滤波器函数指示噪声对于对所述多个量子位的所述一个或多个操作的影响，以及
基于所述傅里叶域滤波器函数进行优化。
5.根据权利要求3或4所述的方法，其中，所述用户输入包括用于确定所述量子处理器的所述噪声特性的请求，并且所述方法包括基于所述用户输入在所述分布式数据处理系统上执行计算以确定在被应用于所述量子处理器时允许测量所述量子处理器的所述噪声特性的控制序列。
6.根据权利要求5所述的方法，其中，所述量子处理器的所述噪声特性包括平台的失真。
7.根据权利要求4、5或6所述的方法，其中，所述噪声特性的测量包括针对所确定的控制序列，在所述分布式数据处理系统上计算频域滤波器函数，并且将所述滤波器函数应用于来自所述量子处理器的直接测量。
8.根据权利要求3至7中任一项所述的方法，其中，所述用户输入包括由所述用户通过所述用户界面创建的一个或多个控制波形的指示。
9.根据权利要求3至8中任一项所述的方法，其中，所述用户输入包括由所述用户通过所述用户界面选择的来自预先计算出的库的一个或多个协议或波形或这二者的指示。
10.根据权利要求3至9中任一项所述的方法，其中，所述控制序列是开环控制序列。
11.根据权利要求3至10中任一项所述的方法，其中，所述计算用于分析控制波形以确定所述多个量子位的错误预算并且在所述用户界面上显示所述错误预算。
12.根据权利要求3至11中任一项所述的方法，其中，所述噪声特性基于以下中的一个或多个：
预定义的时钟噪声；
预定义的环境退相位；
预定义的幅度噪声；
所有笛卡尔坐标(x，y，z)中的预定义的噪声；
通过用户测量适当定义和确定的噪声频谱；以及
从所述用户输入确定的噪声频谱。
13.根据权利要求3至12中任一项所述的方法，其中，所述计算基于随时间的来自所述量子计算硬件平台的多个测量，以迭代地且自主地优化所述控制序列。
14.根据权利要求3至13中任一项所述的方法，其中，所述计算包括确定第一控制序列以表征所述量子计算硬件平台中的噪声并且基于所确定的噪声来确定第二控制序列。
15.根据权利要求3至14中任一项所述的方法，还包括：
在所述分布式数据处理系统上接收来自所述量子计算硬件平台的当前测量；
基于所述当前测量来调整所述控制序列；以及
将调整后的控制序列发送到所述量子计算硬件平台。
16.根据权利要求3至15中任一项所述的方法，其中，所述计算包括基于输入的、选择的或测量的噪声来确定对所述多个量子位的特定控制操作的错误预算，并且调整所述控制序列以使对所述多个量子位的所述一个或多个操作的错误最小化。
17.根据权利要求3至16中任一项所述的方法，还包括在所述用户界面上生成所述特性或所确定的控制序列或这二者的可视化。
18.根据权利要求3至17中任一项所述的方法，其中，所述计算包括基于所述多个量子位的测量来确定所述多个量子位的演化的预测估计并且基于所述预测估计来调整所述控制序列。
19.根据权利要求2至18中任一项所述的方法，其中，所述控制序列使所述多个量子位采用与所述量子计算硬件平台的本机系统动力学不同的调整后的系统动力学，由此扩展所述系统的计算能力。
20.一种用于控制量子计算处理器的方法，所述量子计算处理器实现对具有量子位状态的多个量子位的一个或多个操作，所述方法包括：
执行嵌入到所述量子处理器中的代码以
接收与所述多个量子位相关的测量；
基于所述测量、与嵌入的代码一起存储的控制数据和由所述嵌入的代码执行的计算来确定第一组控制参数；
连接到分布式数据处理系统，以使所述分布式数据处理系统基于由所述分布式数据处理系统执行的计算并基于所述量子处理器的噪声特性来确定第二组控制参数，以允许确定噪声抑制的控制序列；
基于第一组参数和第二组参数来确定所述噪声抑制的控制序列，所述噪声抑制的控制序列在以电磁场的形式被应用于所述量子处理器以直接控制量子位状态时，减少对所述多个量子位的所述一个或多个操作的退相干和退相干引发的错误。
21.根据权利要求20所述的方法，还包括基于计划表重复确定所述第一组控制参数和连接到所述分布式数据处理系统的步骤。
22.根据权利要求21所述的方法，还包括：
根据所述计划表重复地将所述第一组控制参数和所述第二组控制参数存储在查找表上；以及
通过在第一组参数与第二组参数的计划更新之间从所述查找表读取所述第一组控制参数和所述第二组控制参数来将所述噪声抑制的控制序列应用于所述多个量子位。
23.一种量子处理器，包括：
多个量子位，所述多个量子位具有相应的量子位状态向量，被配置为实现对所述多个量子位的一个或多个操作；
代码，所述代码被嵌入到所述量子处理器中以在被执行时进行以下步骤：
接收与所述多个量子位相关的测量；
基于所述测量、与嵌入的代码一起存储的控制数据和由所述嵌入的代码执行的计算来确定第一组控制参数；
连接到分布式数据处理系统，以使所述分布式数据处理系统基于由所述分布式数据处理系统执行的计算并基于所述量子处理器的噪声特性来确定第二组控制参数，以允许确定噪声抑制的控制序列；以及
基于第一组参数和第二组参数来确定所述噪声抑制的控制序列；
受控制源，所述受控制源用于将所述噪声抑制的控制序列以电磁场的形式应用于所述量子处理器以直接控制量子位状态向量，从而减少对所述多个量子位的所述一个或多个操作的退相干和退相干引发的错误。
CN201980037451.3A 2018-06-06 2019-05-31 量子控制开发和实现界面 Pending CN112470173A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
AU2018902019 2018-06-06
AU2018902019A AU2018902019A0 (en) 2018-06-06 Quantum control development and implementation interface
AU2018256557 2018-10-31
AU2018256557A AU2018256557B1 (en) 2018-06-06 2018-10-31 Quantum control development and implementation interface
PCT/AU2019/050555 WO2019232572A1 (en) 2018-06-06 2019-05-31 Quantum control development and implementation interface

Publications (1)

Publication Number Publication Date
CN112470173A true CN112470173A (zh) 2021-03-09

Family

ID=66635530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980037451.3A Pending CN112470173A (zh) 2018-06-06 2019-05-31 量子控制开发和实现界面

Country Status (5)

Country Link
US (1) US20210311442A1 (zh)
EP (1) EP3802406A4 (zh)
CN (1) CN112470173A (zh)
AU (1) AU2018256557B1 (zh)
WO (1) WO2019232572A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113690553A (zh) * 2021-08-20 2021-11-23 国开启科量子技术(北京)有限公司 波束可调的近场微波转换装置
CN115204404A (zh) * 2022-08-08 2022-10-18 北京大学 一种抑制费米子系统测量中的错误的方法及装置
CN115511097A (zh) * 2022-11-18 2022-12-23 合肥本源量子计算科技有限责任公司 半导体量子芯片测控方法、系统、测控系统及量子计算机
CN115660098A (zh) * 2022-10-27 2023-01-31 山东云海国创云计算装备产业创新中心有限公司 一种触屏拖拽量子门的实现方法、装置、设备及介质
CN116402150A (zh) * 2021-12-21 2023-07-07 本源量子计算科技（合肥）股份有限公司 量子计算机的测试标定方法
CN116502726A (zh) * 2023-06-28 2023-07-28 深圳市爱云信息科技有限公司 基于量子芯片的数据存储系统及方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11657300B2 (en) * 2020-02-26 2023-05-23 Samsung Electronics Co., Ltd. Systems and methods for predicting storage device failure using machine learning
US11379749B2 (en) * 2020-03-05 2022-07-05 Massachusetts Institute Of Technology Identifying noise sources in quantum systems via multi-level noise spectroscopy
CN113688995B (zh) * 2021-08-06 2023-09-26 北京量子信息科学研究院 一种量子系统控制方法和装置
US20230186141A1 (en) * 2021-12-11 2023-06-15 International Business Machines Corporation Visual presentation of quantum-classical interface in a user experience

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050273306A1 (en) * 2001-12-22 2005-12-08 Hilton Jeremy P Hybrid classical-quantum computer architecture for molecular modeling
US20070239366A1 (en) * 2004-06-05 2007-10-11 Hilton Jeremy P Hybrid classical-quantum computer architecture for molecular modeling
CN103582949A (zh) * 2011-06-14 2014-02-12 国际商业机器公司 用于量子信息处理的固定耦合量子系统的模块化阵列
CN104468529A (zh) * 2014-11-18 2015-03-25 浙江工商大学 基于逻辑量子比特和控制非操作的抗集体退相位噪声鲁棒量子对话协议
US20150324705A1 (en) * 2012-06-18 2015-11-12 The University Of Sydney Long-time low-latency quantum memory by dynamical decoupling
CN107077642A (zh) * 2014-08-22 2017-08-18 D-波系统公司 可用于例如量子计算的用于求解问题的系统和方法
CN107848792A (zh) * 2015-07-24 2018-03-27 耶鲁大学 用于量子信息处理的振荡器状态操纵的技术和相关系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5768297A (en) * 1995-10-26 1998-06-16 Lucent Technologies Inc. Method for reducing decoherence in quantum computer memory
US7624088B2 (en) * 2005-08-03 2009-11-24 D-Wave Systems Inc. Analog processor comprising quantum devices
WO2015178991A2 (en) * 2014-02-28 2015-11-26 Rigetti & Co., Inc. Operating a multi-dimensional array of qubit devices
US10552755B2 (en) * 2014-08-22 2020-02-04 D-Wave Systems Inc. Systems and methods for improving the performance of a quantum processor to reduce intrinsic/control errors
PL3198348T3 (pl) * 2014-09-24 2020-10-05 Quantum Valley Investment Fund LP Generowanie sekwencji sterującej do sterowania kwantowego

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050273306A1 (en) * 2001-12-22 2005-12-08 Hilton Jeremy P Hybrid classical-quantum computer architecture for molecular modeling
US20070239366A1 (en) * 2004-06-05 2007-10-11 Hilton Jeremy P Hybrid classical-quantum computer architecture for molecular modeling
CN103582949A (zh) * 2011-06-14 2014-02-12 国际商业机器公司 用于量子信息处理的固定耦合量子系统的模块化阵列
US20150324705A1 (en) * 2012-06-18 2015-11-12 The University Of Sydney Long-time low-latency quantum memory by dynamical decoupling
CN107077642A (zh) * 2014-08-22 2017-08-18 D-波系统公司 可用于例如量子计算的用于求解问题的系统和方法
CN104468529A (zh) * 2014-11-18 2015-03-25 浙江工商大学 基于逻辑量子比特和控制非操作的抗集体退相位噪声鲁棒量子对话协议
CN107848792A (zh) * 2015-07-24 2018-03-27 耶鲁大学 用于量子信息处理的振荡器状态操纵的技术和相关系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SANDEEP MAVADIA ETC.: "Prediction and real-time compensation of qubit decoherence via machine learning", NATURE COMMUNICATIONS, pages 1 - 6 *
TODD J GREEN ETC.: "Arbitrary quantum control of qubits in the presence of universal noise", NEW JOURNAL OF PHYSICS *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113690553A (zh) * 2021-08-20 2021-11-23 国开启科量子技术(北京)有限公司 波束可调的近场微波转换装置
CN113690553B (zh) * 2021-08-20 2022-07-15 国开启科量子技术(北京)有限公司 波束可调的近场微波转换装置
CN116402150A (zh) * 2021-12-21 2023-07-07 本源量子计算科技（合肥）股份有限公司 量子计算机的测试标定方法
CN115204404A (zh) * 2022-08-08 2022-10-18 北京大学 一种抑制费米子系统测量中的错误的方法及装置
CN115204404B (zh) * 2022-08-08 2023-05-30 北京大学 一种抑制费米子系统测量中的错误的方法及装置
CN115660098A (zh) * 2022-10-27 2023-01-31 山东云海国创云计算装备产业创新中心有限公司 一种触屏拖拽量子门的实现方法、装置、设备及介质
CN115511097A (zh) * 2022-11-18 2022-12-23 合肥本源量子计算科技有限责任公司 半导体量子芯片测控方法、系统、测控系统及量子计算机
CN116502726A (zh) * 2023-06-28 2023-07-28 深圳市爱云信息科技有限公司 基于量子芯片的数据存储系统及方法
CN116502726B (zh) * 2023-06-28 2023-09-19 深圳市爱云信息科技有限公司 基于量子芯片的数据存储系统及方法

Also Published As

Publication number Publication date
WO2019232572A1 (en) 2019-12-12
EP3802406A1 (en) 2021-04-14
AU2018256557B1 (en) 2019-05-30
US20210311442A1 (en) 2021-10-07
EP3802406A4 (en) 2022-03-23

Similar Documents

Publication Publication Date Title
CN112470173A (zh) 量子控制开发和实现界面
Rudy et al. Deep learning of dynamics and signal-noise decomposition with time-stepping constraints
WO2020061338A1 (en) A quantum-walk-based algorithm for classical optimization problems
US8612195B2 (en) Gradient-based workflows for conditioning of process-based geologic models
CN113537501B (zh) 电磁串扰的标定和缓释方法、装置及电子设备
Chai et al. Improving quadrature for constrained integrands
Tam et al. An adaptive Gaussian sum algorithm for radar tracking
CN114997407B (zh) 量子测量设备的噪声消除方法及装置、电子设备和介质
WO2023012375A1 (en) Methods and systems for solving a stochastic differential equation using a hybrid computer system
Ovadia et al. Beyond the Courant-Friedrichs-Lewy condition: Numerical methods for the wave problem using deep learning
Raisuddin et al. FEqa: Finite element computations on quantum annealers
Wang et al. Quantum algorithm for total least squares data fitting
CN114897175A (zh) 量子测量设备的噪声消除方法及装置、电子设备和介质
Albarakati et al. Model and data reduction for data assimilation: Particle filters employing projected forecasts and data with application to a shallow water model
Ali et al. Performance study of variational quantum algorithms for solving the Poisson equation on a quantum computer
McMichael et al. Simplified algorithms for adaptive experiment design in parameter estimation
Peng et al. A learning-based projection method for model order reduction of transport problems
Ouala et al. Bounded nonlinear forecasts of partially observed geophysical systems with physics-constrained deep learning
Pilosov et al. Parameter estimation with maximal updated densities
US20240160813A1 (en) Adaptive tuning of physics-based digital twins
CN117196056A (zh) 量子演化参数确定方法及装置、电子设备和介质
Prakash et al. Data-driven identification of stable sparse differential operators using constrained regression
Lunderman et al. Using global Bayesian optimization in ensemble data assimilation: parameter estimation, tuning localization and inflation, or all of the above
WO2022265782A1 (en) Blackbox optimization via model ensembling
US9507913B2 (en) Data driven reduction of multi-scale models

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