CN113098803A - 量子噪声信道的逆映射分解方法及装置、电子设备和介质 - Google Patents

量子噪声信道的逆映射分解方法及装置、电子设备和介质 Download PDF

Info

Publication number
CN113098803A
CN113098803A CN202110322443.2A CN202110322443A CN113098803A CN 113098803 A CN113098803 A CN 113098803A CN 202110322443 A CN202110322443 A CN 202110322443A CN 113098803 A CN113098803 A CN 113098803A
Authority
CN
China
Prior art keywords
quantum
parameter values
circuit
quantum circuit
computer
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
Application number
CN202110322443.2A
Other languages
English (en)
Other versions
CN113098803B (zh
Inventor
王鑫
陈然一鎏
王友乐
李广西
赵犇池
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 CN202110322443.2A priority Critical patent/CN113098803B/zh
Publication of CN113098803A publication Critical patent/CN113098803A/zh
Application granted granted Critical
Publication of CN113098803B publication Critical patent/CN113098803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
    • H04L25/0244—Channel estimation channel estimation algorithms using matrix methods with inversion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Superconductor Devices And Manufacturing Methods Thereof (AREA)

Abstract

本公开提供了一种量子噪声信道的逆映射分解方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及量子计算领域，尤其涉及量子噪声处理技术领域。实现方案为：生成待训练的第一量子电路和第二量子电路以分别作为量子生成对抗学习中的生成器和判别器，第二量子电路与量子计算机基于相同的制造工艺；确定并调整第一量子电路的一组参数值、与一组参数值中的每一个分别对应的分解系数值、以及第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点；以及获取量子生成对抗学习收敛到纳什均衡点时的第一量子电路的一组参数值以及与一组参数值中的每一个分别对应的分解系数值，以实现对所述逆映射的分解。

Description

量子噪声信道的逆映射分解方法及装置、电子设备和介质
技术领域
本公开涉及量子计算领域，尤其涉及量子噪声处理技术领域，具体涉及一种量子噪声信道的逆映射分解方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
量子计算机的技术正在飞速地发展，越来越多的量子应用在不断涌现，量子硬件的技术也在逐年提升。但是外界环境和量子比特之间相互作用产生的噪声问题是难以避免的，这些噪声会显著影响量子计算机的计算结果，进而限制可以执行的计算的长度。
目前处理量子噪声的技术方案主要包括以下两类：量子纠错(Quantum ErrorCorrection)技术和量子错误缓除(Quantum Error Mitigation)技术。在量子纠错技术中，每个逻辑量子比特由很多个物理比特组成，通过冗余的物理量子比特资源实现纠错，但是随着物理比特数目的增加，系统可能发生的错误类型也会增多，同时多量子比特编码的操作需要物理量子比特之间非局域的相互作用，因此实验上量子纠错和逻辑比特的量子门都很难实现。量子错误缓除方案不需要额外的物理比特，但是它对量子线路的误差类型和误差可控性提出要求，导致在近期量子计算机上很难实现，其方法不具有普适性。
发明内容
本公开提供了一种量子噪声信道的逆映射分解方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面，提供了一种量子计算机的量子噪声信道的逆映射分解方法，包括：生成待训练的第一量子电路和第二量子电路，其中，所述第一量子电路和所述第二量子电路分别作为量子生成对抗学习中的生成器和判别器，并且其中，所述第一量子电路与所述量子计算机基于相同的制造工艺；确定所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值；调整所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点；以及获取量子生成对抗学习收敛到纳什均衡点时的所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值，以实现对所述逆映射的分解，其中，参数依次取值为所确定的一组参数值中每一个参数值的第一量子电路为对所述逆映射进行分解所得到的量子电路。
根据本公开的另一方面，提供了一种消除量子计算机的量子噪声的方法，包括：将所述量子计算机输出的含噪声的量子态输入到多个量子电路中，以获得所述多个量子电路各自输出的量子态；将所述输出的量子态分别通过测量设备进行测量以获得多个测量结果；以及基于所述多个测量结果以及相对应的分解系数得到消除量子噪声后的所述量子计算机的计算结果的无偏估计，其中，所述多个量子电路和所述相对应的分解系数是根据上面所述的方法对所述量子噪声信道的逆映射进行分解而确定的。
根据本公开的另一方面，提供了一种量子计算机的量子噪声的逆映射分解的装置，包括：量子电路生成单元，配置为生成待训练的第一量子电路和第二量子电路，其中，所述第一量子电路和所述第二量子电路分别作为量子生成对抗学习中的生成器和判别器，并且其中，所述第一量子电路与所述量子计算机基于相同的制造工艺；确定单元，配置为确定所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值；训练单元，配置为调整所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点；以及逆映射分解单元，配置为确定量子生成对抗学习收敛到纳什均衡点时的所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值，以实现对所述逆映射的分解，其中，参数依次取值为所确定的一组参数值中每一个参数值的第一量子电路为对所述逆映射进行分解所得到的量子电路。
根据本公开的另一方面，提供了一种消除量子计算机的量子噪声的系统，包括：量子计算机，被配置为：产生一个或多个量子比特的量子态；多个量子电路，每一个所述量子电路均被配置为：接收所述量子计算机产生的量子态并输出相应的量子态；测量设备，被配置为：对所述量子电路输出的量子态分别进行测量，以获得相应的测量结果；以及经典计算机，被配置为：基于所述相应的测量结果和相对应的分解系数得到消除量子噪声后的所述量子计算机的计算结果的无偏估计，其中，所述多个量子电路和所述相对应的分解系数是根据上面所述的方法对所述量子噪声信道的逆映射进行分解而确定的。
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；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开所述的逆映射分解方法。
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所述的逆映射分解方法。
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，该计算机程序在被处理器执行时实现本公开所述的逆映射分解方法。
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；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开所述的消除量子噪声的方法。
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所述的消除量子噪声的方法。
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，该计算机程序在被处理器执行时实现本公开所述的消除量子噪声的方法。
根据本公开的一个或多个实施例，根据本公开的方法不需要对量子噪声信道作量子过程层析，通过量子生成对抗学习提取量子噪声的特征并直接完成了量子噪声逆的逆映射
Figure BDA0002993407660000031
的分解，操作上更为简洁高效。
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
附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的量子计算机的量子噪声信道的逆映射分解方法的流程图；
图2是根据本公开的实施例的基于量子生成对抗学习得到目标参数的流程图；
图3是根据本公开的实施例的量子计算机的量子噪声信道的逆映射分解装置的结构示意图；
图4是根据本公开的实施例的消除量子计算机的量子噪声的方法的流程图；
图5是根据本公开的实施例的基于图2的流程所输出的参数完成量子错误缓释的示意图；以及
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
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。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。
在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
迄今为止，正在应用中的各种不同类型的计算机都是以经典物理学为信息处理的理论基础，称为传统计算机或经典计算机。经典信息系统采用物理上最容易实现的二进制数据位存储数据或程序，每一个二进制数据位由0或1表示，称为一个位或比特，作为最小的信息单元。经典计算机本身存在着不可避免的弱点：一是计算过程能耗的最基本限制。逻辑元件或存储单元所需的最低能量应在kT的几倍以上，以避免在热胀落下的误动作；二是信息熵与发热能耗；三是计算机芯片的布线密度很大时，根据海森堡不确定性关系，电子位置的不确定量很小时，动量的不确定量就会很大。电子不再被束缚，会有量子干涉效应，这种效应甚至会破坏芯片的性能。
量子计算机(quantum computer)是一类遵循量子力学性质、规律进行高速数学和逻辑运算、存储及处理量子信息的物理设备。当某个设备处理和计算的是量子信息，运行的是量子算法时，他就是量子计算机。量子计算机遵循着独一无二的量子动力学规律(特别是量子干涉)来实现一种信息处理的新模式。对计算问题并行处理，量子计算机比起经典计算机有着速度上的绝对优势。量子计算机对每一个叠加分量实现的变换相当于一种经典计算，所有这些经典计算同时完成，并按一定的概率振幅叠加起来，给出量子计算机的输出结果，这种计算称为量子并行计算。量子并行处理大大提高了量子计算机的效率，使得其可以完成经典计算机无法完成的工作，例如一个很大的自然数的因子分解。量子相干性在所有的量子超快速算法中得到了本质性的利用。因此，用量子态代替经典态的量子并行计算，可以达到经典计算机不可比拟的运算速度和信息处理功能，同时节省了大量的运算资源。
随着量子计算机技术的飞速发展，由于其强大的计算能力和较快的运行速度，量子计算机的应用范围越来越广。例如，化学模拟是指将真实化学体系的哈密顿量映射到物理上可操作哈密顿量，然后调制参数和演化时间，以找到能够反映真实化学体系的本征态的过程。在经典计算机上对一个N电子化学体系进行模拟时，涉及到2N维薛定谔方程的求解，计算量会随体系电子数的增加而呈指数式递增。因此经典计算机在化学模拟问题上作用十分有限。想要突破这一瓶颈，就必须依靠量子计算机强大的计算能力。量子本征求解器算法(Variational Quantum Eigensolver，VQE)是一种在量子硬件上进行化学模拟的高效量子算法，是量子计算机近期最有前途的应用之一，开启许多新的化学研究领域。但是现阶段量子计算机测量噪声率明显限制了VQE的能力，因此必须首先处理好量子测量噪声问题。
量子本征求解器算法VQE的一个核心计算过程是估计期望值Tr[Oρ]，其中ρ是由量子计算机输出的量子态，量子计算通过对目标量子态ρ测量得到期望值Tr[Oρ]，其中O是测量对应的可观测量，Tr[A]代表一个矩阵A的迹(trace)。由于噪声的存在，该量子态实际的演化过程附加了一个噪声信道
Figure BDA0002993407660000061
从而变为
Figure BDA0002993407660000062
如果不做任何处理，直接对量子态
Figure BDA0002993407660000063
测量将得到期望值
Figure BDA0002993407660000064
从而计算结果出现错误。因此，如何降低甚至是消除噪声信道
Figure BDA0002993407660000065
对期望值估计的影响以期得到Tr[Oρ]的近似估计成为亟待解决的问题。
处理量子噪声的方案通常为量子纠错方案和量子错误缓释方案。但是，在量子纠错方案中，每个逻辑量子比特由很多个物理比特组成，通过冗余的物理量子比特资源实现纠错。但是随着量子计算任务的复杂程度增加，所需要的冗余量子比特数量会显著增大。目前实现一个逻辑量子比特的运算估计需要用到约10000个额外的物理量子比特来纠错，这是一个完全不切实际的数量，限制了量子纠错技术在近期量子计算机上的应用。虽然量子错误缓释方案不需要大量冗余的量子比特，但是它对量子电路的噪声可控性或噪声信息提出要求。具体而言，零噪声外推方法要求噪声可控，即可以通过调控量子计算机来获得不同的噪声水平。比如对实现量子门的微波脉冲进行“拉伸”操作以可控制地放大噪声，这在部分近期量子计算机上很难实现。另一方面，准概率分解方法要求使用量子过程层析(Quantum Process Tomography)得到量子噪声信道
Figure BDA0002993407660000071
的矩阵表示，才能完成求逆映射和分解。而量子过程层析需要消耗非常大的资源：噪声矩阵的维数随着量子位的增加而指数增长。因此，准概率分解方法会在量子过程层析中消耗大量计算资源，在近期量子计算机上实用性不高。
因此，根据本公开的一个方面，本公开的示例性实施例提供了一种量子计算机的量子噪声信道的逆映射分解方法，包括：生成待训练的第一量子电路
Figure BDA0002993407660000072
和第二量子电路
Figure BDA0002993407660000073
(步骤110)；确定第一量子电路的一组参数值{θ1,…,θi,…}、与该一组参数值中的每一个分别对应的分解系数值{p1,…,pi,…}、、以及第二量子电路的参数值
Figure BDA0002993407660000074
(步骤120)；调整第一量子电路的一组参数值{θ1,…,θi,…}、与该一组参数值中的每一个分别对应的分解系数值{p1,…,pi,…}、以及第二量子电路的参数值
Figure BDA0002993407660000075
以使得量子生成对抗学习收敛到纳什均衡点(步骤130)；以及获取量子生成对抗学习收敛到纳什均衡点时的第一量子电路的一组参数值
Figure BDA0002993407660000076
以及与该一组参数值中的每一个分别对应的分解系数值
Figure BDA0002993407660000077
以实现对逆映射的分解(步骤140)。i为大于等于2的实数，以表示逆映射可以分解为两个或两个以上的量子电路。
在上述实施例中，第一量子电路
Figure BDA0002993407660000078
和第二量子电路
Figure BDA0002993407660000079
即为参数化量子电路(parameterized quantum circuit)。参数可以依次取值为所获取的一组参数值
Figure BDA00029934076600000710
中每一个参数值的第一量子电路
Figure BDA00029934076600000711
即为对逆映射进行分解所得到的量子电路。
根据本公开的逆映射分解方法不需要对量子噪声信道作量子过程层析，通过量子生成对抗学习提取量子噪声的特征并直接完成了量子噪声信道的逆映射
Figure BDA00029934076600000712
的分解，操作上更为简洁高效。
在一些实施例中，可以基于公式(1)实现对逆映射
Figure BDA00029934076600000713
的分解：
Figure BDA00029934076600000714
在上述公式中，
Figure BDA00029934076600000715
表示量子生成对抗学习收敛到纳什均衡点时所获取的一组参数值中第i个参数值，
Figure BDA00029934076600000716
表示参数取值为所述第i个参数值的第一量子电路，
Figure BDA00029934076600000717
表示量子生成对抗学习收敛到纳什均衡点时与所述第i个参数值相对应的分解系数值。
在量子生成对抗学习中，生成的第一量子电路
Figure BDA0002993407660000081
和第二量子电路
Figure BDA0002993407660000082
分别作为生成器和判别器。第二量子电路
Figure BDA0002993407660000083
与上述量子计算机基于相同的制造工艺。由于目前量子计算机的主流工艺只有有限的几种，例如超导、粒子阱、光量子等，并且其规模都相当有限(例如十几个比特)。因此，认为用相同的工艺制造的设备具有同样的噪声将是合理的。因此，可以通过具有相同制造工艺的第二量子电路来模拟上述量子计算机的噪声水平。
在一些实施例中，对于n量子比特的量子噪声信道，第一量子电路
Figure BDA0002993407660000084
包括2n个辅助量子比特|02n><02n|，n为正整数。第二量子电路
Figure BDA0002993407660000085
不必包含辅助量子比特。
在一些实施例中，在步骤120中确定的第一量子电路
Figure BDA0002993407660000086
的一组参数值{θ1,…,θi,…}、与一组参数值{θ1,…,θi,…}中的每一个分别对应的分解系数值{p1,…,pi,…}、以及第二量子电路的参数值
Figure BDA0002993407660000087
均为随机的实数。即，通过生成随机数的方式初始化参数以及相应的系数{p1,θ1},…,{pi,θi},…和
Figure BDA0002993407660000088
初始化后的第一量子电路和第二量子电路形成量子生成对抗学习的初始状态，通过不断学习训练过程，最终收敛到量子生成对抗学习的纳什均衡点。
因此，根据本公开的逆映射分解方法通过量子生成对抗学习，可以输出多组优化后的参数以及相应的系数
Figure BDA0002993407660000089
以使得对于第一量子电路
Figure BDA00029934076600000810
量子噪声信道的逆映射
Figure BDA00029934076600000811
可分解为公式(1)所示。具有优化后的参数的第一量子电路即可被用于量子错误缓释。
如上所述，第一量子电路
Figure BDA00029934076600000812
的参数θ可以在一组参数值{θ1,…,θi,…}中依次取值。在一些实施例中，参数可以在一组参数值中依次取值的第一量子电路也可以通过构造一组第一量子电路
Figure BDA00029934076600000813
来实现。该一组第一量子电路
Figure BDA00029934076600000814
中包括除参数值{θ1,…,θi,…}以外其他配置均相同的两个或两个以上的量子电路，在此不做限制。
根据一些实施例，第一量子电路
Figure BDA00029934076600000815
和第二量子电路
Figure BDA00029934076600000816
中的至少一个可以包括若干个受控反闸门以及单量子比特旋转门。受控反闸门以及单量子比特旋转门的数量在此不做限制，只要能够实现根据本公开所述的量子电路即可。
在步骤130，调整第一量子电路的一组参数值、与一组参数值中的每一个分别对应的分解系数值、以及第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点。根据一些实施例，步骤130可以包括：执行以下操作以计算损失函数：通过经典计算机、基于第二量子电路的参数值和初始量子态计算第一量子态，第一量子态为第二量子电路作用于所述初始量子态后所得到的无噪声的量子态；将初始量子态输入到第二量子电路，以得到带噪声的第二量子态；将第一量子态依次输入到参数取值为一组参数值中的每一个参数值的第一量子电路中，以获得一组第三量子态；以及基于一组第三量子态、与一组参数值中的每一个分别对应的分解系数值以及第一量子态计算损失函数；以及重复以下操作，直到损失函数不再随第一量子电路的一组参数值以及与一组参数值中的每一个分别对应的分解系数值、以及第二量子电路的参数值的变化而变化：调整第二量子电路的参数值以重新计算损失函数，直到损失函数达到最大值；以及调整第一量子电路的一组参数值以及与一组参数值中的每一个分别对应的分解系数值以重新计算损失函数，直到损失函数达到最小值。
根据一些实施例，可以通过交换测试、基于公式(2)计算损失函数：
Figure BDA0002993407660000091
其中，ρ表示第一量子态，
Figure BDA0002993407660000092
表示参数取值为一组参数中的第i个参数值的第一量子电路输出的第三量子态，pi表示与第i个参数值相对应的分解系数值，|·|F表示F-范数。
根据一些实施例，第一量子电路的一组参数值、与一组参数值中的每一个分别对应的分解系数值、以及第二量子电路的参数值中的至少一项可以通过梯度下降法进行调整的。但是应当理解，通过其他最优化方法调整第一量子电路的一组参数值、与一组参数值中的每一个分别对应的分解系数值、以及第二量子电路的参数值中的至少一项也是可能的，在此不做限制。
在以下的实施例中，以将量子噪声信道
Figure BDA0002993407660000093
的逆映射
Figure BDA0002993407660000094
分解为两个量子电路为例进一步描述本公开方法。即，在该实施例中，使用量子生成对抗学习输出两组优化参数
Figure BDA0002993407660000095
和
Figure BDA0002993407660000096
使得对于参数化量子电路
Figure BDA0002993407660000097
量子噪声信道的逆映射
Figure BDA0002993407660000098
可以分解为如公式(3)所示。
Figure BDA0002993407660000099
在该实施例中，基于量子生成对抗学习得到目标参数的流程图可以如图2所示。在步骤201,准备待训练的参数化量子电路
Figure BDA00029934076600000910
以作为量子生成对抗学习中的生成器；准备待训练的参数化量子电路
Figure BDA0002993407660000101
以作为量子生成对抗学习中的判别器；以及准备初始量子态|0><0|。θ为生成器的参数，
Figure BDA0002993407660000102
包含2n个辅助量子比特|02n><02n|，n为量子噪声信道的量子比特数。准备待训练的参数化量子电路
Figure BDA0002993407660000103
以作为量子生成对抗学习中的判别器。第二量子电路
Figure BDA0002993407660000104
与上述量子计算机基于相同的制造工艺。
Figure BDA0002993407660000105
为判别器的参数，
Figure BDA0002993407660000106
不包含辅助量子比特。初始量子态|0><0|可以通过本技术领域中的方法方便地获得，在此不做详述。
在步骤202，初始化参数{p1,θ1}，{p2,θ2}和
Figure BDA0002993407660000107
在步骤203，将判别器
Figure BDA0002993407660000108
作用于初始量子态|0><0|。由于判别器
Figure BDA0002993407660000109
存在与量子计算机近似相同的噪声
Figure BDA00029934076600001010
判别器
Figure BDA00029934076600001011
将实际输出带噪声的量子态
Figure BDA00029934076600001012
同时由经典计算机计算并保存
Figure BDA00029934076600001013
以作为无噪声的
Figure BDA00029934076600001014
作用于初始量子态后所得到的量子态(以矩阵的形式)。在步骤204，将
Figure BDA00029934076600001015
和
Figure BDA00029934076600001016
分别作用在量子态
Figure BDA00029934076600001017
上，得到
Figure BDA00029934076600001018
和
Figure BDA00029934076600001019
在步骤205，可以基于量子计算机和经典计算机、通过交换测试(Swap test)得到损失函数
Figure BDA00029934076600001020
其中|·|F表示F-范数。交换测试可以被近期设备高效完成，在此不做详述。在步骤206，判断损失函数L是否已达到最大值，如果“否”，则执行步骤207，通过梯度下降法或者其他最优化方法调整判别器
Figure BDA00029934076600001021
的参数
Figure BDA00029934076600001022
即不断重复步骤203-207以最大化损失函数L。
如果判断损失函数L已达到最大值，在步骤208，保持此时的
Figure BDA00029934076600001023
不变，将判别器
Figure BDA00029934076600001024
作用于初始量子态|0><0|，以得到其实际输出的带噪声的量子态
Figure BDA00029934076600001025
同时由经典计算机计算并保存
Figure BDA00029934076600001026
以作为无噪声的
Figure BDA00029934076600001027
作用于初始量子态后所得到的量子态(以矩阵的形式)。在步骤209，将初始化的
Figure BDA00029934076600001028
和
Figure BDA00029934076600001029
分别作用在量子态
Figure BDA00029934076600001030
上，得到
Figure BDA00029934076600001031
和
Figure BDA00029934076600001032
在步骤210，可以基于量子计算机和经典计算机、通过交换测试(Swap test)得到损失函数
Figure BDA00029934076600001033
在步骤211，判断损失函数L是否已达到最小值，如果“否”，则执行步骤212，通过梯度下降法或者其他最优化方法调整参数{p1,θ1}和{p2,θ2}。即不断重复步骤208-212以最大化损失函数L。如果判断损失函数L已达到最小值，在步骤213，判断是否已收敛到量子生成对抗学习的纳什均衡点，如果“否”，继续重复步骤203-212，直到损失函数L不再随参数{p1,θ1}，{p2,θ2}和
Figure BDA00029934076600001034
的变化而变化，即收敛到量子生成对抗学习的纳什均衡点。收敛到量子生成对抗学习的纳什均衡点之后，在步骤214，输出优化后的参数
Figure BDA0002993407660000111
和
Figure BDA0002993407660000112
即得到的满足逆映射分解条件
Figure BDA0002993407660000113
的理想参数。
根据本公开的方法利用量子生成对抗学习将量子计算机的量子噪声信道的逆映射
Figure BDA0002993407660000114
分解为近期设备易于实现的参数化量子电路，而不需要消耗很大代价去对量子噪声进行层析以得到量子噪声的矩阵表示后，再用其他数学工具完成求得逆映射并进行分解，因此操作上更为简洁高效，提高了计算效率。
根据本公开的另一方面，如图3所示，本公开的示例性实施例提供了一种量子计算机的量子噪声的逆映射分解的装置300，包括：量子电路生成单元310，配置为生成待训练的第一量子电路和第二量子电路，其中，所述第一量子电路和所述第二量子电路分别作为量子生成对抗学习中的生成器和判别器，并且其中，所述第二量子电路与所述量子计算机基于相同的制造工艺；确定单元320，配置为确定所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值；训练单元330，配置为调整所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点；以及逆映射分解单元340，配置为确定量子生成对抗学习收敛到纳什均衡点时的所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值，以实现对所述逆映射的分解，其中，参数依次取值为所确定的一组参数值中每一个参数值的第一量子电路为对所述逆映射进行分解所得到的量子电路。
根据一些实施例，所述训练单元330包括：执行以下操作以计算损失函数的单元：通过经典计算机，基于所述第二量子电路的参数值和初始量子态计算第一量子态，所述第一量子态为第二量子电路作用于所述初始量子态后所得到的无噪声的量子态；将初始量子态输入到所述第二量子电路，以得到带噪声的第二量子态；将所述第一量子态依次输入到参数取值为所述一组参数值中的每一个参数值的所述第一量子电路中，以获得一组第三量子态；以基于所述一组第三量子态、与所述一组参数值中的每一个分别对应的分解系数值以及所述第一量子态计算损失函数；以及重复以下操作，直到所述损失函数不再随所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值的变化而变化的单元：调整所述第二量子电路的参数值以重新计算所述损失函数，直到所述损失函数达到最大值；以及调整所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值以重新计算所述损失函数，直到所述损失函数达到最小值。
这里，量子计算机的量子噪声的逆映射分解的装置300的上述各单元310～340的操作分别与前面描述的步骤110～140的操作类似，在此不再赘述。
根据本公开的另一方面，根据本公开的示例性实施例提供了一种消除量子计算机的量子噪声的方法，如图4所示，包括：将量子计算机输出的含噪声的量子态输入到多个量子电路中，以获得多个量子电路各自输出的量子态(步骤410)；将所述输出的量子态分别通过测量设备进行测量以获得多个测量结果(步骤420)；以及基于多个测量结果以及相对应的分解系数得到消除量子噪声后的所述量子计算机的计算结果的无偏估计(步骤430)。该多个量子电路和相对应的分解系数是根据本公开一方面所述的方法对量子噪声信道的逆映射进行分解而确定的。
在一个实施例中，结合如图2所述的实施例输出优化后的参数
Figure BDA0002993407660000121
和
Figure BDA0002993407660000122
进行量子噪声缓释。即得利用逆映射分解
Figure BDA0002993407660000123
Figure BDA0002993407660000124
得到消除量子噪声后的量子计算机的计算结果的无偏估计。如图5所示，实际量子计算机501(501a为理想量子计算机、501b为噪声信道)输出带噪声的量子态
Figure BDA0002993407660000125
将量子电路
Figure BDA0002993407660000126
Figure BDA0002993407660000127
(502)分别作用在量子态
Figure BDA0002993407660000128
上，得到
Figure BDA0002993407660000129
和
Figure BDA00029934076600001210
Figure BDA00029934076600001211
通过测量设备503测量
Figure BDA00029934076600001212
和
Figure BDA00029934076600001213
得到
Figure BDA00029934076600001214
和
Figure BDA00029934076600001215
在经典计算机504上后处理的得到
Figure BDA00029934076600001216
以作为消除量子噪声后的量子计算机501的计算结果的无偏估计。
在上述实施例中，量子电路
Figure BDA00029934076600001217
(502)可以表示为参数依次取值为
Figure BDA00029934076600001218
和
Figure BDA00029934076600001219
的一个量子电路，其参数每取一个值后均作用于量子计算机501输出的量子态；也可以表示为只有参数不同的两个量子电路，在此不做限制。类似地，测量设备503也可以为一个测量设备，通过多次调用以实现不同的测量过程；也可以表示为两个测量设备，在此不做限制。
根据本公开的消除量子计算机的量子噪声的方法相比于量子纠错方案，不需要成千上万的冗余量子比特，在近期量子计算机上更加实用；相比于零噪声外推方法，不需要假设噪声水平可调，在各种类型的近期量子计算机上更加通用；相比于传统的准概率分解方法，不需要使用量子过程层析，更为简洁高效。
根据本公开的另一方面，本公开的示例性实施例提供了一种消除量子计算机的量子噪声的系统，其结构可以如图5所示，包括：量子计算机501，被配置为：产生一个或多个量子比特的量子态；多个量子电路502，每一个量子电路502均被配置为：接收所述量子计算机产生的量子态并输出相应的量子态；测量设备503，被配置为对所述量子电路输出的量子态分别进行测量，以获得相应的测量结果；以及经典计算机504，被配置为：基于所述相应的测量结果和相对应的分解系数得到消除量子噪声后的所述量子计算机的计算结果的无偏估计。所述多个量子电路和所述分解系数是根据上面任一实施例中的方法对量子噪声信道的逆映射进行分解而确定的。
应当理解，多个量子电路502可以表示为其参数依次取值为一组参数值中每一个参数值的一个量子电路，该一组参数值中包括多个参数值；也可以表示为只有参数不同的两个量子电路。虽然图5中示出了量子电路502的参数有两个取值的示例，但是这里多个用于表示为两个或两个以上，也即量子电路502的参数也可以具体两个以上的取值。并且，测量设备503如上所述也可以表示为一个测量设备，以对不同参数值的量子电路的输出执行多次测量；也可以表示为多个测量设备，在此不做限制。
这里，消除量子计算机的量子噪声的系统的操作分别与前面描述的过程类似，在此不再赘述。
根据本公开的实施例，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。
参考图6，现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向设备600输入信息的任何类型的设备，输入单元606可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许设备600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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601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601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601执行上文所描述的各个方法和处理，例如方法100或400。例如，在一些实施例中，方法200或400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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的方法200或400的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200或400。
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、也可以顺序地或以不同的次序执行，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。
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (18)

1.一种量子计算机的量子噪声信道的逆映射分解方法，包括：
生成待训练的第一量子电路和第二量子电路，其中，所述第一量子电路和所述第二量子电路分别作为量子生成对抗学习中的生成器和判别器，并且其中，所述第二量子电路与所述量子计算机基于相同的制造工艺；
确定所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值；
调整所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点；以及
获取量子生成对抗学习收敛到纳什均衡点时的所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值，以实现对所述逆映射的分解，其中，参数依次取值为所获取的一组参数值中每一个参数值的第一量子电路为对所述逆映射进行分解所得到的量子电路。
2.如权利要求1所述的方法，其中，调整所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值包括：
执行以下操作以计算损失函数：
通过经典计算机，基于所述第二量子电路的参数值和初始量子态计算第一量子态，所述第一量子态为第二量子电路作用于所述初始量子态后所得到的无噪声的量子态；
将所述初始量子态输入到所述第二量子电路，以得到带噪声的第二量子态；
将所述第一量子态依次输入到参数取值为所述一组参数值中的每一个参数值的所述第一量子电路中，以获得一组第三量子态；以及
基于所述一组第三量子态、与所述一组参数值中的每一个分别对应的分解系数值以及所述第一量子态计算损失函数；以及
重复以下操作，直到所述损失函数不再随所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值的变化而变化：
调整所述第二量子电路的参数值以重新计算所述损失函数，直到所述损失函数达到最大值；以及
调整所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值以重新计算所述损失函数，直到所述损失函数达到最小值。
3.如权利要求2所述的方法，其中，通过交换测试、基于以下公式计算所述损失函数：
Figure FDA0002993407650000021
其中，ρ表示所述第一量子态，
Figure FDA0002993407650000022
表示参数取值为所述一组参数中的第i个参数值的第一量子电路输出的第三量子态，pi表示与所述第i个参数值相对应的分解系数值，|·|F表示F-范数。
4.如权利要求1-3中的任一项所述的方法，其中，基于以下公式实现对所述逆映射
Figure FDA0002993407650000023
的分解：
Figure FDA0002993407650000024
其中，
Figure FDA0002993407650000025
表示量子生成对抗学习收敛到纳什均衡点时所获取的一组参数值中第i个参数值，
Figure FDA0002993407650000026
表示参数取值为所述第i个参数值的第一量子电路，
Figure FDA0002993407650000027
表示量子生成对抗学习收敛到纳什均衡点时与所述第i个参数值相对应的分解系数值。
5.如权利要求1-3中任一项所述的方法，其中，所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值中的至少一项是通过梯度下降法进行调整的。
6.如权利要求1-3中任一项所述的方法，其中，所述第一量子电路和所述第二量子电路中的至少一个包括受控反闸门以及单量子比特旋转门。
7.如权利要求1-3中任一项所述的方法，其中，所述第一量子电路包括2n个辅助量子比特，其中，n为所述量子噪声的量子比特数，n为正整数。
8.如权利要求1-3中任一项所述的方法，其中，所述确定的所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值均为随机实数。
9.一种消除量子计算机的量子噪声的方法，包括：
将所述量子计算机输出的含噪声的量子态输入到多个量子电路中，以获得所述多个量子电路各自输出的量子态；
将所述输出的量子态分别通过测量设备进行测量以获得多个测量结果；以及
基于所述多个测量结果以及相对应的分解系数得到消除量子噪声后的所述量子计算机的计算结果的无偏估计，
其中，所述多个量子电路和所述相对应的分解系数是根据如权利要求1-8中任一项所述的方法对所述量子噪声信道的逆映射进行分解而确定的。
10.一种量子计算机的量子噪声的逆映射分解的装置，包括：
量子电路生成单元，配置为生成待训练的第一量子电路和第二量子电路，其中，所述第一量子电路和所述第二量子电路分别作为量子生成对抗学习中的生成器和判别器，并且其中，所述第二量子电路与所述量子计算机基于相同的制造工艺；
确定单元，配置为确定所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值；
训练单元，配置为调整所述第一量子电路的一组参数值、与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值，以使得量子生成对抗学习收敛到纳什均衡点；以及
逆映射分解单元，配置为确定量子生成对抗学习收敛到纳什均衡点时的所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值，以实现对所述逆映射的分解，其中，参数依次取值为所确定的一组参数值中每一个参数值的第一量子电路为对所述逆映射进行分解所得到的量子电路。
11.如权利要求10所述的装置，其中，所述训练单元包括：
执行以下操作以计算损失函数的单元：
通过经典计算机，基于所述第二量子电路的参数值和初始量子态计算第一量子态，所述第一量子态为第二量子电路作用于所述初始量子态后所得到的无噪声的量子态；
将所述初始量子态输入到所述第二量子电路，以得到带噪声的第二量子态；
将所述第一量子态依次输入到参数取值为所述一组参数值中的每一个参数值的所述第一量子电路中，以获得一组第三量子态；以及
基于所述一组第三量子态、与所述一组参数值中的每一个分别对应的分解系数值以及所述第一量子态计算损失函数；以及
重复以下操作，直到所述损失函数不再随所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值、以及所述第二量子电路的参数值的变化而变化的单元：
调整所述第二量子电路的参数值以重新计算所述损失函数，直到所述损失函数达到最大值；以及
调整所述第一量子电路的一组参数值以及与所述一组参数值中的每一个分别对应的分解系数值以重新计算所述损失函数，直到所述损失函数达到最小值。
12.一种消除量子计算机的量子噪声的系统，包括：
量子计算机，被配置为：
产生一个或多个量子比特的量子态；
多个量子电路，每一个所述量子电路均被配置为：
接收所述量子计算机产生的量子态并输出相应的量子态；
测量设备，被配置为：
对所述量子电路输出的量子态分别进行测量，以获得相应的测量结果；以及
经典计算机，被配置为：
基于所述相应的测量结果和相对应的分解系数得到消除量子噪声后的所述量子计算机的计算结果的无偏估计，
其中，所述多个量子电路和所述相对应的分解系数是根据如权利要求1-8中任一项所述的方法对所述量子噪声信道的逆映射进行分解而确定的。
13.一种电子设备，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。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-8中任一项所述的方法。
16.一种电子设备，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9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，其中，所述计算机指令用于使所述计算机执行根据权利要求9所述的方法。
18.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求9所述的方法。
CN202110322443.2A 2021-03-25 2021-03-25 量子噪声信道的逆映射分解方法及装置、电子设备和介质 Active CN113098803B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110322443.2A CN113098803B (zh) 2021-03-25 2021-03-25 量子噪声信道的逆映射分解方法及装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110322443.2A CN113098803B (zh) 2021-03-25 2021-03-25 量子噪声信道的逆映射分解方法及装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN113098803A true CN113098803A (zh) 2021-07-09
CN113098803B CN113098803B (zh) 2021-11-02

Family

ID=76670006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110322443.2A Active CN113098803B (zh) 2021-03-25 2021-03-25 量子噪声信道的逆映射分解方法及装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN113098803B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113676266A (zh) * 2021-08-25 2021-11-19 东南大学 一种基于量子生成对抗网络的信道建模方法
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
CN114819163A (zh) * 2022-04-11 2022-07-29 合肥本源量子计算科技有限责任公司 量子生成对抗网络的训练方法、装置、介质及电子装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI820745B (zh) * 2022-06-10 2023-11-01 鴻海精密工業股份有限公司 量子輔助學習系統及其操作方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107832851A (zh) * 2017-10-19 2018-03-23 南京邮电大学 一种基于级联ghz态编码的逻辑量子比特量子门构造方法
US20180232652A1 (en) * 2016-11-10 2018-08-16 Rigetti & Co., Inc. Generating Quantum Logic Control Sequences for Quantum Information Processing Hardware
WO2019163866A1 (ja) * 2018-02-26 2019-08-29 国立大学法人京都大学 量子回路学習装置、量子回路学習方法、コンピュータプログラム、及び記録媒体
CN111598246A (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
CN111882068A (zh) * 2020-06-29 2020-11-03 北京百度网讯科技有限公司 一种消除qaoa量子电路噪声影响的方法、装置、设备及介质
CN112529194A (zh) * 2020-12-07 2021-03-19 北京百度网讯科技有限公司 消除量子噪声的方法及装置、计算机设备、介质和产品

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180232652A1 (en) * 2016-11-10 2018-08-16 Rigetti & Co., Inc. Generating Quantum Logic Control Sequences for Quantum Information Processing Hardware
CN107832851A (zh) * 2017-10-19 2018-03-23 南京邮电大学 一种基于级联ghz态编码的逻辑量子比特量子门构造方法
WO2019163866A1 (ja) * 2018-02-26 2019-08-29 国立大学法人京都大学 量子回路学習装置、量子回路学習方法、コンピュータプログラム、及び記録媒体
US20200394550A1 (en) * 2018-02-26 2020-12-17 Kyoto University Quantum Circuit Learning Device, Quantum Circuit Learning Method, and Recording Medium
CN111598246A (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
CN111882068A (zh) * 2020-06-29 2020-11-03 北京百度网讯科技有限公司 一种消除qaoa量子电路噪声影响的方法、装置、设备及介质
CN112529194A (zh) * 2020-12-07 2021-03-19 北京百度网讯科技有限公司 消除量子噪声的方法及装置、计算机设备、介质和产品

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BOULAT A.BASH ET AL.: "Quantum noise limited optical communication with low probability of detection", 《2013 IEEE INTERNATIONAL SYMPOSIUM ON INFORMATION THEORY》 *
刘凯: "应用于量子通信的噪声抑制单光子探测电路设计", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 *
王宝伟等: "一种改进的混合量子遗传算法", 《计算机科学》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113676266A (zh) * 2021-08-25 2021-11-19 东南大学 一种基于量子生成对抗网络的信道建模方法
CN113676266B (zh) * 2021-08-25 2022-06-21 东南大学 一种基于量子生成对抗网络的信道建模方法
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
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
CN114819163A (zh) * 2022-04-11 2022-07-29 合肥本源量子计算科技有限责任公司 量子生成对抗网络的训练方法、装置、介质及电子装置
CN114819163B (zh) * 2022-04-11 2023-08-08 本源量子计算科技（合肥）股份有限公司 量子生成对抗网络的训练方法、装置、介质及电子装置

Also Published As

Publication number Publication date
CN113098803B (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN113098803B (zh) 量子噪声信道的逆映射分解方法及装置、电子设备和介质
CN113011593B (zh) 消除量子测量噪声的方法及系统、电子设备和介质
CN113298262B (zh) 量子设备去噪方法和装置、电子设备、计算机可读介质
JP2022529187A (ja) 量子系をシミュレートするための量子変分法、装置及び記憶媒体
CN114037084B (zh) 量子测量设备校准方法及装置、电子设备和介质
CN113792880B (zh) 基于脉冲的量子门实现方法及装置、电子设备和介质
CN114021728B (zh) 量子数据测量方法及系统、电子设备和介质
CN113098802B (zh) 量子噪声信道的逆映射分解方法及装置、电子设备和介质
CN114239840A (zh) 量子信道噪声系数估计方法及装置、电子设备和介质
CN112529196B (zh) 量子纠缠探测方法、装置、电子设备及存储介质
CN114580647A (zh) 量子系统的模拟方法、计算设备、装置及存储介质
CN112990472B (zh) 消除量子噪声的方法及装置、电子设备和介质
CN115345309A (zh) 系统特征信息的确定方法、装置、电子设备和介质
CN113902118B (zh) 量子测量设备校准方法及装置、电子设备和介质
CN112529195B (zh) 量子纠缠探测方法、装置、电子设备及存储介质
CN115329971A (zh) 消除振幅阻尼噪声的方法及装置、电子设备和介质
CN115310618A (zh) 量子操作中的量子噪声消除方法及装置、电子设备和介质
CN114429218A (zh) 消除量子噪声的方法及装置、电子设备和介质
CN114580649A (zh) 消除量子泡利噪声的方法及装置、电子设备和介质
CN113517040B (zh) 量子本征求解器的实现方法、装置及电子设备
CN114492823A (zh) 消除量子噪声的方法及装置、电子设备和介质
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
CN113065659B (zh) 消除量子噪声的方法及装置、电子设备和介质
CN115941059B (zh) 量子通信实现方法及装置、电子设备和介质
CN114970871B (zh) 量子噪声强度确定方法及装置、电子设备和介质

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