CN112529203A

CN112529203A - 纠缠量子态分辨方法、装置、设备、存储介质及产品

Info

Publication number: CN112529203A
Application number: CN202011548163.5A
Authority: CN
Inventors: 王鑫; 王子和; 赵炫强; 刘人宇; 宋旨欣
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2020-12-23
Filing date: 2020-12-23
Publication date: 2021-03-19
Anticipated expiration: 2040-12-23
Also published as: CN112529203B

Abstract

本公开提供了纠缠量子态分辨方法、装置、设备、存储介质及产品，涉及量子计算领域。具体实现方案为：确定待进行纠缠分辨的初始量子态；将与第一参数化量子电路作用到至少一个第一量子比特上，并得到第一测量结果；从第二参数化量子电路中选取出与第一测量结果相匹配的目标第二参数化量子电路，并将目标第二参数化量子电路作用到至少一个第二量子比特上，得到第二测量结果；至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以识别出所述初始量子态所属的目标态。如此，实现对初始量子态的有效识别。

Description

纠缠量子态分辨方法、装置、设备、存储介质及产品

技术领域

本公开涉及数据处理技术领域，尤其涉及量子计算领域。

背景技术

量子科技中最重要的资源之一就是量子纠缠(Quantum entanglement)，量子纠缠是量子计算和量子信息处理的基本组成部分，在量子安全通信、分布式量子计算等场景都有着至关重要的作用，因此针对这样核心资源的分辨或者识别就显得尤为重要。纠缠态的分辨(Entangled state discrimination)是量子信息中的一个基础问题，只有区分清楚纠缠态的类别才能更好去进行使用纠缠态，进而在量子安全通信、分布式量子计算等场景发挥量子纠缠的作用。因此，如何通过可行的物理操作在近期量子设备上更高效地进行纠缠态分辨便成为了量子科技中的一个核心问题。

发明内容

本公开提供了一种纠缠量子态分辨方法、装置、设备、存储介质及产品。

根据本公开的一方面，提供了一种纠缠量子态分辨方法，包括：

确定待进行纠缠分辨的初始量子态，其中，所述初始量子态至少是第一组量子比特和第二组量子比特所对应的量子态，所述第一组量子比特包含有至少一个第一量子比特，所述第二组量子比特包括有至少一个第二量子比特；

将与所述第一组量子比特对应的第一参数化量子电路作用到所述至少一个第一量子比特上，并得到第一测量结果，其中，所述第一测量结果表征作用所述第一参数化量子电路后的所述至少一个第一量子比特的状态信息；

从与所述第二组量子比特对应的第二参数化量子电路中，选取出与所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数化量子电路作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到第二测量结果，其中，所述第二测量结果表征作用所述目标第二参数化量子电路后的所述至少一个第二量子比特的状态信息；

至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以分辨出所述初始量子态所属的目标态。

根据本公开的另一方面，提供了一种纠缠量子态分辨装置，包括：

初始量子态确定单元，用于确定待进行纠缠分辨的初始量子态，其中，所述初始量子态至少是第一组量子比特和第二组量子比特所对应的量子态，所述第一组量子比特包含有至少一个第一量子比特，所述第二组量子比特包括有至少一个第二量子比特；

第一参数化量子电路处理单元，用于将与所述第一组量子比特对应的第一参数化量子电路作用到所述至少一个第一量子比特上，并得到第一测量结果，其中，所述第一测量结果表征作用所述第一参数化量子电路后的所述至少一个第一量子比特的状态信息；

第二参数化量子电路处理单元，用于从与所述第二组量子比特对应的第二参数化量子电路中，选取出与所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数化量子电路作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到第二测量结果，其中，所述第二测量结果表征作用所述目标第二参数化量子电路后的所述至少一个第二量子比特的状态信息；

目标态识别单元，用于至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以分辨出所述初始量子态所属的目标态。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该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该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，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，该计算机指令用于使计算机执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。

根据本公开的技术实现了对初始量子态的有效分辨。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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，不构成对本公开的限定。其中：

图1是根据本申请实施例纠缠量子态分辨方法的实现流程示意图；

图2是根据本申请实施例纠缠量子态分辨方法在一具体示例中的实现流程示意图；

图3是根据本申请实施例纠缠量子态分辨装置的结构示意图；

图4是用来实现本申请实施例的纠缠量子态分辨方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。

量子技术中，量子纠缠是实现量子安全通信、量子计算、量子网络等各种量子信息技术的关键资源，纠缠量子态(也即量子纠缠态)分辨是量子纠缠处理的基本问题，也是量子信息处理的重要步骤，只有能够高效识别纠缠量子态，才能更好地将合适的纠缠量子态用在合适的量子信息处理方案中。特别地，高效和准确的纠缠态(也即纠缠量子态)分辨方案可以让基于量子纠缠的量子密钥分配(Quantum key distribution)、量子超密编码(Quantum superdense coding)、量子隐形传态(Quantum Teleportation)等量子信息方案得到更有效的使用。因此，若能实现适用于近期量子设备的实用化的纠缠态分辨方案，将大大促进量子网络与分布式量子计算的发展。

基于此，本申请方案提供了一种纠缠量子态分辨方法、装置、设备、存储介质及产品，可以在近期量子设备上实现纠缠量子态的识别，且兼具高效性、实用性、与通用性。这里高效性是指能够高效地取得尽可能高的平均正确概率的LOCC操作方案，实用性指能在近期量子设备上实现，通用性指能够适应于一般情形的纠缠量子态。需要说明的是，本申请方案不仅能够对纠缠的量子态进行高效识别，对于不纠缠的量子态(即多个量子比特形成的量子系统中，各量子比特之间不进行量子纠缠)而言，同样适用；以下仅以纠缠量子态为例进行说明，对于不纠缠的量子态而言，可以复用下述方案，对此不再赘述。

首先，对本申请方案所涉及的基础概念进行下述说明：

量子纠缠态(也即纠缠量子态)通常被分配在两个或多个有一定距离的节点。这里，先定义一种一般的情形。假设一个量子系统可能处于ρ₁,ρ₂,...,ρ_N这N种量子态中的一种，即该量子系统的目标态可能为上述N种量子态中的一种，组成该量子系统的相互纠缠的所有量子比特(qubit)中的一部分位于节点A，剩下的位于节点B，且节点A和B相距的比较远，基于此，所允许的物理操作是节点A、节点B各自的本地量子操作和经典通讯(LOCC，local operations and classical communication)，可简称为LOCC操作。这里，所述量子操作指作用于量子比特的量子门和量子测量的操作，而本地量子操作则表示节点A和节点B只能对各自的量子比特做上述量子操作；经典通讯通常用于节点之间，如节点A和节点B之间通过经典通信方式(比如利用网络等进行的通信)交流量子测量得到的结果。

在这种情况下，纠缠态分辨的具体问题即为：找到一个LOCC操作方案来分辨上述量子系统所处的目标态，即对于所述量子系统所对应的已知的N种目标态而言，基于LOCC操作方案，能够以尽可能高的平均正确概率分辨出来该量子系统所处的目标态，举例来说，对于N＝2的情形，假设当量子系统处于目标态ρ₁时，一个LOCC操作方案能以90％的概率输出该量子系统处于目标态ρ₁，而当量子系统处于ρ₂时，这个方案能以92％的概率输出该量子系统处于目标态ρ₂，那么此时，该LOCC操作方案的平均正确概率即为(90％+92％)/2＝91％。而本申请方案的目标就是确定出平均正确概率尽可能高的LOCC操作方案。

其次，对本申请方案做详细说明；具体地，图1是根据本申请实施例纠缠量子态分辨方法的实现流程示意图，如图1所示，所述方法包括：

步骤S101：确定待进行纠缠分辨的初始量子态，其中，所述初始量子态至少是第一组量子比特和第二组量子比特所对应的量子态，所述第一组量子比特包含有至少一个第一量子比特，所述第二组量子比特包括有至少一个第二量子比特。

步骤S102：将与所述第一组量子比特对应的第一参数化量子电路作用到所述至少一个第一量子比特上，并得到第一测量结果，其中，所述第一测量结果表征作用所述第一参数化量子电路后的所述至少一个第一量子比特的状态信息。

步骤S103：从与所述第二组量子比特对应的第二参数化量子电路中，选取出与所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数化量子电路作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到第二测量结果，其中，所述第二测量结果表征作用所述目标第二参数化量子电路后的所述至少一个第二量子比特的状态信息。

步骤S104：至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以分辨出所述初始量子态所属的目标态。

这样，能够针对任意可分辨(也即识别)的量子态进行纠缠分辨，而且，兼具高效性、实用性与通用性。

在本申请方案的一具体示例中，可以采用如下方式得到第一组量子比特和第二组量子比特，具体地，确定量子比特集合，其中，所述量子比特集合中包含有相互纠缠或不纠缠的至少两个量子比特；将所述量子比特集合所包含的至少两个量子比特拆分成至少两部分，得到第一组量子比特和第二组量子比特。举例来说，所述初始量子态对应的量子系统中包含有相互纠缠或不纠缠的至少两个量子比特，本申请方案简称为量子比特集合；为便于描述，以量子比特集合中包含有相互纠缠的两个量子比特为例进行介绍；当然，实际应用中，该初始量子态对应的量子系统中还可以包含有处于纠缠状态或不纠缠状态的两个以上的量子比特，也即量子比特集合中还可以包含有两个以上的量子比特，此时，只需该量子比特集合中的部分量子比特分发至节点A，另外部分量子比特分发至节点B即可。这里，节点A和节点B所拥有的量子比特的数量可以相同也可以不同相同，只要两者所拥有的量子比特的数量等于量子比特集合中所有量子比特的数量之和即可，本申请方案对此不作限制。如此，为后续高效分辨出初始量子态所属的目标态奠定了基础。

在本申请方案的一具体示例中，可以采用如下方式来进行分辨，具体地，以上至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以识别出所述初始量子态所属的目标态，具体包括：获取最小化损失函数后所得到的针对所述第一参数化量子电路的目标第一参数，和针对所述目标第二参数化量子电路的目标第二参数；其中，所述损失函数是基于所述初始量子态的疑似目标态与所述初始量子态所属的真实目标态之间的差异而确定出的，所述疑似目标态是基于所述第二测量结果所确定出的；利用带入所述目标第一参数后的所述第一参数化量子电路，以及带入所述目标第二参数后的所述目标第二参数化量子电路，识别出所述初始量子态所属的目标态。如此，通过参数化优化的方式来分辨出初始量子态所属的目标态，弥补了现有纠缠分辨方案的局限性，达到了使用近期量子设备对任意量子态进行分辨的目的，实用性强。

在本申请方案的一具体示例中，上述利用带入所述目标第一参数后的所述第一参数化量子电路，以及带入所述目标第二参数后的所述目标第二参数化量子电路，识别出所述初始量子态所属的目标态，具体包括：将带入所述目标第一参数后的所述第一参数化量子电路作用到所述至少一个第一量子比特上，得到优化后的第一测量结果；从与所述第二组量子比特对应的第二参数化量子电路中，选取出与优化后的所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数带入选取出的目标第二参数化量子电路后，作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到优化后的第二测量结果；基于优化后的所述第二测量结果识别得到所述初始量子态所属的目标态。如此，通过参数化优化的方式来分辨出初始量子态所属的目标态，弥补了现有纠缠分辨方案的局限性，达到了使用近期量子设备对任意量子态进行分辨的目的，实用性强。

在本申请方案的一具体示例中，所述损失函数是基于所述疑似目标态的错误概率而得到的，所述错误概率是基于所述疑似目标态与所述真实目标态之间的差异而确定出的。举例来说，基于测量出错的概率来定义损失函数，即损失函数L＝p_B(1|ρ₀)+p_B(0|ρ₁)，其中，p_B(1|ρ₀)表征该初始量子态ρ_AB实际所属的目标态为ρ₀，而节点B测量结果为1(即基于测量结果1得到的疑似目标态为ρ₁)的概率，p_B(0|ρ₁)表征该初始量子态ρ_AB实际所属的目标态为ρ₁，而节点B的测量结果为0(即基于测量结果0得到的疑似目标态为ρ₀)的概率，并将两者之和作为损失函数。这里，概率的具体计算公式为：

p_B(1|ρ₀)＝p_A(0|ρ₀)×p_B(1)+p_A(1|ρ₀)×p_B(1)＝p_0，0，1+p_0，1，1；

p_B(0|ρ₁)＝p_A(0|ρ₁)×p_B(0)+p_A(1|ρ₁)×p_B(0)＝p_1，0，0+p_1，1，0。

如此，得到损失函数，进而通过参数化优化的方式来分辨出初始量子态所属的目标态，弥补了现有纠缠分辨方案的局限性，达到了使用近期量子设备对任意量子态进行分辨的目的，实用性强。

以下结合具体示例对本申请方案做进一步详细说明，具体地，本申请方案创新性地设计了基于量子神经网络(或者说参数化量子电路，parameterized quantum circuits)的方法来优化并得到纠缠分辨(也即纠缠分辨)方案，而且，本申请方案能够针对任意可分辨(也即识别)的量子态给出一个可行的LOCC操作，以实现纠缠分辨，弥补了现有纠缠分辨方案的局限性，达到了使用近期量子设备对任意量子态进行分辨的目的。同时，本申请方案还具有较强的可扩展性，可以对多个节点间的量子纠缠态进行分辨，且分辨成功的概率更高，兼具高效性、实用性与通用性。

本示例所述的参数化量子电路U(θ)通常由若干个单量子比特旋转门和CNOT门组成，其中的若干个旋转角度组成了向量θ，作为该参数化量子电路中可调节的参数；基于此，节点A和节点B利用各自准备的参数化量子电路，并结合本地的量子操作和经典通讯，即可组成一个LOCC操作方案，实现对任意量子态的分辨。

具体地，对于纠缠分辨来说，节点A和节点B共享一个初始量子态ρ_AB，该初始量子态的目标态可能为ρ₀或ρ₁中的某一个态，节点A和节点B想要分辨它到底是ρ₀还是ρ₁。这里，该初始量子态对应的量子系统中包含有相互纠缠或不纠缠的至少两个量子比特，本申请方案简称为量子比特集合；为便于描述，以下以量子比特集合中包含有相互纠缠的两个量子比特为例进行介绍；当然，实际应用中，该初始量子态对应的量子系统中还可以包含有处于纠缠状态或不纠缠状态的两个以上的量子比特，也即量子比特集合中还可以包含有两个以上的量子比特，此时，只需该量子比特集合中的部分量子比特分发至节点A，另外部分量子比特分发至节点B即可。这里，节点A和节点B所拥有的量子比特的数量可以相同也可以不同相同，只要两者所拥有的量子比特的数量等于量子比特集合中所有量子比特的数量之和即可，本申请方案对此不作限制。

进一步地，节点A和节点B需要各自准备本地量子操作所需的参数化量子电路，以用于分辨。在量子操作的过程中，节点A和节点B可以进行量子操作、量子测量并通过经典通讯交流测量结果，依此决定后续的本地量子操作。这里，经典通讯的方式和次数可以由具体的应用场景和实验设备决定。待所有的LOCC操作完成后，即可得到各个测量结果，以及各测量结果的概率，基于此，来分辨得到该初始量子态ρ_AB所属的目标态。举例来说，假设，若节点B的测量结果为第一预设值，如0，此时，则认为该初始量子态ρ_AB所属的目标态为ρ₀，反之，若节点B的测量结果为第二预设值，如1，则认为该初始量子态ρ_AB所属的目标态为ρ₁。这里，本申请方案基于测量出错的概率来定义损失函数，即损失函数L＝p_B(1|ρ₀)+p_B(0|ρ₁)，其中，p_B(1|ρ₀)表征该初始量子态ρ_AB实际所属的目标态为ρ₀，而节点B测量结果为1的概率，p_B(0|ρ₁)表征该初始量子态ρ_AB实际所属的目标态为ρ₁，而节点B的测量结果为0的概率，并将两者之和作为损失函数。这里，概率的具体计算公式为：

p_B(0|ρ₁)＝p_A(0|ρ₁)×p_B(0)+p_A(1|ρ₁)×p_B(0)＝p_1，0，0+p_1，1，0；

这里，从上式子可以看出，最后分辨成功与否直接取决于节点B的判断，对节点A而言，测量结果为0/1只会影响节点B进行本地量子操作时所选取的参数化量子电路(即为一种比较间接的影响)。最后，利用机器学习中优化方法来迭代更新参数化量子电路中的参数，从而最小化损失函数L，进而当损失函数L达到最小化之后，此时的参数化量子电路所对应的LOCC操作即为节点A和节点B可以用来分辨初始量子态ρ_AB所属的目标态是ρ₀还是ρ₁的一个LOCC操作方案。

如图2所示，以分辨初始量子态ρ_AB属于两个正交纯态中目标态ρ₀，或目标态ρ₁为例来阐述本申请方案，其中，这里的目标态ρ₀和目标态ρ₁都是两量子比特的量子态，也即初始量子态ρ_AB所对应的量子系统包含有两个量子比特，记为量子比特A和量子比特B，节点A和节点B各拥有一个量子比特，记为节点A拥有量子比特A，节点B拥有量子比特B。

如图2所示，具体步骤包括：

步骤1：节点A准备一个参数化量子电路，记为U_A(α)，并初始化参数α。相应地，节点B准备若干个参数化量子电路，记为

并初始化这些参数，如β₁等。上述参数化量子电路用于节点A和节点B对自己所拥有的量子比特进行量子操作，即对于节点A而言，利用参数化量子电路U_A(α)，对自己所拥有的量子比特A进行量子操作，对于节点B而言，利用参数化量子电路

或

等，对自己所拥有的量子比特B进行量子操作。

步骤2：开始时，节点A先将参数化量子电路U_A(α)作用到节点A手中的量子比特A上，然后节点A对作用参数化量子电路U_A(α)后的量子比特A进行测量，得到测量结果A，将测量结果A记为k，这里，测量结果A可以为第一预设值0或第二预设值1，即k取值0或1；同时，记测量结果A所对应的疑似目标态为

并用经典通讯告知节点B。

步骤3：节点B从节点A处得知测量结果是k，进而，节点B选取与k相匹配的参数β_k，以及相匹配的参数化量子电路

作用到量子比特B上，然后再对自己所拥有的量子比特B进行测量，得到测量结果B，这里，测量结果B也为第一预设值0或第二预设值1，基于测量结果B即可确定出该初始量子态ρ_AB的疑似目标态，这里，节点B的测量结果B所得到的疑似目标态，预测结果A所得到的疑似目标态相同，或者不相同。

也就是说，节点A基于自身的测量结果A能够得出初始量子态ρ_AB的疑似目标态，同理，节点B基于自身的测量结果B也能够得出初始量子态ρ_AB的疑似目标态，但两者可能相同，也可能不相同。

步骤4：设计损失函数，这里，设计损失函数为分辨结果错误的情形。这里，假设当节点B测得的测量结果B为0，此时，认为该初始量子态ρ_AB的目标态为ρ₀，而当节点B测得的测量结果B为1时，认为初始量子态ρ_AB的目标态为ρ₁，基于此，设p_x，y，z表示目标态为ρ_x时，节点A的测量结果A为y且节点B的测量结果B为z的概率，则损失函数为：

其中，p_0，y，1表征目标态为ρ₀时，节点A的测量结果A为y且节点B的测量结果B为1的概率；p_1，y，0表征目标态为ρ₁时，节点A的测量结果A为y且节点B的测量结果B为0的概率。通过上式可以看出，节点A基于测量结果A所得到的疑似目标态并不会直接对损失函数影响，只是对节点B进行参数选择、参数化量子电路选择时有影响而言，即对损失函数有间接影响。

步骤5：通过梯度下降法来更新参数化量子电路中的参数，以更新节点A所得到的测量结果A，以及更新节点B所得到的测量结果B，进而最小化损失函数，直至收敛，即可确定出一组优化的参数，基于优化的参数即可得到优化后的测量结果A和测量结果B，进而确定出初始量子态ρ_AB的目标态是ρ₀和ρ₁中的哪一个，且该结论准确率较高。

如此，便可得到如何分辨ρ₀和ρ₁的一个具体方案。

这里，假设优化结束之后，优化得到的参数化量子电路的参数为α^*，

等，那么，对初始量子态ρ_AB(目标态可能是ρ₀或ρ₁)进行纠缠分辨的步骤则为：节点A将参数化量子电路U_A(α^*)作用到自己的量子比特A上，然后节点A对自己所拥有的量子比特A进行测量，得到测量结果A并用经典通讯告知节点B；假设节点B从节点A处得知节点A的测量结果为k，那么B将与k所匹配参数，并将与k所匹配优化后的参数代入与k所匹配参数化量子电路中，得到参数化量子电路

并将该参数化量子电路

作用到自己所拥有的量子比特B上，并对其进行测量，得到节点B的测量结果。假设节点B测量得到的测量结果为0，则说明初始量子态ρ_AB的目标态为ρ₀，反之若节点B测量得到的测量结果为1，则说明初始量子态ρ_AB的目标态为ρ₁。

需要强调的是，本申请方案具有很强的拓展性，即可以拓展至多个节点，且初始量子态所对应量子系统中量子比特分别在该多个节点上，此时，本申请方案依然能够对上述拓展后的初始量子态进行有效识别。具体地，本申请方案不止适用于两个正交纯态的识别，对于多个量子比特所形成量子系统对应的量子态，如非正交态和混合态而言，本申请方案均可以通过设计参数化量子电路和损失函数的方式实现有效识别。同时，也不只是局限于两方，即前述示例中仅给出节点A和节点B共同拥有一个初始量子态时的分辨方案，事实上，假设M个节点共同拥有一个初始量子态，而这个初始量子态的目标态为N量子态中的其中一个，此时，利用本申请方案也能够进行有效识别。因此，本申请方案适用性更广。

需要注意的是，对于多方的量子纠缠而言，会更为复杂，在设计对应的损失函数时可以基于具体情况而做出调整。

其次，本申请方案并不能对所有的量子态都进行完美分辨。这是由于分辨的理论本身所限制的。而且，已经有理论证明，并不是所有的量子态都可以进行完美分辨。但是，对于可以完美分辨的量子态而言，本申请方案是可以给出具体的分辨方案的。而对于不能完美分辨的量子态，本申请方案也可以给出一个以尽量高的概率去进行分辨的方案。并且，对于可以无错分辨的量子态而言，本申请方案能够给出无错分辨的具体分辨方案。

最后，本申请方案可定制性更高。由于实际的使用场景可能会有很多种情况，有些时候，需要分辨多个量子态；有些时候，不需要以100％的概率去确定所拥有的量子态，90％或者40％就已经足够；有些时候，需要无错分辨，而针对这些不同的具体场景，本申请方案均可以设计对应的参数化量子电路，并利用机器学习的方法进行优化，以最终得到一个可行的识别方案。

以下给出本申请方案的验证数据，具体地，随机生成两个正交的归一化向量：

并假设：

ρ₀＝p×v₁×v₁′+(1-p)×v₂×v₂′，ρ₁＝(1-p)×v₁×v₁′+p×v₂×v₂′。

其中，p是0到1之间的一个值。本示例初态(也即目标态)可能为ρ₀或ρ₁，基于此，来验证本申请方案的效果。

这里，分别做实验来验证p取不同值、初态为ρ₀和ρ₁时，本申请方案可以分辨成功的概率，如下表所示：

由上述实验结果不难发现，当p为0和1时，ρ₀和ρ₁是两个正交的纯态，在这时，本申请方案是可以进行完美分辨的，而且，随着p不断接近0.5，本申请方案分辨成功的概率也越来越低，这是由于这两个态ρ₀和ρ₁越来越相似，因此也越来越难以分辨。

通过该数值实验，可以看到，本申请方案取得了很好的效果，并且具有很好的通用性，且对于给定的量子态，本申请方案能够给出一个确定的分辨方案。当待分辨的量子态为混合态或者非正交态时，本申请方案也可以以尽量高的概率去进行分辨，能够满足不同场景下的使用需求。

总之，本申请方案使用机器学习的方法，并设计参数化量子电路，对于给定的量子态，还可以设计其损失函数，进而利用机器学习的方法进行参数优化，最终得到一个具体的量子态的分辨方案。相比于现有只能在理论上证明量子纠缠态分辨的可行性而言，本申请方案能够给出具体的量子操作以及分辨方案，具有很强的实用性。

而且，本申请方案不仅可以给出具体的分辨方案，而且由于设计了参数化量子电路，所以，可以针对量子设备的情况进行方案定制，设计对应的参数化量子电路，以在近期量子设备上应用，实用性、扩展性更强。除此之外，不论对于何种分辨要求，本申请方案均可以通过设计参数化量子电路和损失函数来达到相应的预期效果，通用性也很强。

这里，需要说明的是，以上所述的方案均能够在经典设备，比如经典计算机上模拟实现，当然，也可以在量子设备上进行模拟以训练参数实现纠缠分辨，但当量子比特数量较多时，经典设备的模拟能力可能会无法实现高效模拟，此时，可以直接在量子设备上完成模拟，如此，来实现纠缠分辨。

本申请方案还提供了一种纠缠量子态分辨装置，如图3所示，包括：

初始量子态确定单元301，用于确定待进行纠缠分辨的初始量子态，其中，所述初始量子态至少是第一组量子比特和第二组量子比特所对应的量子态，所述第一组量子比特包含有至少一个第一量子比特，所述第二组量子比特包括有至少一个第二量子比特；

第一参数化量子电路处理单元302，用于将与所述第一组量子比特对应的第一参数化量子电路作用到所述至少一个第一量子比特上，并得到第一测量结果，其中，所述第一测量结果表征作用所述第一参数化量子电路后的所述至少一个第一量子比特的状态信息；

第二参数化量子电路处理单元303，用于从与所述第二组量子比特对应的第二参数化量子电路中，选取出与所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数化量子电路作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到第二测量结果，其中，所述第二测量结果表征作用所述目标第二参数化量子电路后的所述至少一个第二量子比特的状态信息；

目标态识别单元304，用于至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以分辨出所述初始量子态所属的目标态。

在本申请方案的一具体示例中，还包括：

量子比特集合处理单元，用于确定量子比特集合，其中，所述量子比特集合中包含有相互纠缠或不纠缠的至少两个量子比特；将所述量子比特集合所包含的至少两个量子比特拆分成至少两部分，得到第一组量子比特和第二组量子比特。

在本申请方案的一具体示例中，所述目标态识别单元，还用于获取最小化损失函数后所得到的针对所述第一参数化量子电路的目标第一参数，和针对所述目标第二参数化量子电路的目标第二参数；其中，所述损失函数是基于所述初始量子态的疑似目标态与所述初始量子态所属的真实目标态之间的差异而确定出的，所述疑似目标态是基于所述第二测量结果所确定出的；利用带入所述目标第一参数后的所述第一参数化量子电路，以及带入所述目标第二参数后的所述目标第二参数化量子电路，识别出所述初始量子态所属的目标态。

在本申请方案的一具体示例中，所述第一参数化量子电路处理单元，还用于将带入所述目标第一参数后的所述第一参数化量子电路作用到所述至少一个第一量子比特上，得到优化后的第一测量结果；

所述第二参数化量子电路处理单元，还用于从与所述第二组量子比特对应的第二参数化量子电路中，选取出与优化后的所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数带入选取出的目标第二参数化量子电路后，作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到优化后的第二测量结果；

所述目标态识别单元，还用于基于优化后的所述第二测量结果识别得到所述初始量子态所属的目标态。

在本申请方案的一具体示例中，所述损失函数是基于所述疑似目标态的错误概率而得到的，所述错误概率是基于所述疑似目标态与所述真实目标态之间的差异而确定出的。

本发明实施例纠缠量子态分辨装置中各单元的功能可以参见上述方法中的对应描述，在此不再赘述。

这里，需要说明的是，本申请方案所述的纠缠量子态分辨装置可以为经典设备，比如经典计算机、经典的电子设备等，此时，上述各单元可以通过经典设备的硬件，比如存储器、处理器等来实现。当然，本申请方案所述的纠缠量子态分辨装置还可以为量子设备，此时，上述各单元可以通过量子硬件等来实现。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。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/或要求的本公开的实现。

如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序来执行各种适当的动作和处理。在RAM403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入输出(I/O)接口405也连接至总线404。

设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如纠缠量子态分辨方法。例如，在一些实施例中，纠缠量子态分辨方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的纠缠量子态分辨方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行纠缠量子态分辨方法。

本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。

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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims

1.一种纠缠量子态分辨方法，包括：

2.根据权利要求1所述的方法，还包括：

确定量子比特集合，其中，所述量子比特集合中包含有相互纠缠或不纠缠的至少两个量子比特；

将所述量子比特集合所包含的至少两个量子比特拆分成至少两部分，得到第一组量子比特和第二组量子比特。

3.根据权利要求1或2所述的方法，其中，所述至少基于所述第二测量结果对所述初始量子态进行纠缠分辨，以识别出所述初始量子态所属的目标态，包括：

获取最小化损失函数后所得到的针对所述第一参数化量子电路的目标第一参数，和针对所述目标第二参数化量子电路的目标第二参数；其中，所述损失函数是基于所述初始量子态的疑似目标态与所述初始量子态所属的真实目标态之间的差异而确定出的，所述疑似目标态是基于所述第二测量结果所确定出的；

利用带入所述目标第一参数后的所述第一参数化量子电路，以及带入所述目标第二参数后的所述目标第二参数化量子电路，识别出所述初始量子态所属的目标态。

4.根据权利要求3所述的方法，其中，所述利用带入所述目标第一参数后的所述第一参数化量子电路，以及带入所述目标第二参数后的所述目标第二参数化量子电路，识别出所述初始量子态所属的目标态，包括：

将带入所述目标第一参数后的所述第一参数化量子电路作用到所述至少一个第一量子比特上，得到优化后的第一测量结果；

从与所述第二组量子比特对应的第二参数化量子电路中，选取出与优化后的所述第一测量结果相匹配的目标第二参数化量子电路，并将所述目标第二参数带入选取出的目标第二参数化量子电路后，作用到所述第二组量子比特中的所述至少一个第二量子比特上，得到优化后的第二测量结果；

基于优化后的所述第二测量结果识别得到所述初始量子态所属的目标态。

5.根据权利要求3所述的方法，其中，所述损失函数是基于所述疑似目标态的错误概率而得到的，所述错误概率是基于所述疑似目标态与所述真实目标态之间的差异而确定出的。

6.一种纠缠量子态分辨装置，包括：

7.根据权利要求6所述的装置，还包括：

8.根据权利要求6或7所述的装置，其中，所述目标态识别单元，还用于获取最小化损失函数后所得到的针对所述第一参数化量子电路的目标第一参数，和针对所述目标第二参数化量子电路的目标第二参数；其中，所述损失函数是基于所述初始量子态的疑似目标态与所述初始量子态所属的真实目标态之间的差异而确定出的，所述疑似目标态是基于所述第二测量结果所确定出的；利用带入所述目标第一参数后的所述第一参数化量子电路，以及带入所述目标第二参数后的所述目标第二参数化量子电路，识别出所述初始量子态所属的目标态。

9.根据权利要求8所述的装置，其中，所述第一参数化量子电路处理单元，还用于将带入所述目标第一参数后的所述第一参数化量子电路作用到所述至少一个第一量子比特上，得到优化后的第一测量结果；

10.根据权利要求8所述的装置，其中，所述损失函数是基于所述疑似目标态的错误概率而得到的，所述错误概率是基于所述疑似目标态与所述真实目标态之间的差异而确定出的。

11.一种电子设备，其特征在于，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1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行权利要求1-5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。