CN112819169B - 量子控制脉冲生成方法、装置、设备及存储介质 - Google Patents

量子控制脉冲生成方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112819169B
CN112819169B CN202110090999.3A CN202110090999A CN112819169B CN 112819169 B CN112819169 B CN 112819169B CN 202110090999 A CN202110090999 A CN 202110090999A CN 112819169 B CN112819169 B CN 112819169B
Authority
CN
China
Prior art keywords
quantum
target
control pulse
hardware structure
state information
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
Application number
CN202110090999.3A
Other languages
English (en)
Other versions
CN112819169A (zh
Inventor
晋力京
王鑫
张润泽
孟则霖
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110090999.3A priority Critical patent/CN112819169B/zh
Publication of CN112819169A publication Critical patent/CN112819169A/zh
Priority to AU2021240156A priority patent/AU2021240156B2/en
Priority to US17/450,157 priority patent/US20220027774A1/en
Priority to JP2021168013A priority patent/JP7320033B2/ja
Application granted granted Critical
Publication of CN112819169B publication Critical patent/CN112819169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (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)
  • Superconductor Devices And Manufacturing Methods Thereof (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了量子控制脉冲生成方法、装置、设备及存储介质，涉及量子计算领域。具体实现方案为：基于目标量子硬件结构的相关物理参数，构造出目标量子硬件结构所表征量子系统的系统哈密顿量；获取与目标量子硬件结构相匹配的初始控制脉冲集合；基于系统哈密顿量，模拟得到量子系统的系统状态信息，系统状态信息表征模拟对目标量子硬件结构中量子比特施加初始控制脉冲后量子系统的状态信息；至少基于量子系统的系统状态信息与目标量子任务所需实现的目标状态信息之间的关系，对初始控制脉冲集合中初始控制脉冲进行优化处理，以得到目标控制脉冲序列，如此，将量子计算软件与量子计算硬件进行结合，来实现特定量子任务。

Description

量子控制脉冲生成方法、装置、设备及存储介质
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
量子计算被认为是下一代计算技术的心脏，同时也是引领新一轮量子革命的代表性技术。近些年，无论是量子计算软件还是硬件领域，都取得了显著的进步，量子计算的发展已进入到中等尺度含噪(Noise Intermediate-Scale Quantum，NISQ)量子时代。在量子计算软件层面，多种近期可被应用的量子算法以及各种量子云平台被相继研发和实现；在量子计算硬件层面，业界拥有多种不同类型的量子硬件候选者，包括超导电路、离子阱、光量子、NV色心、核磁共振等。不同技术路线展现出各自的优势，当然也有相应的挑战。但需要特别指出的是，量子计算软件与量子计算硬件之间并不是自然地连接，填补二者之间的鸿沟需要一定的技术支撑。因此，如何将量子计算软件与量子计算硬件进行连接，来实现特定量子任务，则成为亟待解决的问题，同时，在整个量子计算中也扮演着不可替代的角色。在实际操作中，通常需要将量子计算软件中的逻辑电路编译成量子计算硬件可以识别的物理信号(控制脉冲)。于是，如何高效地生成控制脉冲成为一个非常重要的问题。
发明内容
本公开提供了一种量子控制脉冲生成方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种量子控制脉冲生成方法，包括：
基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量，所述目标量子硬件结构用于实现目标量子任务；
获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，所述初始控制脉冲集合中包含有至少一个初始控制脉冲，所述初始控制脉冲用于施加到所述目标量子硬件结构中的量子比特上；
基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，所述系统状态信息表征模拟对所述目标量子硬件结构中量子比特施加所述初始控制脉冲后所述量子系统的状态信息；
至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列，其中，将所述目标控制脉冲序列施加到所述目标量子硬件结构中的量子比特后能够实现所述目标量子任务。
根据本公开的另一方面，提供了一种量子控制脉冲生成装置，包括：
物理量构造单元，用于基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量，所述目标量子硬件结构用于实现目标量子任务；
初始脉冲获取单元，用于获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，所述初始控制脉冲集合中包含有至少一个初始控制脉冲，所述初始控制脉冲用于施加到所述目标量子硬件结构中的量子比特上；
计算单元，用于基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，所述系统状态信息表征模拟对所述目标量子硬件结构中量子比特施加所述初始控制脉冲后所述量子系统的状态信息；
脉冲优化单元，用于至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列，其中，将所述目标控制脉冲序列施加到所述目标量子硬件结构中的量子比特后能够实现所述目标量子任务。
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。
根据本公开的技术将量子计算软件与量子计算硬件进行结合，即利用量子计算软件来得到用于施加于给定量子硬件结构，即目标量子硬件结构的目标控制脉冲序列，如此，基于得到的目标控制脉冲序列来实现给定的量子任务，也即实现目标量子任务。
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是根据本公开实施例量子控制脉冲生成方法的实现流程示意图；
图2是根据本公开实施例实现量子控制脉冲生成方法的量子计算软件的结构示意图；
图3是根据本公开实施例量子控制脉冲生成方法在一具体示例中的实现流程示意图；
图4和图5是本公开实施例在一具体事例中密度矩阵的层析图。
图6是根据本公开实施例量子控制脉冲生成装置的结构示意图；
图7是用来实现本公开实施例量子控制脉冲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。
在量子控制中，通常需要解决的核心问题是：为了实现特定的量子任务，需要设计技术方案把预先构建的逻辑量子电路中的量子逻辑门转化成量子硬件可以执行的高保真度脉冲指令，进而来实现量子逻辑门。但是，现有量子硬件厂商在软硬件接口上往往不具有脉冲优化方案，而且，从量子逻辑门转换到实际控制脉冲的编译过程没有完整地考虑非理想因素，这无疑会影响到基于控制脉冲得到的量子门的保真度。为了完成给定的量子任务，需要用户针对相关接口做大量的进阶开发。更进一步，考虑到量子计算硬件的结构、参数不同，以及外部接口的标准不统一等问题，各个平台也没有形成一套完整的、统一的脉冲解决方案，这无疑增加了现有平台的使用和开发成本，降低了用户体验。
基于此，本申请方案提供了一种可以应用于真实量子计算机的量子控制方案(即量子控制脉冲生成方法、装置、设备、存储介质及产品)，对于多种类型的量子硬件(诸如超导电路、离子阱、核磁共振等)均能够以较快的速度生成高保真度的所需要的目标控制脉冲序列，进而基于生成的目标控制脉冲序列来实现给定的量子任务；并且能够基于相关的测量结果对给定的量子系统(也即给定的量子硬件所指示的量子系统)的保真度及其相关结果进行分析。也就是说，运用本申请方案，用户或实验人员可以根据给定的量子硬件的相关参数，以及拓扑结构，生成满足给定的量子任务的控制脉冲，进而来对量子硬件进行精准控制，以此来实现给定的量子任务。
具体地，图1是根据本公开实施例量子控制脉冲生成方法的实现流程示意图，如图1所示，所述方法包括：
步骤101：基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量，所述目标量子硬件结构用于实现目标量子任务。在一示例中，如图2所示，在云端量子系统模拟器中，基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量；进一步地，在如图2所示的云端量子系统模拟器的系统哈密顿量生成单元中，接收用户输入的目标量子硬件结构的相关物理参数，并基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量。这里，实际应用中，云端量子系统模拟器还用于用户输入的所需实现的目标量子任务。比如，在如图2所示的系统哈密顿量生成单元中，接收用户输入的所需实现的目标量子任务。
步骤102：获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，所述初始控制脉冲集合中包含有至少一个初始控制脉冲，所述初始控制脉冲用于施加到所述目标量子硬件结构中的量子比特上。在一示例中，如图2所示，在云端量子脉冲优化器中，获取与所述目标量子硬件结构相匹配的初始控制脉冲集合。进一步地，在如图2所示的所述云端量子脉冲优化器的优化方案确立单元中，获取与所述目标量子硬件结构相匹配的初始控制脉冲集合。
步骤103：基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，所述系统状态信息表征模拟对所述目标量子硬件结构中量子比特施加所述初始控制脉冲后所述量子系统的状态信息。在一示例中，如图2所示，在云端量子系统模拟器中，基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息。进一步地，在如图2所示的云端量子系统模拟器的的动力学演化计算单元中基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息。这里，所述量子系统的状态信息，可以具体为所述量子系统中各量子比特的状态信息，比如量子态等。
步骤104：至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列。在一示例中，如图2所示，在云端量子脉冲优化器中，至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列。这里，将所述目标控制脉冲序列施加到所述目标量子硬件结构中的量子比特后能够实现所述目标量子任务。
这样，根据本公开的技术将量子计算软件与量子计算硬件进行结合，即利用量子计算软件来得到用于施加于给定量子硬件结构，即目标量子硬件结构的目标控制脉冲序列，如此，基于得到的目标控制脉冲序列来实现给定的量子任务，也即实现目标量子任务。
在本申请方案的一具体示例中，还可以采用如下方式来得到初始控制脉冲集合，具体地，获取预设映射关系信息，其中，所述预设映射关系信息表征量子硬件结构的相关物理参数与最优控制脉冲集合的映射关系；此时，以上所述的获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，具体包括：基于所述预设映射关系信息，选取出与所述目标量子硬件结构的相关物理参数相匹配的最优控制脉冲集合，以作为与所述目标量子硬件结构相匹配的初始控制脉冲集合。如此，为高效实现目标量子任务奠定基础。
在一示例中，在如图2所示的云端量子脉冲优化器中，预先存储预设映射关系信息，比如，预先建立多种量子硬件结构的最优脉冲数据库，进而在确定出目标量子硬件结构后，即可从所述预设映射关系信息中选取出与所述目标量子硬件结构的相关物理参数相匹配的最优控制脉冲集合；或者，进一步地，在云端量子脉冲优化器的优化方案确立单元中，预先存储预设映射关系信息，比如，预先建立多种量子硬件结构的最优脉冲数据库，进而在确定出目标量子硬件结构后，即可从所述预设映射关系信息中选取出与所述目标量子硬件结构的相关物理参数相匹配的最优控制脉冲集合。
在本申请方案的一具体示例中，可以基于如下方式来模拟得到量子系统的系统状态信息，具体地，以上所述的基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，具体包括：基于所述初始控制脉冲集合所包含的用于施加到所述目标量子硬件结构中量子比特上的初始控制脉冲，对所述系统哈密顿量进行动力学演化处理，以演化得到所述量子系统的系统状态信息。也就是说，可以使用动力演化方式，来模拟得到该量子系统的系统状态信息，如此，为后续进行脉冲参数的优化提供了可量化信息，进而为提升目标控制脉冲序列的保真度奠定了基础。
在一示例中，如图2所示，在云端量子系统模拟器中，基于所述初始控制脉冲集合所包含的用于施加到所述目标量子硬件结构中量子比特上的初始控制脉冲，对所述系统哈密顿量进行动力学演化处理，以演化得到所述量子系统的系统状态信息。进一步地，在云端量子系统模拟器的动力学演化计算单元中，基于所述初始控制脉冲集合所包含的用于施加到所述目标量子硬件结构中量子比特上的初始控制脉冲，对所述系统哈密顿量进行动力学演化处理，以演化得到所述量子系统的系统状态信息。
在本申请方案的一具体示例中，可以采用如下方式来得到对所述初始控制脉冲集合中初始控制脉冲进行优化处理，具体地，确定用于实现所述目标量子任务的原生量子门，这里，所述原生量子门能够通过所述目标量子硬件结构所包含的至少一个量子比特而得到，也就是说，所述原生量子门能够通过用户选中的目标量子硬件结构而实现；进一步，基于所述原生量子门来实现目标量子任务。基于此，以上所述的至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，则具体包括：在确定所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系不满足预设任务规则的情况下，也就是基于初始控制脉冲集合无法实现目标量子任务的时候，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，得到中间控制脉冲集合，这里，基于所述中间控制脉冲集合所包含的中间控制脉冲模拟对所述目标量子硬件结构进行脉冲控制，即可模拟得到近似原生量子门，该近似原生量子门距离所述原生量子门的保真度满足预设保真度规则，如此，便于基于所述近似原生量子门来实现所述目标量子任务。这里，整个过程均是自动化的，而无需再像传统实验室中用手动或者半自动方式进行，简化了用户或实验人员的操作，提升了用户体验；同时，也为提升目标控制脉冲序列的保真度奠定了基础。
本示例中，所述中间控制脉冲用于模拟施加到所述目标量子硬件结构中的量子比特上，进一步地，将所述中间控制脉冲集合中的中间控制脉冲模拟施加到所述目标量子硬件结构中的量子比特后，能够模拟得到近似原生量子门，该近似原生量子门即为保真度满足预设保真度要求的量子门。
需要说明的是，实际应用中，原生量子门的数量以及量子门类型与目标量子任务有关。
在一示例中，如图2所示，在云端量子脉冲优化器中，确定用于实现所述目标量子任务的原生量子门，进而在确定所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系不满足预设任务规则的情况下，也就是基于初始控制脉冲集合无法实现目标量子任务的时候，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，得到中间控制脉冲集合。需要说明的是，优化的过程中，会模拟基于当前的控制脉冲所得到的实际量子门的保真度，如此，模拟得到中间优化脉冲方案，进而模拟得到近似原生量子门。
需要说明的是，量子系统所对应的原生量子门可能存在多个，而且，实现目标量子任务所需的原生量子门也需要多个，此时，针对每个原生量子门来优化形成该原生量子门的量子比特的初始控制脉冲，使得基于优化后得到的中间控制脉冲模拟施加到对应的量子比特后，所形成的实际量子门的保真度满足保真度要求(也即保真度规则)，也即模拟得到的实际量子门与所对应的原生量子门之间的差异小于预设阈值。
在本申请方案的一具体示例中，还可以采用如下方式来进行校准，具体地，获取待进行脉冲控制的目标量子硬件设备的数据特征信息；这里，所述目标量子硬件设备具有所述目标量子硬件结构；进而对所述中间控制脉冲集合所包含的中间控制脉冲进行数据校准，以使校准后的所述中间控制脉冲与所述数据特征信息相匹配。如此，充分考虑了量子系统的各种非理想因素并进行了控制脉冲序列的全局优化，同时，还与真实量子计算机进行了自动化校准，因此，实用性更强。
在一具体示例中，在如图3所示的量子硬件接口中实现校准流程，即量子硬件接口通过特定的应用程序接口与真实量子计算机对接，进而将中间优化脉冲方案所指示的中间控制脉冲，作为真实的目标量子硬件设备的输入，并进行数据校准，如此，来保证校准后得到的脉冲可以很好地控制真实量子计算机，进一步提升了本申请方案的实用性。
在本申请方案的一具体示例中，在所述原生量子门存在两个或两个以上的情况下，也就是说，用于实现目标量子任务所需的原生量子门包括两个或两个以上的情况下，此时，即便基于中间优化脉冲方案所得到的各近似原生量子门满足保真度要求，但是，当将所有近似原生量子门进行组合后，由于存在串扰等问题，使得得到的量子门会偏离所预期实现的近似原生量子门，进而导致得到的量子门的保真度不再满足保真度要求。基于此，还需要进一步来对该中间优化脉冲方案进行优化。具体地，对所述中间控制脉冲集合所包含的中间控制脉冲进行基于时序和/或次序的优化处理，以模拟得到所述目标控制脉冲序列，其中，基于所述目标控制脉冲序列所包含的目标控制脉冲能够得到所述近似原生量子门，以实现所述目标量子任务。比如，在云端量子脉冲优化器中完成基于时序和/或次序的优化处理，如此，来进一步提升得到的目标控制脉冲序列的保真度。需要说明的是，优化的过程中，也需要来模拟基于当前的控制脉冲所得到的实际量子门的保真度，如此，模拟得到目标优化脉冲序列。
这里，所述目标控制脉冲序列中包含有两个或两个以上的施加于所述目标量子硬件设备中量子比特的目标控制脉冲，将所述目标控制脉冲施加于所述目标量子硬件设备中的量子比特后，即可实现目标量子任务。
在本申请方案的一具体示例中，还可以采用如下方式来对得到的目标控制脉冲序列进行验证，或进一步地优化，具体地，获取测量脉冲，比如，层析脉冲等，将所述目标控制脉冲序列施加到具有所述目标量子硬件结构的目标量子硬件设备后，施加所述测量脉冲，以得到所述目标量子硬件设备中各量子比特的状态信息，得到该目标量子硬件设备中各量子比特的状态信息，即为真实设备所得到的量子比特的量子态，进而利用得到的所述目标量子硬件设备中各量子比特的状态信息来对用于实现所述目标量子任务的所述目标控制脉冲序列进行验证，和/或，基于得到真实的量子比特的状态信息，与目标状态信息之间的差距，来进一步优化处理目标控制脉冲序列，如此，实现真实量子计算机的自动化校准过程，进一步来提升本申请方案的实用性。
在一示例中，通过如图2所示的量子硬件接口，将目标控制脉冲序列施加到具有所述目标量子硬件结构的目标量子硬件设备，进而施加所述测量脉冲，以得到所述目标量子硬件设备中各量子比特的状态信息。相应地，云端量子系统模拟器即可利用得到的所述目标量子硬件设备中各量子比特的状态信息来对用于实现所述目标量子任务的所述目标控制脉冲序列进行验证。进而调用云端量子脉冲优化器来进一步优化处理目标控制脉冲序列。
在本申请方案的一具体示例中，还可以进行可视化展示，以便于用户或实验人员进行浏览。具体地，至少将得到的所述目标量子硬件设备中各量子比特的状态信息作为输出结果；在可视化交互界面中展示所述输出结果。实际应用中，可以通过量子硬件接口来进行可视化展示。这里，所展示的内容可以基于用户的需求而设置，比如，通过内置的可视化程序，用图像的方式展示目标控制脉冲序列，量子态的动力学演化、量子层析过程等整个处理过程的中间信息或输出结果，以供用户浏览。如此，通过可视化的展示方式来提升用户体验。
以下结合具体场景，对本申请方案做进一步详细说明，具体地，本申请方案提供了一套完整的、自动化的可应用于真实量子计算机的量子控制方案。具体而言，提出了一个基于高性能的云端量子系统模拟器和云端量子脉冲优化器的量子控制脉冲序列生成的软件框架。基于该软件框架生成的控制脉冲序列(也即目标控制脉冲序列)，可以用来控制真实的量子计算机，进而来实现给定的量子任务(也即量子电路，该量子电路为逻辑量子电路)。这里，重点论述该软件框架的核心模块以及使用该软件框架生成针对特定量子任务(也即目标量子任务)的控制脉冲序列的流程。最后，将展示本申请方案在真实的超导量子计算机的实测效果，以此来验证本申请方案的有效性和实用性。具体地，
第一部分：基于高性能的云端量子系统模拟器和云端量子脉冲优化器的量子控制脉冲序列生成的软件框架。
这里，量子控制，本质上就是通过施加物理脉冲使得量子系统从一个初始量子态精准地演化到目标量子态。实验上确定量子系统的量子态有若干种技术方案，本申请方案采用的是量子层析方法。本示例所述的量子层析，能够通过实验测量数据重构出一个未知量子态，比如，以最简单的单量子比特为例，其量子态可以用布洛赫球内的一个点来表征，想要完整地描述一个量子态，需要对其在X，Y以及Z方向上的投影进行完整的刻画。在实验中，直接测量只能表征出布洛赫球Z方向上的分量；而且对于X和Y方向的分量，则需要在量子比特施加额外脉冲，将其转动至Z方向再进行测量，从而，来完整地刻画出量子比特的状态信息。基于此，本申请方案能够完整刻画出量子系统中各量子比特的状态信息。
本示例中所述软件框架包含至少两个核心模块，即i)云端量子系统模拟器(也即量子系统模拟器，或简称为模拟器)；ii)云端量子脉冲优化器(也即量子脉冲优化器，或简称为优化器)。这里，为了进一步提升该软件框架的实用性，还可以包括第三个核心模块，即iii)量子硬件接口。
需要说明的是，在给定的量子硬件结构包含有多个量子比特，或需要多个控制脉冲才能实现目标量子任务，此时，本申请方案生成的控制脉冲可以以控制脉冲序列的方式来表示，以基于控制脉冲序列来对量子硬件结构中的多个量子比特施加脉冲，以实现目标量子任务。
图2是根据本公开实施例实现量子控制脉冲生成方法的量子计算软件的结构示意图，以下基于图2对三个核心模块进行具体说明。这里，为了便于对每个模块的细节有更加详细的理解，本示例在实验效果呈现部分结合具体实例进行详细说明。
模块一，云端量子系统模拟器，主要包含系统哈密顿量生成单元以及动力学演化计算单元两个子模块。
其中，所述系统哈密顿量生成单元，用于接收用户输入的目标量子硬件结构的相关物理参数，也可统称为量子硬件信息；通过对用户输入的量子硬件结构的相关物理参数进行判断，即可自动构造出描述该目标量子硬件结构所对应的量子系统的哈密顿量(也即系统哈密顿量)，以此作为后续脉冲优化控制的基础。
所述动力学演化计算单元，核心功能是基于生成的该量子系统的哈密顿量进行动力学演化模拟，以此来判断当前的控制脉冲是否能够实现目标量子任务。本示例中，可以采用内置的高效算法，针对含时的哈密顿量进行动力学演化模拟。值得强调的是，这一部分的程序可以配置在云端的高性能服务器上，以期快速计算出量子系统的动力学演化特性，大大提高整个流程的效率。
模块二，云端量子脉冲优化器，主要包含优化方案确立单元、原生门脉冲优化单元以及脉冲调度优化单元三个子模块。
其中，所述优化方案确立单元，预先建立多种量子硬件结构的最优脉冲数据库，也即建立量子硬件结构的相关物理参数与最优控制脉冲集合的映射关系，并根据用户输入的量子硬件信息确立出与该输入的量子硬件信息所匹配的初始脉冲优化方案(也即初始控制脉冲集合)，该初始脉冲优化方案，也即初始脉冲优化集合中包含有至少一个初始控制脉冲。具体而言，该初始控制脉冲所指示的信息中包括但不限于针对量子比特的控制通道的选定、脉冲波形的选取等。该控制通道为施加控制脉冲的通道，实际应用中，量子比特会存在多个控制通道，比如X、Y、Z三个通道，控制脉冲可施加于X、Y、Z三个通道中的任一通道，如此，来实现对量子比特的控制，进而实现对量子系统的控制。这里，为便于描述，本示例初始控制脉冲与量子比特一一对应，即初始控制脉冲所指示的信息能够表征量子比特、施加通道、脉冲波形等之间的映射关系。
所述原生门脉冲优化单元，用于针对得到的初始脉冲优化方案，展开针对该量子系统的各原生量子门(原生量子门指的是在特定量子硬件结构下比较容易实现的量子门，比如超导量子计算中的X门，Controlled-phase门，Cross-resonance门，iSWAP门等)的脉冲优化设计，比如针对选定的脉冲波形进行优化，从而来优化初始脉冲优化方案，以构建出高保真度的原生量子门。该步骤中，对初始脉冲优化方案进行优化得到的脉冲方案可称为中间优化脉冲方案(也即中间控制脉冲集合)，该中间优化脉冲方案，也即中间控制脉冲集合中包含有多个中间控制脉冲。
需要说明的是，量子系统所对应的原生量子门可能存在多个，而且，实现目标量子任务所需的原生量子门也需要多个，此时，针对每个原生量子门来优化形成该原生量子门的量子比特的初始控制脉冲，使得基于优化后得到的中间控制脉冲模拟施加到对应的量子比特后，所形成的实际量子门的保真度满足保真度要求(也即保真度规则)，也即模拟得到的实际量子门与所对应的原生量子门之间的差异小于预设阈值。本示例中，将基于中间控制脉冲所模拟得到的实际量子门称为近似原生量子门，该近似原生量子门即为高保真度的原生量子门。
实际应用中，当存在多个原生量子门时，即便基于中间优化脉冲方案所得到的各近似原生量子门满足保真度要求，但是，当将所有近似原生量子门进行组合后，由于存在串扰等问题，使得得到的量子门会偏离所预期实现的近似原生量子门，进而导致得到的量子门的保真度不再满足保真度要求。基于此，还需要采用脉冲调度优化单元来进一步对该中间优化脉冲方案进行优化。
这里，需要说明的是，优化的过程中，调度动力学演化计算单元来模拟基于当前的控制脉冲所得到的实际量子门的保真度，如此，模拟得到中间优化脉冲方案，进而模拟得到近似原生量子门。
所述脉冲调度优化单元，根据用户输入的目标量子任务将该量子系统中用于实现该目标量子任务的原生量子门进行组合，并基于中间优化脉冲方案来确定脉冲调度方式，比如，确定各中间控制脉冲的作用时序和作用次序，以模拟得到目标控制脉冲序列，该目标控制脉冲序列中包含有各目标控制脉冲的作用时序和作用次序，这里，各目标控制脉冲是基于中间控制脉冲而得到的，比如，在无需对中间控制脉冲进行优化的情况下，直接将中间控制脉冲作为目标控制脉冲，在需要对中间控制脉冲进行优化的情况下，对中间控制脉冲进行优化处理后得到目标控制脉冲；也就是说，实际应用中，该脉冲调度优化单元不仅实现次序或时序的调度，还可以对中间控制脉冲中的其他参数进行优化，进而来得到目标控制脉冲序列。
进一步地，使得基于目标控制脉冲序列所模拟得到的实际量子任务的保真度满足预设任务要求(也预设任务规则)，比如，基于目标控制脉冲序列所模拟得到的实际量子任务的保真度最高。
此外，经过优化模拟得到的目标控制脉冲序列还可以进行缓存，以实现后续量子层析任务中脉冲的快速调用。
需要指出的是，脉冲调度优化单元同样需要调用动力学演化计算单元对调度后得到的控制脉冲序列进行动力学模拟，以确保其是最优脉冲序列，进而模拟得到目标控制脉冲序列。实际应用中，优化完成后得到的目标控制脉冲序列即可作为真实量子计算机(即具有目标量子硬件结构的真实的目标量子硬件设备)上的输入脉冲，以便于验证。
模块三，量子硬件接口，主要包含自动化校准单元、测量结果读取单元以及结果分析可视化单元三个子模块。
其中，所述自动化校准单元，通过特定的应用程序接口与真实量子计算机对接，比如与具有目标量子硬件结构的真实的目标量子硬件设备进行对接，并将所述原生门脉冲优化单元得到的中间优化脉冲方案所指示的中间控制脉冲，作为真实的目标量子硬件设备的输入，以此来对中间优化脉冲方案进行校准；或者，将所述原生门脉冲优化单元得到的中间优化脉冲方案所指示的中间控制脉冲和对所述脉冲调度优化单元得到的目标控制脉冲序列作为真实的目标量子硬件设备的输入，以此来对中间优化脉冲方案以及目标控制脉冲序列进行校准。这里，所述校准可以为精度校准等，如此，保证校准后得到的脉冲可以很好地控制真实量子计算机。
这里，值的注意的是，实际在校准过程中，为了确保有效控制，务必对中间优化脉冲方案进行校准，并将校准后的中间优化脉冲方案发送至脉冲调度优化单元进行调度优化，此时，脉冲调度优化单元调度优化后得到的目标控制脉冲序列可以无需再进行校准。或者，在对中间优化脉冲方案进行校准后，还可以基于目标量子任务，来进一步地确定是否需要对脉冲调度优化单元得到的目标控制脉冲序列进一步进行校准。
所述测量结果读取单元，主要用于将优化得到的目标控制脉冲序列施加到具有目标量子硬件结构的真实的目标量子硬件设备后，来测量该目标量子硬件设备中各量子比特的状态信息；比如，可以采用量子层析的方式来测量该目标量子硬件设备中各量子比特的状态信息；具体地，根据用户输入的量子硬件结构的相关物理参数设计进行量子层析所需的测量脉冲，比如包括层析脉冲和读取脉冲，并作用在已经作用目标控制脉冲序列后的真实的目标量子硬件设备上，进而对该目标量子硬件设备返回的脉冲信号进行拟合，同时，进行量子状态制备和测量误差矩阵的矫正，以得到该目标量子硬件设备中每个量子比特的状态信息。进一步地，可以将该目标量子硬件设备中每个量子比特的状态信息作为输出结果，输出给用户。
所述结果分析可视化单元，根据目标量子任务，以及测量结果读取单元的输出结果给出所得到的实际量子任务与目标量子任务的保真度、所得到的近似原生量子门的误差分布、量子系统的动力学演化等信息。进一步，可以通过内置的可视化程序，用图像的方式展示目标控制脉冲序列，量子态的动力学演化、量子层析过程等整个处理过程的中间信息或输出结果，以供用户浏览。
进一步地，基于上述三个核心模块，来对量子控制脉冲序列产生流程进行详细说明，即针对特定量子任务(也即目标量子任务)的目标控制脉冲序列的产生流程。这里，为了更加清晰地知悉每一个流程节点代表的具体含义，会在实验效果呈现部分结合具体实例进行详细说明。如图3所示，具体步骤包括：
步骤1：用户通过可视化界面或者在高级编程语言中使用应用软件接口输入目标量子硬件结构的相关物理参数(也即量子硬件参数、结构，可统称为量子硬件信息)，以及所需实现的目标量子任务。
步骤2：云端量子系统模拟器中基于用户输入的目标量子硬件结构的相关物理参数自动产生与该目标量子硬件结构相匹配的量子系统的系统哈密顿量，并传递给该云端量子系统模拟器中的动力学演化计算单元，以便于该动力学演化计算单元进行动力学演化模拟，辅助完成脉冲优化流程。
步骤3：云端量子脉冲优化器会根据用户输入的量子硬件信息和目标量子任务来确立初始脉冲优化方案(也即图2所示的最优控制方案)，包括采用哪些该目标量子硬件结构所能实现的原生量子门，所选的脉冲波形，以及脉冲施加到该目标量子硬件结构中哪个量子比特的哪个通道上等。
步骤4：基于步骤3确定好的初始脉冲优化方案，调用云端量子系统模拟器中的动力学演化计算单元，并结合系统哈密顿量，进行动力学演化模拟，模拟得到计算结果。
步骤5：判断该计算结果所表征的模拟得到的实际量子门是否满足保真度要求，比如，所模拟得到的实际量子门与所需实现的原生量子门之间的差异是否小于预设阈值。如果不满足，则云端量子脉冲优化器中的原生门脉冲优化单元基于内置的优化算法，对初始脉冲优化方案中不满足要求的初始控制脉冲的脉冲参数进行调整，并重新进行动力学演化模拟，直到模拟得到的实际量子门满足保真度要求为止，此时，该满足保真度要求实际量子门可称为近似原生量子门。如此，来优化所述初始脉冲优化方案中的各初始控制脉冲，得到中间优化脉冲方案(也即图2所示的原生门脉冲序列组合)。
步骤6：获得中间优化脉冲方案后，脉冲调度优化单元基于目标量子任务将该量子系统的原生量子门进行组合，并基于中间优化脉冲方案来确定脉冲调度方式，比如，确定各中间控制脉冲的作用时序和次序，得到目标控制脉冲序列(也即图2所示的量子层析脉冲序列)，该目标控制脉冲序列中包含有各目标控制脉冲的作用时序和次序。这里，实际过程中，将得到的中间优化脉冲方案模拟分配至该目标量子硬件结构的各具体量子比特上，并进行时序模拟，和/或次序模拟，以模拟得到目标控制脉冲序列。
步骤7：将目标控制脉冲序列作为输入，输入到真实的目标量子硬件设备上，以进行校准。实际过程中，采用自动化校准单元将基于原生门脉冲优化单元产生的中间优化脉冲方案在真实的目标量子硬件设备上进行校准操作，以及将最后得到的目标控制脉冲序列也在真实的目标量子硬件设备上进行校准操作。进而将校准后得到的脉冲序列，作为最后输入至真实的目标量子硬件设备的脉冲序列。
步骤8：结合测量脉冲，包括读取脉冲和层析脉冲，对施加步骤7校准后得到的脉冲序列的真实的目标量子硬件设备进行测量，来确定该真实的目标量子硬件设备中各量子比特的状态信息。实际应用中，可以根据不同量子层析脉冲所对应的结果来构造出描述该目标量子硬件设备的量子态密度矩阵，进而来完成校准流程。
步骤9：将真实的目标量子硬件设备的输出数据，比如该目标量子硬件结构中各量子比特的状态信息作为输出结果，并进行可视化展示。这里，可利用结果分析可视化单元来展示以上得到的输出数据。
上述流程刻画了使用本申请方案产生特定量子任务所需控制脉冲生成的全流程。为了更具体地呈现本申请方案的核心模块和关键流程，同时也为了更详细地理解各个模块和具体步骤，以下通过一个具体示例来进一步详细说明。
第二部分：实验效果呈现；
为了更好地呈现本申请方案的有效性和实用性，同时也为了更加详细地阐述本申请方案中各个核心模块和关键步骤，本部分将本申请方案在包含有一个量子比特的真实超导量子计算机的上进行实测。
具体而言，将量子硬件结构的相关物理参数，也即包含有一个量子比特的真实超导量子计算机的相关物理参数，比如量子比特的频率和失谐性强度，和目标量子任务(此处设定的任务是分别实现单量子比特哈达玛门和X门)输入如图2所示的云端量子系统模拟器，并利用系统哈密顿量生成单元自动生成描述该量子硬件结构所表征量子系统的系统哈密顿量。与此同时，云端量子脉冲优化器会根据该目标量子任务以及量子硬件结构模拟出目标控制脉冲序列。具体而言，首先确定该量子系统所能够实现的原生量子门(包括X门，Y门，Z门)的中间优化脉冲方案，这一环节是通过原生门脉冲优化单元实现的。其次，基于脉冲调度优化单元对该中间优化脉冲方案进行调度优化，模拟得到目标控制脉冲序列。最后，实现对一个优化脉冲(也即目标控制脉冲序列)的层析测量和分析，基于此，准备两种脉冲：第一种为待测试的目标控制脉冲序列，即此处用到的用于实现哈达玛门和X门所对应的目标控制脉冲序列；第二种为用来量子层析的测量脉冲，包括层析脉冲和读取脉冲等，该层析脉冲、读取脉冲需要和待测量的目标控制脉冲序列一起组合，并进行时序设计和调度优化后输入到真实超导量子计算机(也即具有用户输入的量子硬件结构的真实的量子硬件设备)中。
在本实际案例中，只接入了拥有一个量子比特的真实超导量子计算机，因此只需要将待测试的目标控制脉冲序列的调度安排在层析脉冲和读取脉冲之前即可。实际应用中，不断的初始化该量子比特，并使其处于基态，然后再施加所需测量的目标控制脉冲序列，并对脉冲作用后的量子态进行量子层析。在待测试的目标控制脉冲序列施加完成后，轮流施加X门，Y门，Z门以及I门对应的脉冲，并进行量子比特的状态信息的读取(比如，沿Z方向)，然后根据测量结果重构出量子比特的密度矩阵，如此，来实现对目标控制脉冲序列的验证。需要特别指出的是，量子层析所用到的层析脉冲可以通过前述原生门脉冲优化单元产生后，并通过自动化校准单元进行校准，最后进入脉冲调度优化单元。
这里，诚如上面所述，目标是实现哈达玛门(即H门)和X门的控制脉冲，以期该控制脉冲实现真实超导量子计算机的基准测试。具体来说，作为量子计算中常用的量子门，H门可以将|0>变换到
Figure BDA0002912474440000181
将|1>变换到
Figure BDA0002912474440000182
用矩阵表示为：
Figure BDA0002912474440000183
X门可以实现量子态的翻转，可以将|0>变换到|1>，将|1>变换到|0>,用矩阵表示为：
Figure BDA0002912474440000184
为了充分验证本申请方案的有效性。换句话说，向真实超导量子计算机施加前述的目标控制脉冲序列后，通过读取该真实超导量子计算机的测量结果来对本申请方案得到的用于实现目标量子任务的目标控制脉冲序列进行验证。具体而言，本示例采用量子层析所得的密度矩阵(密度矩阵可以用来描述一个开放系统的量子状态)作为衡量标准，具体地，基于云端量子系统模拟器得到目标控制脉冲序列的理论密度矩阵(对应图4和图5所示的所示的模拟χ矩阵)，以及实验测量重构所得的密度矩阵(对应图4和图5所示的所示的实验χ矩阵)，并对所得结果进行χ矩阵分解，即将一个密度矩阵改写为泡利矩阵的线性组合，如ρ＝a1I+a2X+a3Y+a4Z，将系数ai(i＝1,2,3,4)实部和虚部分别绘制三维的柱状图，如图4和图5所示，在图4和图5绘制的密度矩阵层析图中，横坐标对应于不同的泡利矩阵(即X，Y，Z以及I)，纵坐标对应于展开的系数ai，每一个层析图包括实部和虚部两部分。左边两幅图对应于理论模拟的理想结果所对应的层析图，而右边两幅图则对应于真实量子计算机实验测量分析所得密度矩阵的层析图。从上述图4(对应于哈达玛门)和图5(对应于X门)可以看出，使用本申请方案产生的目标控制脉冲序列输入到真实量子计算机所得实验结果与理论模拟结果几乎一致。更具体一点，通过计算模拟结果和基于本申请方案的实验结果所对应密度矩阵的距离，即D(ρ，σ)＝Tr|ρ-σ|/2，得到对于哈达玛门的D＝0.020857；同样的方法，X门得到的距离D＝0.02168，即也充分说明两者极其相近。由此可以得出，通过本申请方案产生的目标控制脉冲序列和测量脉冲，可以有效分析出量子系统的实际状态，这充分验证了本申请方案的有效性。
综上所述，与业界其它量子控制(或脉冲生成)技术方案相比，本申请方案在以下几点具备显著优势：
与传统方案相比，本申请方案在实用性方面更强，原因在于本申请方案充分考虑了量子系统的各种非理想因素并进行了控制脉冲序列的全局优化，同时，还与真实量子计算机进行了自动化校准，因此，实用性更强。
与传统方案相比，本申请方案在自动化方面更胜一筹。原因在于本申请方案的控制脉冲序列生成软件框架会自动化地启动相应的模块，生成量子硬件可以识别的脉冲，进而来实现给定的量子任务，整个过程均是自动化的，而无需再像传统实验室中用手动或者半自动方式进行，简化了用户或实验人员的操作，提升了用户体验。
适用硬件范围广，原因在于本申请方案是一套具有通用性的基于系统哈密顿量动力学演化模拟的框架性方法。能够针对不同量子硬件体系进行模拟，产生相应地控制脉冲，进而来对真实的量子计算机进行控制。而且，本申请方案不仅适用于超导电路，同样对离子阱、核磁共振等量子硬件平台有效。
可扩展性强，原因在于本申请方案允许用户根据自己的需求开发新的脉冲优化和调度方案，然后基于云端的高性能服务器产生相应的计算脉冲，并达到所需的优化效果，拓宽了该软件框架的应用范围；此外，用户还可以根据返回的数据进行自定义可视化操作，方便用户根据自身需求输出特定的数据可视化，进而来满足不同用户的需求，提升用户体验。
本申请方案还提供了一种量子控制脉冲生成装置，如图6所示，包括：
物理量构造单元601，用于基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量，所述目标量子硬件结构用于实现目标量子任务；
初始脉冲获取单元602，用于获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，所述初始控制脉冲集合中包含有至少一个初始控制脉冲，所述初始控制脉冲用于施加到所述目标量子硬件结构中的量子比特上；
计算单元603，用于基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，所述系统状态信息表征模拟对所述目标量子硬件结构中量子比特施加所述初始控制脉冲后所述量子系统的状态信息；
脉冲优化单元604，用于至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列，其中，将所述目标控制脉冲序列施加到所述目标量子硬件结构中的量子比特后能够实现所述目标量子任务。
在本申请方案的一具体示例中，还包括：映射关系获取单元；其中，
所述映射关系获取单元，用于获取预设映射关系信息，其中，所述预设映射关系信息表征量子硬件结构的相关物理参数与最优控制脉冲集合的映射关系；
所述初始脉冲获取单元，还用于基于所述预设映射关系信息，选取出与所述目标量子硬件结构的相关物理参数相匹配的最优控制脉冲集合，以作为与所述目标量子硬件结构相匹配的初始控制脉冲集合。
在本申请方案的一具体示例中，所述计算单元，还用于基于所述初始控制脉冲集合所包含的用于施加到所述目标量子硬件结构中量子比特上的初始控制脉冲，对所述系统哈密顿量进行动力学演化处理，以演化得到所述量子系统的系统状态信息。
在本申请方案的一具体示例中，还包括：原生门确定单元；其中，
所述原生门确定单元，用于确定用于实现所述目标量子任务的原生量子门，其中，所述原生量子门能够通过所述目标量子硬件结构所包含的至少一个量子比特而得到；
所述脉冲优化单元，还用于在确定所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系不满足预设任务规则的情况下，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，得到中间控制脉冲集合，以基于所述中间控制脉冲集合所包含的中间控制脉冲模拟对所述目标量子硬件结构进行脉冲控制，并模拟得到近似原生量子门，所述近似原生量子门距离所述原生量子门的保真度满足预设保真度规则，以基于所述近似原生量子门实现所述目标量子任务。
在本申请方案的一具体示例中，还包括：
数据校准单元，用于获取待进行脉冲控制的目标量子硬件设备的数据特征信息，所述目标量子硬件设备具有所述目标量子硬件结构；对所述中间控制脉冲集合所包含的中间控制脉冲进行数据校准，以使校准后的所述中间控制脉冲与所述数据特征信息相匹配。
在本申请方案的一具体示例中，所述脉冲优化单元，还用于在所述原生量子门存在两个或两个以上的情况下，对所述中间控制脉冲集合所包含的中间控制脉冲进行基于时序和/或次序的优化处理，以模拟得到所述目标控制脉冲序列，其中，基于所述目标控制脉冲序列所包含的目标控制脉冲能够得到所述近似原生量子门，以实现所述目标量子任务。
在本申请方案的一具体示例中，还包括：
验证单元，用于获取测量脉冲；将所述目标控制脉冲序列施加到具有所述目标量子硬件结构的目标量子硬件设备后，施加所述测量脉冲，以得到所述目标量子硬件设备中各量子比特的状态信息；利用得到的所述目标量子硬件设备中各量子比特的状态信息来对用于实现所述目标量子任务的所述目标控制脉冲序列进行验证和/或优化处理。
在本申请方案的一具体示例中，还包括：
可视化单元，用于至少将得到的所述目标量子硬件设备中各量子比特的状态信息作为输出结果；在可视化交互界面中展示所述输出结果。
本发明实施例量子控制脉冲生成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。
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7示出了可以用来实施本公开的实施例的示例电子设备700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7所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序来执行各种适当的动作和处理。在RAM 703中，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许电子设备700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701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701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701执行上文所描述的各个方法和处理，例如量子控制脉冲生成方法。例如，在一些实施例中，量子控制脉冲生成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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM703并由计算单元701执行时，可以执行上文描述的量子控制脉冲生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行量子控制脉冲生成方法。
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 (18)

1.一种量子控制脉冲生成方法，包括：
基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量，所述目标量子硬件结构用于实现目标量子任务，所述相关物理参数包括量子比特的频率和失谐性强度；
获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，所述初始控制脉冲集合中包含有至少一个初始控制脉冲，所述初始控制脉冲用于施加到所述目标量子硬件结构中的量子比特上；
基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，所述系统状态信息表征模拟对所述目标量子硬件结构中量子比特施加所述初始控制脉冲后所述量子系统的状态信息；
至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列，其中，将所述目标控制脉冲序列施加到所述目标量子硬件结构中的量子比特后能够实现所述目标量子任务。
2.根据权利要求1所述的方法，还包括：
获取预设映射关系信息，其中，所述预设映射关系信息表征量子硬件结构的相关物理参数与最优控制脉冲集合的映射关系；
其中，所述获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，包括：
基于所述预设映射关系信息，选取出与所述目标量子硬件结构的相关物理参数相匹配的最优控制脉冲集合，以作为与所述目标量子硬件结构相匹配的初始控制脉冲集合。
3.根据权利要求1所述的方法，其中，所述基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，包括：
基于所述初始控制脉冲集合所包含的用于施加到所述目标量子硬件结构中量子比特上的初始控制脉冲，对所述系统哈密顿量进行动力学演化处理，以演化得到所述量子系统的系统状态信息。
4.根据权利要求1或3所述的方法，还包括：
确定用于实现所述目标量子任务的原生量子门，其中，所述原生量子门能够通过所述目标量子硬件结构所包含的至少一个量子比特而得到；
其中，所述至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，包括：
在确定所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系不满足预设任务规则的情况下，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，得到中间控制脉冲集合，以基于所述中间控制脉冲集合所包含的中间控制脉冲模拟对所述目标量子硬件结构进行脉冲控制，并模拟得到近似原生量子门，所述近似原生量子门距离所述原生量子门的保真度满足预设保真度规则，以基于所述近似原生量子门实现所述目标量子任务。
5.根据权利要求4所述的方法，还包括：
获取待进行脉冲控制的目标量子硬件设备的数据特征信息，所述目标量子硬件设备具有所述目标量子硬件结构；
对所述中间控制脉冲集合所包含的中间控制脉冲进行数据校准，以使校准后的所述中间控制脉冲与所述数据特征信息相匹配。
6.根据权利要求4所述的方法，还包括：
在所述原生量子门存在两个或两个以上的情况下，对所述中间控制脉冲集合所包含的中间控制脉冲进行基于时序和/或次序的优化处理，以模拟得到所述目标控制脉冲序列，其中，基于所述目标控制脉冲序列所包含的目标控制脉冲能够得到所述近似原生量子门，以实现所述目标量子任务。
7.根据权利要求1所述的方法，还包括：
获取测量脉冲；
将所述目标控制脉冲序列施加到具有所述目标量子硬件结构的目标量子硬件设备后，施加所述测量脉冲，以得到所述目标量子硬件设备中各量子比特的状态信息；
利用得到的所述目标量子硬件设备中各量子比特的状态信息来对用于实现所述目标量子任务的所述目标控制脉冲序列进行验证和/或优化处理。
8.根据权利要求7所述的方法，还包括：
至少将得到的所述目标量子硬件设备中各量子比特的状态信息作为输出结果；
在可视化交互界面中展示所述输出结果。
9.一种量子控制脉冲生成装置，包括：
物理量构造单元，用于基于目标量子硬件结构的相关物理参数，构造出所述目标量子硬件结构所表征量子系统的系统哈密顿量，所述目标量子硬件结构用于实现目标量子任务，所述相关物理参数包括量子比特的频率和失谐性强度；
初始脉冲获取单元，用于获取与所述目标量子硬件结构相匹配的初始控制脉冲集合，所述初始控制脉冲集合中包含有至少一个初始控制脉冲，所述初始控制脉冲用于施加到所述目标量子硬件结构中的量子比特上；
计算单元，用于基于所述系统哈密顿量，模拟得到所述量子系统的系统状态信息，所述系统状态信息表征模拟对所述目标量子硬件结构中量子比特施加所述初始控制脉冲后所述量子系统的状态信息；
脉冲优化单元，用于至少基于所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，以模拟得到目标控制脉冲序列，其中，将所述目标控制脉冲序列施加到所述目标量子硬件结构中的量子比特后能够实现所述目标量子任务。
10.根据权利要求9所述的装置，还包括：映射关系获取单元；其中，
所述映射关系获取单元，用于获取预设映射关系信息，其中，所述预设映射关系信息表征量子硬件结构的相关物理参数与最优控制脉冲集合的映射关系；
所述初始脉冲获取单元，还用于基于所述预设映射关系信息，选取出与所述目标量子硬件结构的相关物理参数相匹配的最优控制脉冲集合，以作为与所述目标量子硬件结构相匹配的初始控制脉冲集合。
11.根据权利要求9所述的装置，其中，所述计算单元，还用于基于所述初始控制脉冲集合所包含的用于施加到所述目标量子硬件结构中量子比特上的初始控制脉冲，对所述系统哈密顿量进行动力学演化处理，以演化得到所述量子系统的系统状态信息。
12.根据权利要求9或11所述的装置，还包括：原生门确定单元；其中，
所述原生门确定单元，用于确定用于实现所述目标量子任务的原生量子门，其中，所述原生量子门能够通过所述目标量子硬件结构所包含的至少一个量子比特而得到；
所述脉冲优化单元，还用于在确定所述量子系统的系统状态信息与所述目标量子任务所需实现的目标状态信息之间的关系不满足预设任务规则的情况下，对所述初始控制脉冲集合中初始控制脉冲进行优化处理，得到中间控制脉冲集合，以基于所述中间控制脉冲集合所包含的中间控制脉冲模拟对所述目标量子硬件结构进行脉冲控制，并模拟得到近似原生量子门，所述近似原生量子门距离所述原生量子门的保真度满足预设保真度规则，以基于所述近似原生量子门实现所述目标量子任务。
13.根据权利要求12所述的装置，还包括：
数据校准单元，用于获取待进行脉冲控制的目标量子硬件设备的数据特征信息，所述目标量子硬件设备具有所述目标量子硬件结构；对所述中间控制脉冲集合所包含的中间控制脉冲进行数据校准，以使校准后的所述中间控制脉冲与所述数据特征信息相匹配。
14.根据权利要求12所述的装置，其中，所述脉冲优化单元，还用于在所述原生量子门存在两个或两个以上的情况下，对所述中间控制脉冲集合所包含的中间控制脉冲进行基于时序和/或次序的优化处理，以模拟得到所述目标控制脉冲序列，其中，基于所述目标控制脉冲序列所包含的目标控制脉冲能够得到所述近似原生量子门，以实现所述目标量子任务。
15.根据权利要求9所述的装置，还包括：
验证单元，用于获取测量脉冲；将所述目标控制脉冲序列施加到具有所述目标量子硬件结构的目标量子硬件设备后，施加所述测量脉冲，以得到所述目标量子硬件设备中各量子比特的状态信息；利用得到的所述目标量子硬件设备中各量子比特的状态信息来对用于实现所述目标量子任务的所述目标控制脉冲序列进行验证和/或优化处理。
16.根据权利要求15所述的装置，还包括：
可视化单元，用于至少将得到的所述目标量子硬件设备中各量子比特的状态信息作为输出结果；在可视化交互界面中展示所述输出结果。
17.一种电子设备，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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
CN202110090999.3A 2021-01-22 2021-01-22 量子控制脉冲生成方法、装置、设备及存储介质 Active CN112819169B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110090999.3A CN112819169B (zh) 2021-01-22 2021-01-22 量子控制脉冲生成方法、装置、设备及存储介质
AU2021240156A AU2021240156B2 (en) 2021-01-22 2021-09-28 Quantum Control Pulse Generation Method And Apparatus, Device, And Storage Medium
US17/450,157 US20220027774A1 (en) 2021-01-22 2021-10-06 Quantum control pulse generation method, device, and storage medium
JP2021168013A JP7320033B2 (ja) 2021-01-22 2021-10-13 量子制御パルス生成方法、装置、電子デバイス、記憶媒体、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110090999.3A CN112819169B (zh) 2021-01-22 2021-01-22 量子控制脉冲生成方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112819169A CN112819169A (zh) 2021-05-18
CN112819169B true CN112819169B (zh) 2021-11-23

Family

ID=75858957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110090999.3A Active CN112819169B (zh) 2021-01-22 2021-01-22 量子控制脉冲生成方法、装置、设备及存储介质

Country Status (4)

Country Link
US (1) US20220027774A1 (zh)
JP (1) JP7320033B2 (zh)
CN (1) CN112819169B (zh)
AU (1) AU2021240156B2 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11348027B1 (en) * 2021-03-22 2022-05-31 Alibaba Singapore Holding Private Limited Methods and systems of fully-randomized benchmarking for quantum circuits
CN115409181B (zh) * 2021-05-28 2024-02-06 本源量子计算科技（合肥）股份有限公司 量子芯片的校准方法和装置、量子测控系统、量子计算机
CN113537501B (zh) * 2021-07-12 2022-04-29 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
CN113487035B (zh) * 2021-08-03 2022-05-27 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
CN113919501B (zh) * 2021-10-11 2022-04-08 北京量子信息科学研究院 Cz门操作的校准方法、装置、计算机设备和存储介质
CN116187457A (zh) * 2023-02-09 2023-05-30 北京百度网讯科技有限公司 量子任务处理系统、量子任务处理方法及相关装置
CN117435917B (zh) * 2023-12-20 2024-03-08 苏州元脑智能科技有限公司 一种情感识别方法、系统、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800883A (zh) * 2019-01-25 2019-05-24 合肥本源量子计算科技有限责任公司 量子机器学习框架构建方法、装置及量子计算机
CN111062482A (zh) * 2019-11-28 2020-04-24 南方科技大学 一种量子态重构方法、装置、系统和存储介质
CN111369004A (zh) * 2020-04-17 2020-07-03 合肥本源量子计算科技有限责任公司 量子逻辑门的优化方法、存储介质和计算机设备
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
US10726351B1 (en) * 2019-02-01 2020-07-28 Wisconsin Alumni Research Foundation System and method for controlling superconducting qubits using single flux quantum logic
WO2020154128A1 (en) * 2019-01-25 2020-07-30 Northrop Grumman Systems Corporation Superconducting neuromorphic core

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016044917A1 (en) * 2014-09-24 2016-03-31 Quantum Valley Investment Fund LP Generating a control sequence for quantum control
IL308455A (en) * 2017-07-13 2024-01-01 Harvard College A neutral atom quantum information processor
US10332023B2 (en) * 2017-09-22 2019-06-25 International Business Machines Corporation Hardware-efficient variational quantum eigenvalue solver for quantum computing machines
EP3746954B1 (en) * 2018-01-31 2023-09-06 Google LLC Universal control for implementing quantum gates
CN112488317B (zh) * 2020-11-27 2021-09-21 北京百度网讯科技有限公司 量子控制中的仿真方法、装置、经典计算机及存储介质
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109800883A (zh) * 2019-01-25 2019-05-24 合肥本源量子计算科技有限责任公司 量子机器学习框架构建方法、装置及量子计算机
WO2020154128A1 (en) * 2019-01-25 2020-07-30 Northrop Grumman Systems Corporation Superconducting neuromorphic core
US10726351B1 (en) * 2019-02-01 2020-07-28 Wisconsin Alumni Research Foundation System and method for controlling superconducting qubits using single flux quantum logic
CN111062482A (zh) * 2019-11-28 2020-04-24 南方科技大学 一种量子态重构方法、装置、系统和存储介质
CN111369004A (zh) * 2020-04-17 2020-07-03 合肥本源量子计算科技有限责任公司 量子逻辑门的优化方法、存储介质和计算机设备

Also Published As

Publication number Publication date
JP7320033B2 (ja) 2023-08-02
AU2021240156A1 (en) 2022-08-11
AU2021240156B2 (en) 2023-04-06
JP2022017309A (ja) 2022-01-25
US20220027774A1 (en) 2022-01-27
CN112819169A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN112819169B (zh) 量子控制脉冲生成方法、装置、设备及存储介质
CN112819170B (zh) 控制脉冲生成方法、装置、系统、设备及存储介质
CN114580647B (zh) 量子系统的模拟方法、计算设备、装置及存储介质
Chirodea et al. Comparison of tensorflow and pytorch in convolutional neural network-based applications
CN111797998A (zh) 生成机器学习样本的组合特征的方法及系统
CN112749809B (zh) 构造量子仿真系统的方法和装置
WO2019217162A1 (en) Computer vision and speech algorithm design service
Ming et al. An advanced estimation algorithm for ground‐motion models with spatial correlation
CN116450486A (zh) 多元异构计算系统内节点的建模方法、装置、设备及介质
CN114819168B (zh) 一种矩阵特征值的量子比较方法及装置
CN116167445B (zh) 量子测量模式的处理方法、装置及电子设备
CN116720474A (zh) 集成电路设计方法及集成电路仿真系统
AU2023203387A1 (en) Method and apparatus for determining degree of quantum entanglement, device and storage medium
US20220245300A1 (en) Method and system for constructing statistical emulators for reservoir simulation models with uncertain inputs
CN113537501B (zh) 电磁串扰的标定和缓释方法、装置及电子设备
CN114997407A (zh) 量子测量设备的噪声消除方法及装置、电子设备和介质
US20230062268A1 (en) System and method for fatigue response prediction
JP2022062274A (ja) 関数処理方法、装置及び電子機器
US11436397B2 (en) Computer-implemented method and electronic device for detecting influential components in a netlist representing an electrical circuit
CN113255769A (zh) 化合物属性预测模型训练方法和化合物属性预测方法
CN111090554A (zh) 服务器性能测试时间的预测方法、装置、设备及存储介质
US9384016B2 (en) Method of estimating program speed-up with highly parallel architectures
US20230142209A1 (en) Quantum device simulation using natural-orbital basis
Robert et al. Tools for quantum computing based on decision diagrams
CN115904985A (zh) 一种应用测试方法、装置、电子设备及可读存储介质

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