CN112819170A - 控制脉冲生成方法、装置、系统、设备及存储介质 - Google Patents
控制脉冲生成方法、装置、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN112819170A CN112819170A CN202110091055.8A CN202110091055A CN112819170A CN 112819170 A CN112819170 A CN 112819170A CN 202110091055 A CN202110091055 A CN 202110091055A CN 112819170 A CN112819170 A CN 112819170A
- Authority
- CN
- China
- Prior art keywords
- quantum
- target
- pulse
- initial
- parameterized
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
本公开提供了控制脉冲生成方法、装置、系统、设备及存储设备,涉及量子计算领域。具体实现方案为:获取系统哈密顿量;获取参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对参数化量子门中所有量子逻辑门形成的门序列的初始脉冲序列,初始控制脉冲是基于所述系统哈密顿量模拟得到的;获取将初始脉冲序列施加到目标量子硬件设备后得到的所述量子系统的系统状态信息;基于系统状态信息与目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
Description
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,无论在量子计算的软件还是硬件领域,都取得了显著的进步。在量子软件层面,近期多种可被应用的量子算法以及各种量子云平台被相继研发和应用。在量子硬件层面,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。需要特别指出的是,量子软件与量子硬件之间并不是自然地连接,解决二者之间的鸿沟需要一定的技术支撑。因此,量子软件与量子硬件的连接在整个量子计算中扮演着不可替代的角色,而如何通过量子软件与量子硬件之间的连接,来实现一种自动的、高效的、适配于不同类型/不同架构的量子硬件的量子控制解决方案,成为亟待解决的问题。
发明内容
本公开提供了一种控制脉冲生成方法、装置、系统、设备及存储介质。
根据本公开的一方面,提供了一种控制脉冲生成方法,云端包括:
获取系统哈密顿量,其中,所述系统哈密顿量是基于目标量子硬件设备的相关物理参数而构造出的,用于表征所述目标量子硬件设备对应量子系统的哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;
获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;
基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
根据本公开的另一方面,提供了一种控制脉冲生成装置,包括:
哈密顿量获取单元,用于获取系统哈密顿量,其中,所述系统哈密顿量是基于目标量子硬件设备的相关物理参数而构造出的,用于表征所述目标量子硬件设备对应量子系统的哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
控制脉冲获取单元,用于获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;
状态信息获取单元,用于获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;
目标脉冲序列确定单元,用于基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
根据本公开的另一方面,提供了控制脉冲生成系统,至少包括:终端和云端服务器;其中,
所述终端,用于接收用户输入的目标量子硬件设备的相关物理参数,并构造出表征所述目标量子硬件设备的系统哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
所述云端服务器,用于获取所述系统哈密顿量;获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
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(也计量软件)与量子计算硬件(也即量子硬件)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设备,即目标量子硬件设备的目标脉冲序列,如此,基于得到的目标脉冲序列来实现给定的量子任务,也即实现目标量子控制任务。
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控制脉冲生成方法在一具体示例中的实现流程示意图一;
图3是根据本公开实施例控制脉冲生成方法在一具体示例中的参数化量子电路的结构示意图;
图4是根据本公开实施例控制脉冲生成方法在一具体示例中的目标量子硬件设备中量子比特间的连通结构示意图;
图5是根据本公开实施例控制脉冲生成方法在一具体示例中表征映射关系的参数化量子电路的结构示意图;
图6和图7是根据本公开实施例控制脉冲生成方法在一具体示例中目标脉冲序列和层析脉冲序列的示意图;
图8是根据本公开实施例控制脉冲生成方法在一具体示例中的实现流程示意图二;
图9是根据本公开实施例控制脉冲生成方法在一具体示例中的实现流程示意图三;
图10是根据本公开实施例控制脉冲生成装置的结构示意图;
图11是根据本公开实施例控制脉冲生成系统的结构示意图;
图12是用来实现本公开实施例的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。
为了实现特定的量子任务,通常会构建由量子逻辑门(比如为基础量子门)组成的量子电路,进而将构建的量子电路中的量子逻辑门转化成量子硬件可以执行的脉冲指令,如此,来实现该量子电路,也即实现该特定的量子任务。
而且,实际应用中,为了很好地填补量子软硬件之间的鸿沟,业界有诸多不同的解决方案。其中一种方案是:在实验室中,根据经验手动或者半自动地调控物理信号(如控制脉冲)以适配量子硬件设备所需执行的逻辑操作。这种方案的局限性很大,更换一台量子硬件设备就需要重新调整和适配,效率低。这里,值得注意的是,量子软硬件接口强烈依赖于量子硬件结构的类型和架构。比如对于超导量子计算、离子阱量子计算、光量子计算、和核磁共振量子计算等,量子控制过程中所施加的脉冲均不一样。因此,如何设计一种自动的、高效的、适配于不同类型/不同架构的量子硬件的量子控制解决方案,成为亟待解决的问题。换言之,对于基于不同物理原理以及不同物理架构的量子计算机,如超导量子电路,离子阱,核磁共振等,如何用通用的解决方案在任意量子硬件上实现各种量子任务,比如量子算法、脉冲优化、噪声分析等,成为亟待解决的问题。
基于此,本申请方案提供了一种量子控制解决方案,即提供了控制脉冲生成方法、装置、设备及存储介质,用户可以上传量子硬件结构(或称量子硬件设备)的哈密顿量(也称系统哈密顿量)以及所需执行的量子任务(即目标量子控制任务)至云端,云端根据该量子硬件结构的哈密顿量以及指定的任务调用、调用量子控制过程所需的各种功能模块来构建工作流程,从而在脉冲层面上自动化执行量子控制任务,以在脉冲层面上实现目标量子控制任务。量子控制任务(比如,目标量子控制任务)包括但不限于脉冲优化、自定义控制脉冲、量子控制系统的仿真、提交量子算法并且生成脉冲、与第三方硬件(也即量子硬件设备)对接测试等。
具体地,图1是根据本公开实施例控制脉冲生成方法的实现流程示意图,如图1所示,应用于云端服务器;所述方法包括:
步骤101:获取系统哈密顿量,其中,所述系统哈密顿量是基于目标量子硬件设备的相关物理参数而构造出的,用于表征所述目标量子硬件设备所对应量子系统的哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征。在一示例中,从云端服务器对应的客户端侧获取系统哈密顿量。
步骤102:获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,这里,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的。
步骤103:获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息。
步骤104:基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。也就是说,通过调整参数化量子电路的参数,来间接调整模拟得到的初始脉冲序列的脉冲参数,如此,得到能够应用于真实量子硬件设备的目标脉冲序列,进而利用该目标脉冲序列在真实量子硬件设备,也即目标量子硬件设备中,实现所述目标量子控制任务。
这样,本申请方案提供了一套通用的解决方案,能够在任意量子硬件上(也即目标量子硬件设备)实现任意的目标量子控制任务,而且,能够将量子计算软件(也计量软件)与量子计算硬件(也即量子硬件)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设备,即目标量子硬件设备的目标脉冲序列,如此,基于得到的目标脉冲序列来实现给定的量子任务,也即实现目标量子控制任务。
在本申请方案的一具体示例中,可以采用如下方式来得到初始控制脉冲,具体地包括:
获取所述参数化量子电路所包含量子逻辑门的初始模拟脉冲;这里,所述初始模拟脉冲可以为预设设置的与量子逻辑门匹配的最优脉冲,或者为随机生成的模拟脉冲;本申请方案对此不作限制。举例来说,参数化量子电路中可以包含有多个量子逻辑门,其中,多个量子逻辑门中的部分逻辑门对应的初始模拟脉冲可以为预设的固定值(也即预设的最优脉冲),而另外部分逻辑门的脉冲为非固定值,比如为随机生成的;比如,对于单量子比特逻辑门而言,初始模拟脉冲为随机生成的;而对于两量子比特逻辑门而言,初始模拟脉冲为预设的固定值。
进一步地,基于所述参数化量子电路所包含量子逻辑门的初始模拟脉冲,对所述系统哈密顿量进行动力学演化处理,以模拟对目标量子硬件设备中的物理量子比特施加所述初始模拟脉冲,并模拟得到所述初始模拟脉冲所实现的模拟量子门;基于模拟得到的所述模拟量子门与所述量子逻辑门之间的关系,对所述初始模拟脉冲的脉冲参数进行优化,得到所述参数化量子电路所包含量子逻辑门的初始控制脉冲,其中,基于所述初始控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。也就是说,基于目标量子硬件设备的系统哈密顿量来模拟演化过程,以得到可量化的结果,比如演化得到所能够实现的模拟量子门,并基于可量化结果来优化初始模拟脉冲,为简化整体优化流程,提升整体处理效率奠定了基础。
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优化,具体地,该方法还包括:
至少基于所述系统哈密顿量,以及所述参数化量子电路所包含的逻辑量子门,演化得到第一目标函数,其中,所述第一目标函数能够表征模拟对目标量子硬件设备施加初始脉冲序列后得到的模拟量子门与所述参数化量子电路所包含的逻辑量子门之间的关系,比如,模拟器可以使用内置算法数值求解薛定谔方程,以模拟得到的模拟量子门的酉矩阵Ureal:
并定义包含有量子逻辑门的脉冲的第一目标函数为:
其中,Ugoal是参数化量子电路所包含量子逻辑门的酉矩阵,公式(5)刻画了脉冲的保真度,其中dimgoal表征量子逻辑门的维度。进而,使用优化器内置的各种优化算法,比如梯度上升法、分片随机法、梯度优化分析控制法等,来优化脉冲的参数以最小化第一目标函数,进而得到高的保真度的控制脉冲。
基于此,以上所述的基于模拟得到的所述模拟量子门与所述量子逻辑门之间的关系,对所述初始模拟脉冲的脉冲参数进行优化,得到所述参数化量子电路所包含量子逻辑门的初始控制脉冲,则具体包括:
对所述初始模拟脉冲的脉冲参数进行优化,以最小化所述第一目标函数,得到最小函数值,其中,所述最小函数值对应的模拟量子门为所述近似量子逻辑门;将所述最小函数值对应的模拟脉冲作为所述参数化量子电路所包含量子逻辑门的初始控制脉冲。也就是说,通过设置目标函数的方式,来量化结果,进而来可量结果来完成优化过程,为提升优化效率奠定了基础。
在本申请方案的一具体示例中,实际应用中,当目标量子控制任务中包含有多个量子逻辑门时,即便得到的各近似量子逻辑门满足预设保真度要求,但是,当将所有近似量子逻辑门进行组合后,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量子逻辑门,进而导致得到的量子门的保真度不再满足预设保真度要求。基于此,还可以进一步对该得到的初始控制脉冲进行优化。具体地,该方法还包括:
基于所述目标量子硬件设备中物理量子比特之间的物理连通关系,将所述参数化量子电路中的逻辑量子比特映射到所述目标量子硬件设备中物理量子比特上,得到表征逻辑量子比特与物理量子比特之间映射关系的目标参数化量子电路;
基于此,以上所述的得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,包括:
在所述参数化量子电路所包含量子逻辑门存在两个或两个以上的情况下,基于所述目标参数化量子电路所表征的映射关系,对所述参数化量子电路所包含的各所述量子逻辑门的初始控制脉冲进行基于时序和/或次序的优化处理,模拟得到所述初始脉冲序列;
这里,基于所述初始脉冲序列所包含的控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。如此,为提升初始脉冲序列的精确度,简化整体优化流程奠定了基础。
在本申请方案的一具体示例中,可以采用如下方式来得到量子系统的系统状态信息,具体地,获取层析脉冲序列;获取在所述目标脉冲序列施加到所述目标量子硬件设备之后,施加所述层析脉冲序列后所返回的测量结果,也就是说,先将目标脉冲序列施加到所述目标量子硬件设备,随后,在目标脉冲序列施加完成后,继续向所述目标量子硬件设备施加层析脉冲,如此,得到测量结果。
基于此,以上所述的获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息,具体包括:基于所述测量结果得到所述目标量子硬件设备中各物理量子比特的状态信息,以得到所述量子系统的系统状态信息。也就是说,基于目标量子硬件设备返回的测量结果能够分析得到目标量子硬件设备中各物理量子比特的状态信息,进而得到所述量子系统的系统状态信息,如此,为后续有针对性地进行参数调整奠定了数据基础。
在本申请方案的一具体示例中,还可以采用如下来优化参数化量子电路的参数,具体地,获取针对所述参数化量子电路的第二目标函数;比如,该第二目标函数可以具体为针对参数化量子电路的优化算法所设置的损失函数;进而基于所述第二目标函数,计算得到所述系统状态信息所对应的函数值;
基于此,以上所述的基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,具体包括:
基于所述系统状态信息所对应的函数值,确定所述第二目标函数不满足函数规则的情况下,比如,所述第二目标函数不收敛的情况下,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,并重新得到调整后的初始脉冲序列对应的系统状态信息,以及重新得到函数值,直至所述第二目标函数满足所述函数规则为止;将满足所述函数规则所对应的初始脉冲序列作为所述目标脉冲序列。这样,通过调整参数化量子电路的参数,来间接调整模拟得到的初始脉冲序列的脉冲参数,如此,得到能够应用于真实量子硬件设备的目标脉冲序列,进而利用该目标脉冲序列在真实量子硬件设备,也即目标量子硬件设备中,实现所述目标量子控制任务。
在本申请方案的一具体示例中,还可以进行可视化展示,比如至少将所述量子系统的系统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。在一示例中,所述量子系统的系统状态信息包含有所述目标量子硬件设备中各物理量子比特的状态信息。实际应用中,所述输出结果可以基于实际需求而设置,本申请方案对比不作限制。如此,通过可视化的展示方案来提升用户体验。
需要注意的是,该可视化交互界面可以在云端服务器侧进行展示,或者,在客户端侧进行展示,本申请方案对此也不作限制。
综上,本申请方案提供了一种自动的、高效的、适配于不同类型/不同架构的量子硬件的量子控制解决方案,能够将量子计算软件(也计量软件)与量子计算硬件(也即量子硬件)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设备,即目标量子硬件设备的目标脉冲序列,如此,基于得到的目标脉冲序列来实现给定的量子任务,也即实现目标量子控制任务。
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,本申请方案提供一个新的模块化的量子控制解决方案,用户通过哈密顿量为基本数据格式与云端服务器进行交互,借助于丰富的可扩展化、模块化的量子控制功能模块,并使用流程化的方法对功能模块进行组装和调用,如此,来实现丰富的量子控制任务,提升了本申请方案的实用性、扩展性和通用性。
同时,本申请方案还可以在云端服务器上部署,借助于云端服务器的强大算力,来大大提升所需执行的量子控制任务中的经典计算速度,从而提升整体处理效率。
这里,首先概述本申请方案所提供的量子控制解决方案,以及其中的核心功能模块;其次,将以一个具体量子任务为例,展示本申请方案的全流程;最后,给出本申请方案可能的应用场景。
第一部分、量子控制解决方案概述:
本申请方案提供了一种针对量子控制解决方案的量子控制云服务架构,主要包括:客户端和云端服务器两部分。用户通过客户端来创建和提交待执行的量子控制任务(也即目标量子控制任务)。客户端与云端服务器通过哈密顿量进行通信,该哈密顿量为用于执行该目标量子控制任务的量子硬件设备所表征的量子系统的哈密顿量,也可称为系统哈密顿量;这里,该系统哈密顿量包括但不限于以下信息:物理模型、执行该目标量子控制任务的量子硬件设备的硬件参数、脉冲波形以及脉冲参数等信息。进而通过云端服务器来得到该目标量子控制任务的在脉冲层面上的量子控制方案,比如,得到目标脉冲序列,该目标脉冲序列能够基于用户选中的目标量子硬件设备来实现目标量子控制任务。最后,整个过程的计算结果可以直接返回给用户,抑或是可以连接到真实的量子硬件(也即用于执行该目标量子控制任务的量子硬件设备)上进行控制并返回读取结果。更为具体的描述解释如下:
客户端:首先,用户在本地创建目标量子控制任务,用户可以通过自定义或者用此服务预设的模板来创建一个目标量子控制任务。该目标量子控制任务为从脉冲层面上实现量子计算硬件的控制任务,包括但不限于:单量子比特门、两量子比特门、量子算法、量子门校准、自定义脉冲等。然后根据用户确定的目标量子硬件设备的相关物理参数(比如物理模型等),比如该目标量子硬件设备可以为用户自定义的,或者从预设的量子硬件结构中选取出的,来构建该目标量子硬件设备所表征量子系统的系统哈密顿量,将系统哈密顿量和创建的目标量子控制任务上传至云端服务器。
实际应用中,如图2所示,客户端可以预设多个功能模块供用户使用,包含但不限于:
量子任务定义模块,用于提供量子控制任务的模板,而且支持用户使用内置的各种函数自定义目标量子控制任务。
哈密顿量定义模块,用于提供量子硬件设备的相关物理参数,并根据用户所选择的量子系统(也即目标量子硬件设备所表征的量子系统)的物理模型来创建哈密顿量。该哈密顿量包含量子系统的如下信息,包括但不限于:量子硬件设备的结构信息、量子硬件设备的硬件参数、脉冲参数、脉冲波形、脉冲序列、物理量子比特的数量以及每个物理量子比特的能级等。
结果返回与处理模块(也即结果处理模块),用于接收云端服务器返回的结果,并对返回的结果进行数据和可视化处理,比如展示返回的物理量子比特的量子态在布洛赫球演化动画、脉冲序列图、I-Q平面的读取分布图、读取噪声分布等。
云端服务器:接收客户端上传的系统哈密顿量和目标量子控制任务后,会根据目标量子控制任务和系统哈密顿量调用自身对应的各种功能模块来实现该目标量子控制任务。云端服务器还会提供对接第三方硬件(比如真实的目标量子硬件设备)的接口,并将生成的用于实现该目标量子控制任务的脉冲指令(比如目标脉冲序列)传到真实的目标量子硬件设备上,比如量子处理器上。
进一步地,量子处理器将施加脉冲指令后读取到的读取结果返回至云端服务器。云端服务器还可以调用自身设置的读取器对读取结果进行处理。云端服务器将处理结果通过哈密顿量的形式返回客户端。从返回的以哈密顿量形式展示的处理结果中,用户可以抽取得到的如下信息,包括但不限于:脉冲序列、脉冲参数、保真度、量子态的动力学演化、量子硬件设备的读取结果等。
具体地,如图2所示,云端服务器(也即云端)拥有多个功能模块供选取,包含但不限于:
映射器:该模块能够针对非邻近量子比特的双量子比特门的算法,将目标量子控制任务所对应的逻辑量子比特映射到目标量子硬件设备的物理量子比特上,也即将目标量子控制任务中的量子逻辑门转化成量子硬件可以执行的脉冲指令。
模拟器:根据薛定谔方程以及哈密顿量数值求解目标量子硬件设备所指示的量子系统的状态信息(比如量子比特的量子态)的演化过程,比如,在优化器确定出针对所述目标量子控制任务中量子逻辑门的初始模拟脉冲后,所述模拟器模拟将所述初始模拟脉冲施加到所述目标量子硬件设备的演化过程,并模拟得到所述目标量子硬件设备所实现的模拟量子门,如此,对初始模拟脉冲进行优化,以得到初始控制脉冲。也就是说,所述模拟器基于目标量子硬件设备的系统哈密顿量来模拟演化过程,以得到可量化的结果,比如演化得到所能够实现的模拟量子门。
优化器:内置优化函数优化脉冲参数,对控制脉冲进行优化使得脉冲保真度更高,为实现高保真度的目标量子控制任务所指示的量子逻辑门奠定基础。优化器能够得到实现目标量子控制任务所指示的所有量子逻辑门的控制脉冲(也即初始控制脉冲),且该初始控制脉冲得到的模拟量子门距离对应的量子逻辑门的保真度满足预设保真度要求(也即预设保真度规则),这里,为简化描述,将满足预设保真度要求的模拟量子门,称为近似量子逻辑门。也就是说,基于优化器优化后得到的初始控制脉冲,能够得到近似量子逻辑门。
调度器:将针对目标量子控制任务中所有量子逻辑门的控制脉冲,进行排序或进一步优化得到保真度更高的脉冲序列(比如,中间优化过程中得到的初始脉冲序列),以此来实现目标量子控制任务。该调度器支持全微波脉冲控制的cross-resonance量子门和磁通控制的controlled-phase量子门。实际应用中,该调度器优化或排序的控制脉冲,为优化器输出的初始控制脉冲,进而从整个目标量子控制任务的维度,来对优化器得到的高保真度的控制脉冲进行进一步优化或排序,从而得到初始脉冲序列。
实际应用中,当目标量子控制任务中包含有多个量子逻辑门时,即便基于优化器得到的各近似量子逻辑门满足预设保真度要求,但是,当将所有近似量子逻辑门进行组合后,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量子逻辑门,进而导致得到的量子门的保真度不再满足预设保真度要求。基于此,还需要采用调度器来进一步对该优化器得到的初始控制脉冲进行优化。这里,调度器的优化还可以包括时序或次序的优化,以使得到的初始脉冲序列能够模拟得到所述目标量子控制任务所包含多个量子逻辑门形成的门序列。
硬件接口(也即硬件接口模块):基于第三方提供的基于不同物理原理以及结构的量子硬件设备,将调度器输出的脉冲序列(比如初始脉冲序列)转为该量子硬件设备可以接受以及执行的脉冲。
基准测试模块:在脉冲层面提供量子态层析、量子过程层析、随机量子门测试等功能。
读取器(也即读取模块):获取第三方提供的量子硬件设备所返回的读取结果,并转发至客户端。
这样,通过系统哈密顿量实现客户端和云端服务器的交互,并在云端服务器实现给定的量子控制任务,该过程中,用户可以使用任意量子硬件设备的物理模型,因此,满足了用户在量子硬件层面上对基于不同物理原理的量子硬件设备来执行量子控制任务的需求。
而且,本申请方案从量子控制的逻辑出发,结合了量子控制云服务架构,提供了一套实现量子控制解决方案的功能模块,这些功能模块之间通过一定的接口相互连接、相互调用,比如,针对给定的量子控制任务,能够流程化调用并组装不同的功能模块,进而形成自动化的工作流程来实现给定的量子控制任务,具有很强的实用性、扩展性。
第二部分、运用以上所述的量子控制云服务架构来执行量子控制任务的全流程呈现:
为了更清楚地论述本申请方案所述的量子控制解决方案的整体结构以及各个功能模块间的关系。下面以变分量子特征值求解算法(VQE,Variational QuantumEigensolver)作为用户所选择的优化算法,并进行示例说明。这里,需要说明的是,该优化算法仅为示例性说明,实际应用中,本申请方案还可以支持更加复杂和丰富的算法来实现量子控制任务。以下结合VQE算法来阐述该架构如何实现量子软件和量子硬件的连接。具体步骤包括:
步骤1:在客户端侧定义系统哈密顿量和创建目标量子控制任务。
基于客户端中的哈密顿量定义模块,用户自定义或基于预设的量子硬件结构选中待执行目标量子控制任务的目标量子硬件设备的相关物理参数,比如,该相关物理参数包括但不限于:量子比特的数量、能级、失谐性强度,多量子比特间的耦合强度、耗散率、任意波发生器的分辨率等,并根据该目标量子硬件设备的物理模型定义哈密顿量的具体形式。具体而言,先用算符的矩阵形式定义哈密顿量中与量子比特数目、能级以及耦合结构有关的漂移项Hdrift:
最后,客户端定义的系统哈密顿量则为:
Hsys=Hdrift+Hctrl, (3)。
在客户端中的量子任务定义模块中,使用内置的模板或者自定义得到基于VQE算法的参数化量子电路,该参数化量子电路即为实现目标量子控制任务的逻辑量子电路,该VQE算法为整个优化过程的优化算法。进一步地,该参数化量子电路中包含有一个或多个量子逻辑门,这里,当包含多个量子逻辑门时,可以使用门序列的方式来记录该多个量子逻辑门,如图3所示,本示例选用包含有四个逻辑量子比特{q0,q1,q2,q3}的参数化量子电路来进行说明。
如图3所示,初始化该参数化量子电路的参数 该参数化量子电路的酉矩阵设为以下,将来表征该参数化量子电路。将系统哈密顿量Hsys和该VQE算法的参数化量子电路上传到云端服务器进行处理,这里,本示例中,该系统哈密顿量以及目标量子控制任务(对应下表中的量子任务)的数据结构如下表所示:
步骤2:云端服务器处理该目标量子控制任务。
云端服务器接收到系统哈密顿量和表征目标量子控制任务的参数化量子电路后,先调用映射器,将参数化量子电路中的逻辑量子比特映射到目标量子硬件设备的物理量子比特上,比如,根据预先设置的逻辑量子比特与量子硬件设备中物理量子比特之间的映射关系,将参数化量子电路中的逻辑量子比特映射到目标量子硬件设备的物理量子比特上。比如在真实的超导量子电路(也即目标量子硬件设备)中实现参数化量子电路里的非邻近CNOT门的时候,需要根据量子硬件的耦合结构将逻辑量子比特映射到该真实的超导量子电路中多个邻近的物理量子比特上。举例来说,如图4所示,目标量子硬件设备的物理量子比特的连通关系为:
{{Q0,Q1},{Q1,Q2},{Q2,Q3},{Q3,Q0}};
此时,基于如图4所示的物理量子比特的连通关系,将如图3所示的参数化量子电路中的逻辑电路比特映射到该物理量子比特后,得到如图5所示的量子电路结构,也即表征逻辑量子比特与物理量子比特之间映射关系的目标参数化量子电路。
进一步地,将逻辑量子比特映射到物理量子比特的映射流程完成后,对所述参数化量子电路中的每个量子逻辑门进行编译得到初始的脉冲参数,也可称为初始模拟脉冲,将量子逻辑门对应的初始模拟脉冲代入到系统哈密顿量的控制项中,并调用云端服务器的模拟器演化得到代入初始模拟脉冲(也即模拟对目标量子硬件设备中量子比特施加初始模拟脉冲)后,该量子系统的状态信息,或者称为模拟得到该初始模拟脉冲所能实现的模拟量子门,进而调用优化器来基于目标量子控制任务所需的目标状态信息,对初始模拟脉冲进行优化,或者,调用优化器来基于目标量子控制任务所需实现的量子逻辑门,对初始模拟脉冲进行优化;同时,利用模拟器来进一步演化得到代入优化后的初始模拟脉冲后量子系统的状态信息或所能实现的量子逻辑门,如此,优化器再基于演化结果(即代入基于当前脉冲后的量子系统的状态信息)进一步优化脉冲,直至得到高保真度的控制脉冲,这里,基于该高保真度的控制脉冲所得到的模拟量子门,距离对应的量子逻辑门的保真度满足预设保真度要求,该高保真度的控制脉冲即可作为初始控制脉冲。
这里,模拟器可以使用内置算法数值求解薛定谔方程,以模拟得到的模拟量子门的酉矩阵Ureal:
并定义包含有量子逻辑门的脉冲的第一目标函数为:
其中,Ugoal是参数化量子电路所包含量子逻辑门的酉矩阵,公式(5)刻画了脉冲的保真度,其中dim(Ugoal)表征量子逻辑门的维度。进而,使用优化器内置的各种优化算法,比如梯度上升法、分片随机法、梯度优化分析控制法等,来优化脉冲的参数以最小化第一目标函数,进而得到高的保真度的控制脉冲。
调度器,获取优化器优化得到的实现该参数化量子电路中各量子逻辑门的最优的控制脉冲,也即保真度满足预设保真度要求的初始控制脉冲;并根据内置的与目标量子硬件设备所匹配的调度规则以及映射器完成量子比特的映射后所得到的量子电路结构,对获取的所有控制脉冲进行排列调度,得到针对该参数化量子电路的初始脉冲序列。然后调用基准测试模块生成用于量子态层析的层析脉冲序列,最后得到如图6和图7所示的生成用于实现参数化量子电路的VQE量子电路脉冲序列(也即初始脉冲序列),以及量子态层析的层析脉冲序列。
进一步地,在得到初始脉冲序列,以及层析脉冲序列后,调用硬件接口,并根据不同的第三方硬件的API(应用程序编程接口),对初始脉冲序列以及层析脉冲序列进行处理以后,发送至该真实的目标量子硬件设备,比如量子处理器。进而,在量子处理器侧得到读取结果后,将读取结果发送至云端服务器,云端服务器调用自身的读取器来处理读取结果,以得到该参数化量子电路的酉矩阵进而得到初始脉冲序列作用在目标量子硬件设备后得到物理量子比特的量子态ρ,并计算期望值<Hvqe>:
<Hvqe>=tr(Hvqeρ);
重复上述迭代,直至读取器得到局部最小化的期望值<Hvqe>,并得到该最小期望值所对应的基态能量g=<Hvqe>,此时,最小期望值所对应的脉冲序列即为用于实现目标量子控制任务的目标脉冲序列,该目标脉冲序列即为用于实现目标量子控制任务在脉冲层面上的控制方案。
如图8所示,实现本申请方案的量子控制解决方案的具体步骤包括:
步骤a:用户在客户端根据选中的目标量子硬件设备的相关物理参数来得到系统哈密顿量。
需要说明的是,实际应用中,参数化量子电路中可以包含有多个量子逻辑门,其中,多个量子逻辑门中的部分逻辑门对应的初始模拟脉冲可以为预设的固定值,而另外部分逻辑门的脉冲为非固定值,比如为随机生成的;举例来说,对于单量子比特逻辑门而言,初始模拟脉冲为随机生成的;而对于两量子比特逻辑门而言,初始模拟脉冲为预设的固定值。
步骤e:调用模拟器和优化器来对各量子逻辑门的初始模拟脉冲进行参数优化,以得到对量子逻辑门进行控制的高保真度的初始控制脉冲。
步骤f:调用调度器,并基于步骤c映射器映射得到的参数化量子电路所包含的所有量子逻辑门的门序列来对优化器输出的初始控制脉冲进行排列,并得到初始脉冲序列。
步骤g:调用基准测试模块,得到用于对物理量子比特的量子态层析的层析脉冲序列,并在初始脉冲序列之后加入层析脉冲序列。
步骤h:调用硬件结构,并通过第三方硬件的API将初始脉冲序列,以及层析脉冲序列上传到量子处理器(即真实的目标量子硬件设备)。
步骤i:调用读取器,处理量子处理器返回的读取结果。
步骤j:读取器基于读取结果计算该目标量子硬件设备的密度矩阵ρ(能够表征所述目标量子硬件设备的目标状态信息,也可称为表征所述目标量子硬件设备中物理量子比特的状态信息,比如,量子态)和针对第二目标的函数值<Hvqe>,也即以上所述的期望值。
步骤k:读取器判断第二目标函数是否收敛。
步骤l:若第二目标函数不收敛,则通过优化器更新参数化量子电路的参数并返回步骤d,以优化脉冲;比如,更新参数化量子电路的参数后,重新调整单量子比特门对应的初始模拟脉冲,进而来调整初始控制脉冲和初始脉冲序列。
综上本申请方案具有如下优点::
第一,通用性强,本申请方案能够使与所有硬件类型适配的编程成为可能,并通过高度自定义的底层适配编译流(也即软件流程),来支持不同的量子硬件实现不同量子计算任务。
第二,自适应扩展性强,即用户可以使用内部丰富的任务模板,并通过构建工作流的方式,例如脉冲优化、脉冲控制模拟、对接第三方硬件进行测试、编译量子算法的对应脉冲序列等,来快速适应目标量子控制任务,无需手动校准调整脉冲参数,提高了脉冲控制的效率。
第三,能够利用云端服务器集群来进一步提升整体运算效率,比如,使用计算性能更强大的云服务来代替传统本地运算;而且云端服务器可以使用执行效率更高的编程语言,如此,来进一步提升运算效率。
第四,本申请方案能够基于整个过程的网络通讯需要来建立各模块之间的通信,如此,解决了对象序列化带来的复杂通讯过程、和纠错等问题。同时,还可以基于梯度或者基于解析梯度的优化控制算法和数值求解高维度的量子系统的时间演化算符,以实现对参数化量子电路中参数的优化调整。
第三部分、应用场景:
除了上面阐述的VQE算法之外,本申请方案还可以实现解决如下问题,具体包括:
第一,得到针对不同量子硬件、不同架构,比如近期备受关注的耦合器超导电路,单量子比特门和两量子比特门的高保真度脉冲。
第二、得到针对参数化量子电路的脉冲序列,以完成目标量子控制任务。
第三、实现与第三方硬件的对接。
第四、完成量子控制中的误差分析。
图9是本申请方案实现不同目标量子控制任务的过程中所调用的功能模块,以及基于调用的功能模块来实现该目标量子控制任务的示意图。该示意图主要用于说明云端服务器可以基于客户端定义的目标量子控制任务来调用不同的模块,该调用的模块是可由用户自己根据任务进行选择,然后完成自动化调用流程,从而实现目标量子控制任务在脉冲层面上的自动化处理,且该过程无需手动校准调整脉冲参数。
综上所述,本申请方案具有如下优点:
第一,量子控制的功能模块层面:本申请方案提供了丰富的功能模块,比如模拟器、优化器、调度器、映射器、读取器等,可以通过调度这些模块来执行不同的量子控制任务。而且,上述模块之间通过一定的接口相互连接、相互调用,因而,具有很强的实用性、扩展性。
第二,流程化的量子任务:本申请方案流程化实现量子控制任务,即调用并且组装不同的功能模块形成自动化的工作流程。同时,本申请方案在提供了丰富的量子任务模板,比如云端服务器提供了逻辑量子门的最优脉冲、客户端提供的表征量子控制任务的参数化量子电路等,以便于整个流程根据量子控制任务和具体量子硬件信息自动化运行。
第三,丰富的哈密顿量定义形式:用户在客户端侧,可以基于不同物理原理的量子硬件结果来设计系统哈密顿量,以及通过自定义或者预设的量子硬件的参数来为设计的系统哈密顿量的参数进行赋值。进而使得云端服务器基于用户上传的系统哈密顿量以及目标量子控制任务,来生成量子控制方案,比如,得到目标脉冲序列,进而实现目标量子控制任务。
综上所述,本申请方案将一般的量子控制任务进行了系统的抽象化、模块化、流程化,并制定了一套强大的接口语言,来实现不同模块之间的对接,进而实现用户指定的目标量子控制任务。如此,用户可以根据不同需求,来设置目标量子控制任务,进而组装不同的控制模块来形成一个完整的量子控制工作流程。采用这种模块化、流程化的方法,能够方便地对接不同的量子硬件(比如,使用不同的硬件接口实现)、运行不同的量子算法(比如,使用映射器以及调度器来实现不同的量子算法)、调用不同的脉冲优化方法(比如,使用不同的优化器以及模拟器来实现不同的脉冲优化方法)等,从而大大提高了量子控制系统(即客户端-云端所形成的系统)的可扩展性、通用性。而且,本申请方案云端服务器还可以提供对接不同真实量子计算机的能力,从而实现量子控制系统的扩展。
本申请方案还提供了一种控制脉冲生成装置,如图10所示,包括:
哈密顿量获取单元1001,用于获取系统哈密顿量,其中,所述系统哈密顿量是基于目标量子硬件设备的相关物理参数而构造出的,用于表征所述目标量子硬件设备所对应量子系统的哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
控制脉冲获取单元1002,用于获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;
状态信息获取单元1003,用于获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;
目标脉冲序列确定单元1004,用于基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
在本申请方案的一具体示例中,还包括:
所述模拟脉冲获取单元,用于获取所述参数化量子电路所包含量子逻辑门的初始模拟脉冲;
动力学演化单元,用于基于所述参数化量子电路所包含量子逻辑门的初始模拟脉冲,对所述系统哈密顿量进行动力学演化处理,以模拟对目标量子硬件设备中的物理量子比特施加所述初始模拟脉冲,并模拟得到所述初始模拟脉冲所实现的模拟量子门;
优化单元,用于基于模拟得到的所述模拟量子门与所述量子逻辑门之间的关系,对所述初始模拟脉冲的脉冲参数进行优化,得到所述参数化量子电路所包含量子逻辑门的初始控制脉冲,其中,基于所述初始控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。
在本申请方案的一具体示例中,还包括:第一目标函数确定单元;其中,
所述第一目标函数确定单元,用于至少基于所述系统哈密顿量,以及所述参数化量子电路所包含的逻辑量子门,演化得到第一目标函数,其中,所述第一目标函数能够表征模拟对目标量子硬件设备施加初始脉冲序列后得到的模拟量子门与所述参数化量子电路所包含的逻辑量子门之间的关系;
所述优化单元,还用于对所述初始模拟脉冲的脉冲参数进行优化,以最小化所述第一目标函数,得到最小函数值,其中,所述最小函数值对应的模拟量子门为所述近似量子逻辑门;将所述最小函数值对应的模拟脉冲作为所述参数化量子电路所包含量子逻辑门的初始控制脉冲。
在本申请方案的一具体示例中,还包括:映射单元;其中,
所述映射单元,用于基于所述目标量子硬件设备中物理量子比特之间的物理连通关系,将所述参数化量子电路中的逻辑量子比特映射到所述目标量子硬件设备中物理量子比特上,得到表征逻辑量子比特与物理量子比特之间映射关系的目标参数化量子电路;
所述控制脉冲获取单元,用于在所述参数化量子电路所包含量子逻辑门存在两个或两个以上的情况下,基于所述目标参数化量子电路所表征的映射关系,对所述参数化量子电路所包含的各所述量子逻辑门的初始控制脉冲进行基于时序和/或次序的优化处理,模拟得到所述初始脉冲序列;
其中,基于所述初始脉冲序列所包含的控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。
在本申请方案的一具体示例中,还包括:层析脉冲序列获取单元和测量结果获取单元,其中,
所述层析脉冲序列获取单元,用于获取层析脉冲序列;
所述测量结果获取单元,用于获取在所述目标脉冲序列施加到所述目标量子硬件设备之后,施加所述层析脉冲序列后所返回的测量结果;
所述状态信息获取单元,还用于基于所述测量结果得到所述目标量子硬件设备中各物理量子比特的状态信息,以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:第二目标函数确定单元;其中,
所述第二目标函数确定单元,用于获取针对所述参数化量子电路的第二目标函数;基于所述第二目标函数,计算得到所述系统状态信息所对应的函数值;
所述目标脉冲序列确定单元,还用于基于所述系统状态信息所对应的函数值,确定所述第二目标函数不满足函数规则的情况下,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,并重新得到调整后的初始脉冲序列对应的系统状态信息,以及重新得到函数值,直至所述第二目标函数满足所述函数规则为止;将满足所述函数规则所对应的初始脉冲序列作为所述目标脉冲序列。
在本申请方案的一具体示例中,还包括:
可视化单元,用于至少将所述量子系统的系统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。
本申请方案还提供了一种控制脉冲生成系统,如图11所示,至少包括:终端和云端服务器;其中,
所述终端1101,用于接收用户输入的目标量子硬件设备的相关物理参数,并构造出表征所述目标量子硬件设备的系统哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
所述云端服务器1102,用于获取所述系统哈密顿量;获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
这里,所述系统中的云端服务器和客户端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12示出了可以用来实施本公开的实施例的示例电子设备1200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12所示,电子设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序来执行各种适当的动作和处理。在RAM 1203中,还可存储电子设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入输出(I/O)接口1205也连接至总线1204。
电子设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许电子设备1200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1201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1201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1201执行上文所描述的各个方法和处理,例如控制脉冲生成方法。例如,在一些实施例中,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1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的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1201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)
1.一种控制脉冲生成方法,云端包括:
获取系统哈密顿量,其中,所述系统哈密顿量是基于目标量子硬件设备的相关物理参数而构造出的,用于表征所述目标量子硬件设备所对应量子系统的哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;
获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;
基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
2.根据权利要求1所述的方法,还包括:
获取所述参数化量子电路所包含量子逻辑门的初始模拟脉冲;
基于所述参数化量子电路所包含量子逻辑门的初始模拟脉冲,对所述系统哈密顿量进行动力学演化处理,以模拟对目标量子硬件设备中的物理量子比特施加所述初始模拟脉冲,并模拟得到所述初始模拟脉冲所实现的模拟量子门;
基于模拟得到的所述模拟量子门与所述量子逻辑门之间的关系,对所述初始模拟脉冲的脉冲参数进行优化,得到所述参数化量子电路所包含量子逻辑门的初始控制脉冲,其中,基于所述初始控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。
3.根据权利要求2所述的方法,还包括:
至少基于所述系统哈密顿量,以及所述参数化量子电路所包含的逻辑量子门,演化得到第一目标函数,其中,所述第一目标函数能够表征模拟对目标量子硬件设备施加初始脉冲序列后得到的模拟量子门与所述参数化量子电路所包含的逻辑量子门之间的关系;
其中,所述基于模拟得到的所述模拟量子门与所述量子逻辑门之间的关系,对所述初始模拟脉冲的脉冲参数进行优化,得到所述参数化量子电路所包含量子逻辑门的初始控制脉冲,包括:
对所述初始模拟脉冲的脉冲参数进行优化,以最小化所述第一目标函数,得到最小函数值,其中,所述最小函数值对应的模拟量子门为所述近似量子逻辑门;
将所述最小函数值对应的模拟脉冲作为所述参数化量子电路所包含量子逻辑门的初始控制脉冲。
4.根据权利要求1或2或3所述的方法,还包括:
基于所述目标量子硬件设备中物理量子比特之间的物理连通关系,将所述参数化量子电路中的逻辑量子比特映射到所述目标量子硬件设备中物理量子比特上,得到表征逻辑量子比特与物理量子比特之间映射关系的目标参数化量子电路;
其中,所述得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,包括:
在所述参数化量子电路所包含量子逻辑门存在两个或两个以上的情况下,基于所述目标参数化量子电路所表征的映射关系,对所述参数化量子电路所包含的各所述量子逻辑门的初始控制脉冲进行基于时序和/或次序的优化处理,模拟得到所述初始脉冲序列;
其中,基于所述初始脉冲序列所包含的控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。
5.根据权利要求1所述的方法,还包括:
获取层析脉冲序列;
获取在所述目标脉冲序列施加到所述目标量子硬件设备之后,施加所述层析脉冲序列后所返回的测量结果;
其中,所述获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息,包括:
基于所述测量结果得到所述目标量子硬件设备中各物理量子比特的状态信息,以得到所述量子系统的系统状态信息。
6.根据权利要求1所述的方法,还包括:
获取针对所述参数化量子电路的第二目标函数;
基于所述第二目标函数,计算得到所述系统状态信息所对应的函数值;
其中,所述基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列包括:
基于所述系统状态信息所对应的函数值,确定所述第二目标函数不满足函数规则的情况下,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,并重新得到调整后的初始脉冲序列对应的系统状态信息,以及重新得到函数值,直至所述第二目标函数满足所述函数规则为止;
将满足所述函数规则所对应的初始脉冲序列作为所述目标脉冲序列。
7.根据权利要求1所述的方法,还包括:
至少将所述量子系统的系统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。
8.一种控制脉冲生成装置,包括:
哈密顿量获取单元,用于获取系统哈密顿量,其中,所述系统哈密顿量是基于目标量子硬件设备的相关物理参数而构造出的,用于表征所述目标量子硬件设备对应量子系统的哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
控制脉冲获取单元,用于获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;
状态信息获取单元,用于获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;
目标脉冲序列确定单元,用于基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
9.根据权利要求8所述的装置,还包括:
所述模拟脉冲获取单元,用于获取所述参数化量子电路所包含量子逻辑门的初始模拟脉冲;
动力学演化单元,用于基于所述参数化量子电路所包含量子逻辑门的初始模拟脉冲,对所述系统哈密顿量进行动力学演化处理,以模拟对目标量子硬件设备中的物理量子比特施加所述初始模拟脉冲,并模拟得到所述初始模拟脉冲所实现的模拟量子门;
优化单元,用于基于模拟得到的所述模拟量子门与所述量子逻辑门之间的关系,对所述初始模拟脉冲的脉冲参数进行优化,得到所述参数化量子电路所包含量子逻辑门的初始控制脉冲,其中,基于所述初始控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。
10.根据权利要求9所述的装置,还包括:第一目标函数确定单元;其中,
所述第一目标函数确定单元,用于至少基于所述系统哈密顿量,以及所述参数化量子电路所包含的逻辑量子门,演化得到第一目标函数,其中,所述第一目标函数能够表征模拟对目标量子硬件设备施加初始脉冲序列后得到的模拟量子门与所述参数化量子电路所包含的逻辑量子门之间的关系;
所述优化单元,还用于对所述初始模拟脉冲的脉冲参数进行优化,以最小化所述第一目标函数,得到最小函数值,其中,所述最小函数值对应的模拟量子门为所述近似量子逻辑门;将所述最小函数值对应的模拟脉冲作为所述参数化量子电路所包含量子逻辑门的初始控制脉冲。
11.根据权利要求8或9或10所述的装置,还包括:映射单元;其中,
所述映射单元,用于基于所述目标量子硬件设备中物理量子比特之间的物理连通关系,将所述参数化量子电路中的逻辑量子比特映射到所述目标量子硬件设备中物理量子比特上,得到表征逻辑量子比特与物理量子比特之间映射关系的目标参数化量子电路;
所述控制脉冲获取单元,用于在所述参数化量子电路所包含量子逻辑门存在两个或两个以上的情况下,基于所述目标参数化量子电路所表征的映射关系,对所述参数化量子电路所包含的各所述量子逻辑门的初始控制脉冲进行基于时序和/或次序的优化处理,模拟得到所述初始脉冲序列;
其中,基于所述初始脉冲序列所包含的控制脉冲能够得到近似量子逻辑门,所述近似量子逻辑门距离所述量子逻辑门的保真度满足预设保真度规则。
12.根据权利要求8所述的装置,还包括:层析脉冲序列获取单元和测量结果获取单元,其中,
所述层析脉冲序列获取单元,用于获取层析脉冲序列;
所述测量结果获取单元,用于获取在所述目标脉冲序列施加到所述目标量子硬件设备之后,施加所述层析脉冲序列后所返回的测量结果;
所述状态信息获取单元,还用于基于所述测量结果得到所述目标量子硬件设备中各物理量子比特的状态信息,以得到所述量子系统的系统状态信息。
13.根据权利要求8所述的装置,还包括:第二目标函数确定单元;其中,
所述第二目标函数确定单元,用于获取针对所述参数化量子电路的第二目标函数;基于所述第二目标函数,计算得到所述系统状态信息所对应的函数值;
所述目标脉冲序列确定单元,还用于基于所述系统状态信息所对应的函数值,确定所述第二目标函数不满足函数规则的情况下,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,并重新得到调整后的初始脉冲序列对应的系统状态信息,以及重新得到函数值,直至所述第二目标函数满足所述函数规则为止;将满足所述函数规则所对应的初始脉冲序列作为所述目标脉冲序列。
14.根据权利要求8所述的装置,还包括:
可视化单元,用于至少将所述量子系统的系统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。
15.一种控制脉冲生成系统,至少包括:终端和云端服务器;其中,
所述终端,用于接收用户输入的目标量子硬件设备的相关物理参数,并构造出表征所述目标量子硬件设备的系统哈密顿量;所述目标量子硬件设备用于实现目标量子控制任务,所述目标量子控制任务通过所述参数化量子电路表征;
所述云端服务器,用于获取所述系统哈密顿量;获取所述参数化量子电路所包含量子逻辑门的初始控制脉冲,以得到针对所述参数化量子门中所有所述量子逻辑门形成的门序列的初始脉冲序列,其中,所述初始控制脉冲是基于所述系统哈密顿量模拟得到的;获取将所述初始脉冲序列施加到所述目标量子硬件设备后得到的所述量子系统的系统状态信息;基于所述系统状态信息与所述目标量子控制任务所需实现的目标状态信息之间的关系,对所述参数化量子电路中的参数进行调整,以调整所述初始脉冲序列的脉冲参数,得到目标脉冲序列,其中,将所述目标脉冲序列施加到所述目标量子硬件设备后能够实现所述目标量子控制任务。
16.一种电子设备,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1-7中任一项所述的方法。
17.一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1-7中任一项所述的方法。
18.一种计算机程序产品,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1-7中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110091055.8A CN112819170B (zh) | 2021-01-22 | 2021-01-22 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
AU2021240155A AU2021240155B2 (en) | 2021-01-22 | 2021-09-28 | Control Pulse Generation Method, Apparatus, System, Device And Storage Medium |
JP2021164434A JP7208325B2 (ja) | 2021-01-22 | 2021-10-06 | 制御パルス生成方法、装置、システム、電子デバイス、記憶媒体及びプログラム |
US17/454,960 US20220076154A1 (en) | 2021-01-22 | 2021-11-15 | Control pulse generation method, system, device and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110091055.8A CN112819170B (zh) | 2021-01-22 | 2021-01-22 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819170A true CN112819170A (zh) | 2021-05-18 |
CN112819170B CN112819170B (zh) | 2021-11-05 |
Family
ID=75858972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110091055.8A Active CN112819170B (zh) | 2021-01-22 | 2021-01-22 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220076154A1 (zh) |
JP (1) | JP7208325B2 (zh) |
CN (1) | CN112819170B (zh) |
AU (1) | AU2021240155B2 (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420883A (zh) * | 2021-06-28 | 2021-09-21 | 山东浪潮科学研究院有限公司 | 一种量子编程框架适配量子计算机的方法以设备 |
CN113487035A (zh) * | 2021-08-03 | 2021-10-08 | 北京百度网讯科技有限公司 | 量子门的控制脉冲确定方法、装置及电子设备 |
CN113516248A (zh) * | 2021-07-12 | 2021-10-19 | 北京百度网讯科技有限公司 | 一种量子门测试方法、装置及电子设备 |
CN113553028A (zh) * | 2021-07-20 | 2021-10-26 | 中国科学院半导体研究所 | 基于概率比特电路的问题求解优化方法及系统 |
CN113792880A (zh) * | 2021-09-17 | 2021-12-14 | 北京百度网讯科技有限公司 | 基于脉冲的量子门实现方法及装置、电子设备和介质 |
CN114048857A (zh) * | 2021-10-22 | 2022-02-15 | 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 |
CN114330727A (zh) * | 2022-01-10 | 2022-04-12 | 北京百度网讯科技有限公司 | 量子门的控制脉冲确定方法及装置、电子设备和介质 |
CN114580647A (zh) * | 2022-02-24 | 2022-06-03 | 北京百度网讯科技有限公司 | 量子系统的模拟方法、计算设备、装置及存储介质 |
JP2022088600A (ja) * | 2021-07-14 | 2022-06-14 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子回路の処理方法、装置、電子デバイス、記憶媒体、及びプログラム |
CN115329974A (zh) * | 2022-08-04 | 2022-11-11 | 北京百度网讯科技有限公司 | 仿真方法、装置、设备及存储介质 |
CN115469979A (zh) * | 2022-02-25 | 2022-12-13 | 合肥本源量子计算科技有限责任公司 | 量子控制系统的调度装置、方法以及量子计算机 |
CN115509167A (zh) * | 2022-11-17 | 2022-12-23 | 安徽省国盛量子科技有限公司 | 脉冲序列的参数配置方法及信号控制与采集方法、设备 |
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 |
CN117435917A (zh) * | 2023-12-20 | 2024-01-23 | 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 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819169B (zh) * | 2021-01-22 | 2021-11-23 | 北京百度网讯科技有限公司 | 量子控制脉冲生成方法、装置、设备及存储介质 |
CN116957085A (zh) * | 2022-04-18 | 2023-10-27 | 本源量子计算科技(合肥)股份有限公司 | 两比特量子逻辑门的误差测量方法、装置及量子计算机 |
CN115659898A (zh) * | 2022-08-16 | 2023-01-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 量子版图优化方法、装置及计算机可读存储介质 |
CN115829040A (zh) * | 2022-10-21 | 2023-03-21 | 北京百度网讯科技有限公司 | 处理参数的确定方法、装置、设备以及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063843A (zh) * | 2018-07-12 | 2018-12-21 | 合肥本源量子计算科技有限责任公司 | 一种量子计算机软件架构系统 |
CN109478258A (zh) * | 2016-06-02 | 2019-03-15 | 谷歌有限责任公司 | 使用子逻辑控制训练量子演进 |
US20190370679A1 (en) * | 2016-11-10 | 2019-12-05 | Rigetti & Co, Inc. | Generating Quantum Logic Control Sequences for Quantum Information Processing Hardware |
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 |
CN111566676A (zh) * | 2018-01-30 | 2020-08-21 | 国际商业机器公司 | 量子计算设备设计 |
US20200274541A1 (en) * | 2014-09-24 | 2020-08-27 | Quantum Valley Investment Fund LP | Generating a Control Sequence for Quantum Control |
CN111598247A (zh) * | 2020-04-22 | 2020-08-28 | 北京百度网讯科技有限公司 | 量子吉布斯态生成方法、装置及电子设备 |
CN111783991A (zh) * | 2020-07-01 | 2020-10-16 | 深圳量旋科技有限公司 | 模块化的量子计算机软件架构实现方法及系统 |
CN112019193A (zh) * | 2020-09-01 | 2020-12-01 | 北京百度网讯科技有限公司 | 用于实现量子门的控制脉冲的生成方法、装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018236922A1 (en) * | 2017-06-19 | 2018-12-27 | Rigetti & Co, Inc. | QUANTITIC LOGIC DOORS WITH PARAMETRIC ACTIVATION |
US10332023B2 (en) | 2017-09-22 | 2019-06-25 | International Business Machines Corporation | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines |
US10452990B2 (en) | 2017-11-28 | 2019-10-22 | International Business Machines Corporation | Cost function deformation in quantum approximate optimization |
JP7114718B2 (ja) * | 2018-01-31 | 2022-08-08 | グーグル エルエルシー | 量子ゲートを実現するための万能制御 |
EP3850478A4 (en) | 2018-09-13 | 2022-06-01 | The University of Chicago | SYSTEM AND METHOD FOR OPTIMIZING INSTRUCTIONS FOR QUANTUM COMPUTERS |
-
2021
- 2021-01-22 CN CN202110091055.8A patent/CN112819170B/zh active Active
- 2021-09-28 AU AU2021240155A patent/AU2021240155B2/en active Active
- 2021-10-06 JP JP2021164434A patent/JP7208325B2/ja active Active
- 2021-11-15 US US17/454,960 patent/US20220076154A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200274541A1 (en) * | 2014-09-24 | 2020-08-27 | Quantum Valley Investment Fund LP | Generating a Control Sequence for Quantum Control |
CN109478258A (zh) * | 2016-06-02 | 2019-03-15 | 谷歌有限责任公司 | 使用子逻辑控制训练量子演进 |
US20190370679A1 (en) * | 2016-11-10 | 2019-12-05 | Rigetti & Co, Inc. | Generating Quantum Logic Control Sequences for Quantum Information Processing Hardware |
CN111566676A (zh) * | 2018-01-30 | 2020-08-21 | 国际商业机器公司 | 量子计算设备设计 |
CN109063843A (zh) * | 2018-07-12 | 2018-12-21 | 合肥本源量子计算科技有限责任公司 | 一种量子计算机软件架构系统 |
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 |
CN111598247A (zh) * | 2020-04-22 | 2020-08-28 | 北京百度网讯科技有限公司 | 量子吉布斯态生成方法、装置及电子设备 |
CN111783991A (zh) * | 2020-07-01 | 2020-10-16 | 深圳量旋科技有限公司 | 模块化的量子计算机软件架构实现方法及系统 |
CN112019193A (zh) * | 2020-09-01 | 2020-12-01 | 北京百度网讯科技有限公司 | 用于实现量子门的控制脉冲的生成方法、装置 |
Non-Patent Citations (1)
Title |
---|
彭永刚: "量子控制非门核磁共振脉冲序列设计与验证", 《计算机工程与应用》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420883A (zh) * | 2021-06-28 | 2021-09-21 | 山东浪潮科学研究院有限公司 | 一种量子编程框架适配量子计算机的方法以设备 |
CN113516248B (zh) * | 2021-07-12 | 2022-04-12 | 北京百度网讯科技有限公司 | 一种量子门测试方法、装置及电子设备 |
CN113516248A (zh) * | 2021-07-12 | 2021-10-19 | 北京百度网讯科技有限公司 | 一种量子门测试方法、装置及电子设备 |
JP7267481B2 (ja) | 2021-07-14 | 2023-05-01 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子回路の処理方法、装置、電子デバイス、記憶媒体、及びプログラム |
JP2022088600A (ja) * | 2021-07-14 | 2022-06-14 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子回路の処理方法、装置、電子デバイス、記憶媒体、及びプログラム |
CN113553028A (zh) * | 2021-07-20 | 2021-10-26 | 中国科学院半导体研究所 | 基于概率比特电路的问题求解优化方法及系统 |
CN113553028B (zh) * | 2021-07-20 | 2024-03-12 | 中国科学院半导体研究所 | 基于概率比特电路的问题求解优化方法及系统 |
CN113487035A (zh) * | 2021-08-03 | 2021-10-08 | 北京百度网讯科技有限公司 | 量子门的控制脉冲确定方法、装置及电子设备 |
CN113792880B (zh) * | 2021-09-17 | 2022-04-19 | 北京百度网讯科技有限公司 | 基于脉冲的量子门实现方法及装置、电子设备和介质 |
CN113792880A (zh) * | 2021-09-17 | 2021-12-14 | 北京百度网讯科技有限公司 | 基于脉冲的量子门实现方法及装置、电子设备和介质 |
CN114048857A (zh) * | 2021-10-22 | 2022-02-15 | 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 |
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 |
CN114330727A (zh) * | 2022-01-10 | 2022-04-12 | 北京百度网讯科技有限公司 | 量子门的控制脉冲确定方法及装置、电子设备和介质 |
CN114580647A (zh) * | 2022-02-24 | 2022-06-03 | 北京百度网讯科技有限公司 | 量子系统的模拟方法、计算设备、装置及存储介质 |
CN115469979A (zh) * | 2022-02-25 | 2022-12-13 | 合肥本源量子计算科技有限责任公司 | 量子控制系统的调度装置、方法以及量子计算机 |
CN115469979B (zh) * | 2022-02-25 | 2024-05-07 | 本源量子计算科技(合肥)股份有限公司 | 量子控制系统的调度装置、方法以及量子计算机 |
CN115329974B (zh) * | 2022-08-04 | 2023-09-01 | 北京百度网讯科技有限公司 | 仿真方法、装置、设备及存储介质 |
CN115329974A (zh) * | 2022-08-04 | 2022-11-11 | 北京百度网讯科技有限公司 | 仿真方法、装置、设备及存储介质 |
CN115509167B (zh) * | 2022-11-17 | 2023-01-20 | 安徽省国盛量子科技有限公司 | 脉冲序列的参数配置方法及信号控制与采集方法、设备 |
CN115509167A (zh) * | 2022-11-17 | 2022-12-23 | 安徽省国盛量子科技有限公司 | 脉冲序列的参数配置方法及信号控制与采集方法、设备 |
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 |
CN117435917A (zh) * | 2023-12-20 | 2024-01-23 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
AU2021240155A1 (en) | 2022-08-11 |
AU2021240155A9 (en) | 2022-10-06 |
JP7208325B2 (ja) | 2023-01-18 |
US20220076154A1 (en) | 2022-03-10 |
JP2022003576A (ja) | 2022-01-11 |
CN112819170B (zh) | 2021-11-05 |
AU2021240155B2 (en) | 2023-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112819170B (zh) | 控制脉冲生成方法、装置、系统、设备及存储介质 | |
CN112819169B (zh) | 量子控制脉冲生成方法、装置、设备及存储介质 | |
Qiao et al. | NicheA: creating virtual species and ecological niches in multivariate environmental scenarios | |
US20210287138A1 (en) | Learning to simulate and design for structural engineering | |
CN110366734A (zh) | 优化神经网络架构 | |
CN112819971B (zh) | 虚拟形象的生成方法、装置、设备和介质 | |
CN111667054A (zh) | 生成神经网络模型的方法、装置、电子设备以及存储介质 | |
WO2021259039A1 (zh) | 神经网络模型的定制化方法、系统、设备和存储介质 | |
CN112749809B (zh) | 构造量子仿真系统的方法和装置 | |
US8972224B2 (en) | Computer systems for data manipulation and related methods | |
CN114862656A (zh) | 基于多gpu的分布式深度学习模型训练代价的获取方法 | |
AU2022235532A1 (en) | Simulation method of quantum system, computing device, apparatus and storage medium | |
CN110413510A (zh) | 一种数据处理方法、装置及设备 | |
KR20220027870A (ko) | 딥 러닝을 위한 비주얼 프로그래밍 | |
CN114580645A (zh) | 随机量子测量的模拟方法、装置、设备及存储介质 | |
CN113723612B (zh) | 对单向量子计算机计算模型的量子系统进行操作的方法及装置 | |
JP2023007366A (ja) | 分子構造取得方法、装置、電子デバイス及び記憶媒体 | |
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 | |
CN113408725A (zh) | 基于复合熵的遗传算法参数优化方法、系统、设备及介质 | |
CN117215941A (zh) | 应用测试方法和装置 | |
Je et al. | Image recognition method using modular systems | |
CN115577786A (zh) | 量子熵确定方法、装置、设备及存储介质 | |
WO2023141354A2 (en) | Machine learning based reservoir modeling | |
Walker et al. | AN R PACKAGE AND WEB APPLICATION FOR PERFORMING A CLIMATE STRESS TEST |
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 |