CN113190719A - 节点分组方法、装置及电子设备 - Google Patents
节点分组方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113190719A CN113190719A CN202110500446.0A CN202110500446A CN113190719A CN 113190719 A CN113190719 A CN 113190719A CN 202110500446 A CN202110500446 A CN 202110500446A CN 113190719 A CN113190719 A CN 113190719A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- target
- grouping
- measurement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005259 measurement Methods 0.000 claims abstract description 355
- 238000010586 diagram Methods 0.000 claims abstract description 157
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 230000006870 function Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 15
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 239000002096 quantum dot Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Genetics & Genomics (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Complex Calculations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Error Detection And Correction (AREA)
Abstract
本申请公开了节点分组方法、装置及电子设备,涉及量子计算中的演化计算领域。具体实现方案为:获取待分组节点图,待分组节点图包括M个第一节点;基于待分组节点图构造QAOA的节点线路图,节点线路图包括K个节点,K个节点包括M个第一节点;生成节点线路图的量子纠缠态,量子纠缠态包括K个节点在节点线路图中的目标量子态;基于K个节点在节点线路图中的目标量子态,依次对K个节点中每个节点进行分组测量,得到M个第一节点的目标分组测量结果;基于目标分组测量结果,确定M个第一节点的分组输出结果。根据本申请的技术,解决了节点分组时QAOA算法演化效果比较差的问题,提高了QAOA算法的演化效果,从而提高了节点分组的效果。
Description
技术领域
本申请涉及量子计算技术领域,尤其涉及量子计算中的演化计算领域,具体涉及一种节点分组方法、装置及电子设备。
背景技术
最大割问题是图论和组合优化中一个基本的问题,也是被证明为多项式复杂程度的非确定性(Non-deterministic Polynomial,NP)-困难问题,该最大割问题指的是将节点图中节点集合划分为互补的两组节点,使得节点图中连接两组节点的边数和最大,其广泛应用于统计物理、图像处理、网络设计、超大规模集成电路设计和数据聚类分析等众多领域。
目前,可以采用量子近似优化算法(Quantum Approximate OptimizationAlgorithm,QAOA)来近似求解最大割问题,该QAOA算法通常在量子电路模型中进行演化。
发明内容
本公开提供了一种节点分组方法、装置及电子设备。
根据本公开的第一方面,提供了一种节点分组方法,包括:
获取待分组节点图,所述待分组节点图包括M个第一节点,M为大于1的整数;
基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点,K为大于或者等于M的整数;
生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态;
基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果;
基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。
根据本公开的第二方面,提供了一种节点分组装置,包括:
获取模块,用于获取待分组节点图,所述待分组节点图包括M个第一节点,M为大于1的整数;
构造模块,用于基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点,K为大于或者等于M的整数;
生成模块,用于生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态;
分组测量模块,用于基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果;
确定模块,用于基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。
根据本公开的第三方面,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;其中,
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第一方面中的任一项方法。
根据本公开的第四方面,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第一方面中的任一项方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现第一方面中的任一项方法。
根据本申请的技术解决了节点分组时QAOA算法演化效果比较差的问题,提高了QAOA算法的演化效果,从而提高了节点分组的效果。
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,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的节点分组方法的流程示意图;
图2为本申请实施例中一示例的待分组节点图的结构示意图;
图3是第一节点图的结构示意图;
图4是第二节点图的结构示意图;
图5是QAOA的节点线路图的结构示意图;
图6是根据本申请第二实施例的节点分组装置的结构示意图;
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。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
第一实施例
如图1所示,本申请提供一种节点分组方法,包括如下步骤:
步骤S101:获取待分组节点图,所述待分组节点图包括M个第一节点。
其中,M为大于1的整数。
本实施例中,节点分组方法涉及量子计算技术领域,尤其涉及量子计算中的演化计算领域,其可以广泛应用于统计物理、图像处理、网络设计、超大规模集成电路设计和数据聚类分析等众多领域。
实际使用时,本申请实施例的节点分组方法,可以由本申请实施例的节点分组装置执行。本申请实施例的节点分组装置可以配置在任意电子设备中,以执行本申请实施例的节点分组方法。电子设备可以为服务器,也可以为终端,这里不做具体限定。
所述待分组节点图指的是无向图,其由至少一个节点和无向边组成,参见图2,图2为本申请实施例中一示例的待分组节点图的结构示意图,如图2所示,该待分组节点图包括节点1、节点2、节点3和节点4,以及包括由这四个节点组成的无向边。其中,由这四个节点组成的无向边指的是连接这四个节点中相邻两个节点的无向边。
可以按照最大割问题,将该待分组节点图中的M个第一节点进行分组。其中,最大割问题具体描述如下:给定一个待分组节点图,用G=(V,E)表示,即图G,V为节点集合,E为无向边集合,需要将节点集合中的节点划分为互补的两组,分别用V0和V1表示,使得待分组节点图中连接两组节点的边数和最大。
数学上,节点集合的分组测量结果可以用一个M比特的字符串z=z1...zM表示,其中,M为待分组节点图的节点数量,zi=0表示节点i属于分组V0,zi=1表示节点i属于分组V1,这样可以得到节点集合相应的分组方式,则最大割问题就是求解如下式(1)的组合优化问题:
如图2所示,在节点分组时,可以将节点1和节点2分成一组,将节点3和节点4分成另一组,连接这两组节点的边包括连接节点2和节点3的无向边和连接节点1和节点4的无向边,其边数和为2。而将节点1和节点3分成一组,将节点2和节点4分成另一组,连接这两组节点的边包括连接节点1和节点2的无向边、连接节点1和节点4的无向边、连接节点2和节点3的无向边,连接节点3和节点4的无向边,其边数和为4。而求解最大割问题的目的即是通过演化算法,实现对这四个节点进行分组,以使得待分组节点图中连接两组节点的边数和最大,如针对该待分组节点图,求解该最大割问题即是将节点1和节点3分成一组,将节点2和节点4分成另一组。
所述待分组节点图的获取方式可以有多种,比如,接收用户输入的图构造参数,自动构造出待分组节点图,该构造参数可以包括节点数量、边数量以及构造方式。也可以获取节点分组装置预先存储的节点图,将其作为待分组节点图,还可以接收其他电子设备发送的待分组节点图。
步骤S102:基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点。
其中,K为大于或者等于M的整数。
本实施例中,可以采用QAOA算法来解决最大割问题,QAOA算法为Edward Farhi等人通过经典计算与量子计算混合迭代的思路所提出的量子算法,其可以在量子计算设备上运行。
在进行QAOA算法演化时,首先需要构造QAOA的节点线路图,所述节点线路图指的是由K个节点和连接这K个节点的无向边的空间图,其可以包括多个图层,其每个图层均可以基于待分组节点图进行构造,并且,每个图层可以包括待分组节点图中的M个第一节点,即所述K个节点包括所述M个第一节点。
简单来说,若将该节点线路图看成是一个整体系统,则该节点线路图可以包括多个子系统,其内的每个图层均可以看成是一个子系统,且每个子系统可以基于待分组节点图生成。
可以基于所述待分组节点图构造QAOA的节点线路图,在一可选实施方式中,其构造方式可以如下:
在所述待分组节点图的每条无向边上添加第二节点,得到第一节点图;
将所述待分组节点图的每条无向边进行剔除,得到第二节点图;
将所述第一节点图和第二节点图依次平行的交替堆叠,以构成QAOA的节点线路图,所述第一节点图的数量大于所述第二节点图的数量;
其中,所述K个节点还包括添加的第二节点。
另外,也可以采用其他的方式进行构造,其原则是不同方式构造出来的QAOA的节点线路图的结构相同,这里不对节点线路图的构造方式进行限定。
步骤S103:生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态。
该步骤中,量子纠缠态指的是描述该节点线路图这个整体系统的物理状态,其可以为一个向量如列向量,包括所述K个节点在所述节点线路图的目标量子态,且每个节点均可以存在一个在所述节点线路图的目标量子态,每个节点在节点线路图的目标量子态可以由一个量子比特的量子态来表征。其中,在量子物理中,量子态指的是描述一个孤立系统的状态,包含了系统所有的信息,也就是说,量子纠缠态中包括了节点线路图的所有节点在节点线路图这个整体系统中的量子态。
所述节点线路图的量子纠缠态的生成方式可以有多种,在一可选实施方式中,所述生成所述节点线路图的量子纠缠态,包括:
生成所述K个节点中每个节点的量子态;
基于所述K个节点中每个节点的量子态进行张量积运算,得到第一运算结果;
对Q个控制信息进行张量积和矩阵乘法运算,得到第二运算结果,Q基于所述节点线路图中包括的无向边的数量确定,所述控制信息为控制Z门对应的信息;
对所述第一运算结果和第二运算结果进行乘法运算,得到所述节点线路图的量子纠缠态。
该实施方式中,可以在节点分组装置中基于节点线路图的结构来构造节点线路图的量子纠缠态,如此在本地可以实现QAOA算法的演化。
在另一可选实施方式中,所述生成所述节点线路图的量子纠缠态,包括:
获取所述节点线路图对应的团簇态;
基于所述节点线路图对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
该实施方式中,节点分组装置可以基于构造的QAOA的节点线路图,向另一电子设备如云端量子服务器请求合适大小的团簇态,以获取所述节点线路图对应的团簇态,该团簇态指的是系统的通用量子纠缠态。之后,按照构造的QAOA的节点线路图的结构对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
由于请求的团簇态是一种与QAOA算法无关的通用量子态,另一电子设备如云端量子服务器无法知道使用的是什么数据以及执行的是什么算法,从而在QAOA算法演化时可以保护用户的隐私和计算安全。
步骤104:基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果。
QAOA算法通常在量子电路模型的框架下进行演化,来解决待分组节点图对应的最大割问题。然而,由于量子电路模型在物理实验上的量子比特相干时间非常短,基于量子电路模型所设计的量子算法会受到相干时间的限制,导致量子电路的层数不能太深。
这样,在演化QAOA算法时由于需要按顺序依次对量子态进行量子门操作,因此,算法演化时会受到相干时间的限制,导致在物理实现上无法实现采用深层的量子电路去达到需要的算法演化效果,从而使得QAOA算法的演化效果会比较差。
该步骤中,可以对制备的QAOA的节点线路图的量子纠缠态,以单个量子比特的测量方式依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果。
具体的,可以基于所述K个节点在所述节点线路图的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述K个节点的分组测量结果,之后可以基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果。
比如,节点线路图包括30个节点,则量子纠缠态中包括30个量子比特的量子态,可以依次针对每个量子比特的量子态,对该量子比特的量子态对应的节点进行分组测量,得到该节点的分组测量结果,最终可以得到该30个节点的分组测量结果。
由于在分组测量过程中,分组测量结果存在依赖关系,即依次排列在后面进行分组测量的节点的分组测量结果可能依赖之前进行分组测量的节点的分组测量结果,因此,在分组测量时,需要按照预设顺序依次对节点线路图中的节点进行分组测量,针对该预设顺序,后续实施方式再对此进行详细阐述。
并且,由于第一节点的目标分组测量结果依赖于所述K个节点中最后进行分组测量的节点的分组测量结果,因此,需要将所述K个节点的分组测量结果确定后,才能基于所述K个节点的分组测量结果去确定所述M个第一节点的目标分组测量结果。而基于所述K个节点的分组测量结果确定所述M个第一节点的目标分组测量结果的具体过程,后续实施方式再对此进行详细阐述。
所述M个第一节点中每个第一节点的目标分组测量结果可以有两种情况,每种情况可以表征节点所属的分组,第一种情况可以用数值0表征,表示节点属于分组V0,第二种情况可以用1表征,表示节点属于分组V1。
步骤105:基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。
所述M个第一节点的一个目标分组测量结果可以为一个比特串,用o表示,其比特数量为M,如M为4时,o可以表示为4个比特的01字符串,基于该01字符串,可以确定所述M个第一节点的分组输出结果。
比如,如图2所示,M个第一节点的目标分组测量结果o为“0101”,从左至右的顺序,可以分别表示节点1、节点2、节点3和节点4的分组情况,则分组输出结果可以为节点1和节点3分成一组,节点2和节点4分成另一组,可以表示为V0={1,3},V1={2,4}。
可以基于所述M个第一节点的一个目标分组测量结果,确定所述M个第一节点的分组输出结果,也可以基于所述M个第一节点的多个目标分组测量结果,确定所述M个第一节点的分组输出结果,这里不进行具体限定。
在实际应用中,由于分组测量的随机性,因此,可以对该步骤执行N次,得到所述M个第一节点的N个目标分组测量结果,N为正整数,通常大于1,基于该N个目标分组测量结果确定所述M个第一节点的分组输出结果,具体可以将N个目标分组测量结果中出现频率最高的目标分组测量结果对应的分组方式确定为所述M个第一节点的分组输出结果。
比如,N个目标分组测量结果中比特串“0101”出现的频率最高,该目标分组测量结果对应的分组方式为节点1和节点3分成一组,节点2和节点4分成另一组,则所述M个第一节点的分组输出结果可以为V0={1,3},V1={2,4}。
另外,分组测量过程中的测量方式基于角度信息确定,角度信息不同,测量方式也会不同,最终得出的分组效果也会不同,因此,可以对该步骤执行N次,以确定该角度信息的测量方式下的分组得分情况,基于该分组得分情况更新角度信息,并基于该更新的角度信息重复进行分组测试,最终达到提高分组效果的目的。
本实施例中,通过获取待分组节点图,所述待分组节点图包括M个第一节点;基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点;生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态;基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果;基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。如此,可以基于QAOA的量子纠缠态进行单个量子比特的测量,以依次针对每个节点进行分组测量,这样在进行算法演化时可以避免按顺序依次对量子态进行量子门操作,从而可以减少对相干时间的限制,提高QAOA算法的演化效果,进而可以提高节点分组的效果。
并且,本实施例中用于解决最大割问题的QAOA算法的该演化方式在离子阱和量子光学等硬件平台上更容易实现。
可选的,所述待分组节点图包括由所述M个第一节点组成的无向边,所述步骤S102具体包括:
在所述待分组节点图的每条无向边上添加第二节点,得到第一节点图;
将所述待分组节点图的每条无向边进行剔除,得到第二节点图;
将所述第一节点图和第二节点图依次平行的交替堆叠,以构成QAOA的节点线路图,所述第一节点图的数量大于所述第二节点图的数量;
其中,所述K个节点还包括添加的第二节点,所述节点线路图还包括由所述K个节点组成的无向边。
本实施方式中,参见图3,图3是第一节点图的结构示意图,图3是在图2的基础上生成的第一节点图,如图3所示,可以在待分组节点图的每条无向边上的中心点添加第二节点,得到第一节点图,该第一节点图可以称之为该待分组节点图的装饰图。
参见图4,图4是第二节点图的结构示意图,图4是在图2的基础上生成的第二节点图,如图4所示,可以将待分组节点图的所有无向边删除,得到第二节点图,该第二节点图可以称之为待分组节点图的去边图,记为 表示去边图没有无向边,为空集。
根据以上定义,参见图5,图5是QAOA的节点线路图的结构示意图,如图5所示,给定图G和正整数p,对应的QAOA图构造如下:先按照的顺序将图层依次并行的排列起来,然后在相邻图层之间按对应节点添加新的无向边,用和表示,v∈V,i,j∈{1,...,p-1},最终生成一个QAOA图,记为QAOA(G,p)。其中,p等于第一节点图的拷贝数量,最终得到的QAOA图中包括2p-1个图层。
本实施方式中,通过在所述待分组节点图的每条无向边上添加第二节点,得到第一节点图;将所述待分组节点图的每条无向边进行剔除,得到第二节点图;将所述第一节点图和第二节点图依次平行的交替堆叠,以构成QAOA的节点线路图,所述第一节点图的数量大于所述第二节点图的数量。如此,可以很简单地构造出QAOA图,为后续的分组测量奠定基础。
可选的,所述步骤S104具体包括:
基于所述K个节点在所述节点线路图中的目标量子态,根据所述节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,得到所述K个节点的分组测量结果;
基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果。
本实施方式中,在分组测量时,需要按照预设顺序依次对节点线路图中的节点进行分组测量,该预设顺序可以包括节点线路图中节点图的堆叠顺序,以按照节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量。
具体的,可以首先对第1个第一节点图中每个节点进行分组测量,测量完成之后,再对堆叠在第1个第一节点图之后的第1个第二节点图中每个节点进行分组测量,之后,再对第2个第一节点图中每个节点进行分组测量,依次类推,最终对最后一个第一节点图即第p个第一节点图中的每个节点进行分组测量,直到得到所述K个节点的分组测量结果。
在分组测量过程中,后面测量的节点图中节点的分组测量结果可能依赖于前面测量的节点图中节点的分组测量结果,其依赖关系将在下述实施方式中进行详细阐述。
这样,通过按照节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,如此,可以实现对节点线路图中每个节点进行分组测量,得到所述K个节点的分组测量结果。
可选的,所述基于所述K个节点在所述节点线路图中的目标量子态,根据所述节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,得到所述K个节点的分组测量结果,包括:
针对第一节点图中每个第二节点,基于所述第二节点在所述节点线路图中的目标量子态,采用第一目标测量方式对所述第二节点进行分组测量,以得到所述第一节点图中第二节点的分组测量结果,所述第一目标测量方式为第一测量方式中测量角度基于第一目标节点图中第一节点的分组测量结果和第一角度信息确定的测量方式,所述第一目标节点图为堆叠在所述第一节点图之前的第二节点图;
在所述第一节点图之后堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第二目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第二目标测量方式为第二测量方式中测量角度为0的测量方式;
针对第二节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第三目标测量方式对所述第一节点进行分组测量,以得到所述第二节点图中M个第一节点的分组测量结果,所述第三目标测量方式为第二测量方式中测量角度基于第二目标节点图中节点的分组测量结果和第二角度信息确定的测量方式,所述第二目标节点图为堆叠在所述第二节点图之前的第一节点图;
在第一节点图之后无堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第四目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第四目标测量方式为第一测量方式中测量角度基于所述第一节点图中第二节点的分组测量结果和第二角度信息确定的测量方式。
本实施方式中,在生成QAOA图的量子纠缠态之后,可以采用单比特测量方案基于所述量子纠缠态对节点线路图中每个节点进行分组测量,以下将详细阐述单比特测量方案。
在该单比特测量方案中,主要包括两种测量方式,分别为第一测量方式和第二测量方式,每一种测量方式由一对带参数的正交向量给出,该参数可以为测量角度参数。
具体的,输入角度信息,包括第一角度信息和第二角度信息,第一角度信息为向量γ=(γ1,...,γp),第二角度信息为向量β=(β1,...,βp)。
首先,基于图层即第一节点图上的每个第二节点[(uv)]i的目标量子态,分组测量每个第二节点上的量子比特,其测量方式为第一目标测量方式,第一目标测量方式为第一测量方式中测量角度基于堆叠在所述第一节点图之前的第二节点图中第一节点的分组测量结果和第一角度信息确定的测量方式,其测量角度用下式(2)表示。
其中,当i等于1时,即当第一节点图为节点线路图中的第一个节点图,且该节点线路图包括多个节点图时,可以定义求和表示堆叠在所述第一节点图之前的第二节点图中序号v表示的第一节点的分组测量结果,表示堆叠在所述第一节点图之前的第二节点图中序号u表示的第一节点的分组测量结果。
基于图层即第一节点图上的每个第一节点[v]i的目标量子态,分组测量每个第一节点上的量子比特,其测量方式为第二目标测量方式,第二目标测量方式为第二测量方式中测量角度为0的测量方式即测量方式χ,记录图层上的每个第一节点[v]i的分组测量结果为s([v]i)。
基于图层即第二节点图上的每个第一节点的目标量子态,分组测量每个第一节点上的量子比特,其测量方式为第三目标测量方式,第三目标测量方式为第二测量方式中测量角度基于堆叠在所述第二节点图之前的第一节点图中节点的分组测量结果和第二角度信息确定的测量方式,其测量角度用下式(3)表示。
其中,i的取值可以为1至p-1任一正整数,p为正整数,通常为大于1的整数。
基于上述分组测量过程,可以测量出第p个第一节点图即最后一个图层之前的所有图层中节点的分组测量结果。
另外,针对第p个第一节点图,可以基于图层上的每个第二节点[(uv)]p的目标量子态,分组测量每个第二节点上的量子比特,其测量方式为第一目标测量方式,第一目标测量方式为第一测量方式中测量角度基于堆叠在所述第一节点图之前的第二节点图中第一节点的分组测量结果和第一角度信息确定的测量方式,其测量角度用下式(4)表示。
基于图层上的每个第一节点[v]p的目标量子态,分组测量每个第一节点上的量子比特,其测量方式为第四目标测量方式,第四目标测量方式为第一测量方式中测量角度基于第p个第一节点图中第二节点的分组测量结果和第二角度信息确定的测量方式。另外,当节点线路图中包括多个第一节点图的情况下,第四目标测量方式具体为第一测量方式中测量角度基于第p个第一节点图中第二节点的分组测量结果、堆叠在所述第p个第一节点图之前的第一节点图中节点的分组测量结果以及和第二角度信息确定的测量方式,其测量角度用下式(5)表示。
如此,可以测量得到的K个节点的分组测量结果,基于得到的K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果,从而可以采用单比特测量方案实现对所述M个第一节点的分组,进而使得用户只需要具备单比特测量装置,即可实现节点分组,大大简化了测量装置。
可选的,所述基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果,包括:
针对所述M个第一节点中每个第一节点,对第p个第一节点图中所述第一节点的分组测量结果和第三目标节点图中所述第一节点的分组测量结果进行求和处理,得到所述第一节点对应的目标值,所述第三目标节点图为堆叠在所述第p个第一节点图之前的第二节点图,p等于所述第一节点图的数量;对所述目标值进行取模运算,得到所述第一节点的目标分组测量结果。
本实施方式中,针对所述M个第一节点中每个第一节点,可以采用下式(6)确定其目标分组测量结果。
其中,o(v)表示所述M个第一节点中第一节点v的目标分组测量结果,s([v]p)表示第p个第一节点图即最后一个第一节点图中第一节点v的分组测量结果,表示第p个第一节点图之前的第二节点图中第一节点v的分组测量结果,对所有第二节点图中第一节点v的分组测量结果进行求和,并加上最后一个第一节点图中第一节点v的分组测量结果,得到第一节点v对应的目标值,将其进行模2运算,最终得到第一节点v的目标分组测量结果。
每个第一节点都采用相似的方式确定其目标分组测量结果,最终得到所述M个第一节点的目标分组测量结果o,其中,o=(o(1),...,o(M))。如此,可以对所述K个节点中每个节点进行分组测量,实现对所述M个第一节点的目标分组测量结果的确定。
可选的,所述步骤S104具体包括:
对目标分组操作执行N次,得到所述M个第一节点的N个目标分组测量结果,N为正整数,所述目标分组操作为:基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量;
基于所述N个目标分组测量结果,确定第一目标函数值,所述第一目标函数值用于表征对目标分组操作执行N次中所述M个第一节点的分组得分情况;
基于所述第一目标函数值更新所述目标分组操作中的角度信息,所述角度信息用于确定所述目标分组操作中对所述K个节点中每个节点进行分组测量的测量角度;
基于更新的所述角度信息,再次对所述目标分组操作执行N次,以确定第二目标函数值;
在所述第一目标函数值和第二目标函数之间的差值小于预设阈值的情况下,将所述N个目标分组测量结果中出现频率最高的目标分组测量结果对应的分组方式确定为所述M个第一节点的分组输出结果。
本实施方式中,由于分组测量的随机性,因此,可以对该步骤执行N次,得到所述M个第一节点的N个目标分组测量结果。
另外,由于分组测量过程中的测量方式基于角度信息确定,且角度信息不同,测量方式也会不同,最终得出的分组效果也会不同,因此,可以对该步骤执行N次,以确定该角度信息的测量方式下的分组得分情况,基于该分组得分情况更新角度信息,并基于该更新的角度信息重复进行分组测试,最终达到提高分组效果的目的。
具体的,可以执行单比特测量方案的算法即目标分组操作N次,记录每次输出的目标分组测量结果,得到所述M个第一节点的N个目标分组测量结果,分别用oi表示,其中,i=1,...,N。其中,目标分组操作可以采用上述实施方式的单比特测量方案进行分组测量。
之后,基于所述第一目标函数值通过经典优化器优化cp(γ,β)并更新γ和β即角度信息的取值。
基于更新的所述角度信息即目标分组操作中的第一角度信息和第二角度信息,再次对所述目标分组操作执行N次,即循环上述步骤,以得到第二目标函数值,直至连续两次得到的第一目标函数值和第二目标函数值的差值小于预设阈值,此时,停止运行,并将所述N个目标分组测量结果中出现频率最高的目标分组测量结果对应的分组方式确定为所述M个第一节点的分组输出结果,输出分组输出结果z*=argmaxpγ,β(z)。其中,该预设阈值可以根据实际情况进行设置,其可以为预先输入的参数。
比如,N个目标分组测量结果中比特串“0101”出现的频率最高,该目标分组测量结果对应的分组方式为节点1和节点3分成一组,节点2和节点4分成另一组,则所述M个第一节点的分组输出结果可以为比特串“0101”,表明分组V0={1,3},V1={2,4}。
可选的,所述步骤S103具体包括:
生成所述K个节点中每个节点的量子态;
基于所述K个节点中每个节点的量子态进行张量积运算,得到第一运算结果;
对Q个控制信息进行张量积和矩阵乘法运算,得到第二运算结果,Q基于所述节点线路图中包括的无向边的数量确定,所述控制信息为控制Z门对应的信息;
对所述第一运算结果和第二运算结果进行乘法运算,得到所述节点线路图的量子纠缠态。
本实施方式描述的是节点分组装置基于QAOA图构造该QAOA图的量子纠缠态的过程,其中,QAOA的量子纠缠态可以称之为QAOA图的图态。
具体的,对于QAOA图,可以生成所述K个节点中每个节点的量子态,该量子态为节点在相应图层即子系统上的物理状态,在具体实现中,可以制备一个量子态态。如果两个节点之间连接有无向边,则在这两个节点对应的量子态上作用一个控制Z门,控制Z门的控制信息和为泡利矩阵。
其中,在这两个节点对应的量子态上作用一个控制Z门指的是将两个节点的量子态进行张量积运算,之后再与控制Z门对应的控制信息进行矩阵乘法运算,得到输出。
由于控制Z门为是对角形式,且不区分控制比特和受控比特,因此,可以将多个控制Z门一次性作用于节点线路图上,具体可以基于所述K个节点中每个节点的量子态进行张量积运算,得到第一运算结果;再对Q个控制信息进行张量积和矩阵乘法运算,得到第二运算结果,Q为节点线路图中包括的无向边的数量,之后对第一运算结果和第二运算结果进行乘法运算,得到所述节点线路图的量子纠缠态,这样使得运算比较浅,从而可以进一步提高算法演化的效果。
比如,针对图G,可以采用如下式(7)来生成图G的图态。
而采用上式(7)同样的方式,可以生成QAOA图对应的图态,用|QAOA(G,p)>表示,即QAOA的量子纠缠态。
本实施方式中,可以在节点分组装置中基于节点线路图的结构来构造节点线路图的量子纠缠态,如此在本地可以实现QAOA算法的演化。
可选的,所述步骤S103具体包括:
获取所述节点线路图对应的团簇态;
基于所述节点线路图对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
本实施方式中,节点分组装置可以基于构造的QAOA的节点线路图,向另一电子设备如云端量子服务器请求合适大小的团簇态,以获取所述节点线路图对应的团簇态,该团簇态指的是系统的通用量子纠缠态。之后,按照构造的QAOA的节点线路图的结构对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
由于请求的团簇态是一种与QAOA算法无关的通用量子态,另一电子设备如云端量子服务器无法知道使用的是什么数据以及执行的是什么算法,从而可以将QAOA算法应用在量子互联网中进行安全代理计算,在QAOA算法演化的同时可以保护用户的隐私和计算安全。
第二实施例
如图6所示,本申请提供一种节点分组装置600,包括:
获取模块601,用于获取待分组节点图,所述待分组节点图包括M个第一节点,M为大于1的整数;
构造模块602,用于基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点,K为大于或者等于M的整数;
生成模块603,用于生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态;
分组测量模块604,用于基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果;
确定模块605,用于基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。
可选的,其中,所述待分组节点图包括由所述M个第一节点组成的无向边,所述构造模块602包括:
添加单元,用于在所述待分组节点图的每条无向边上添加第二节点,得到第一节点图;
剔除单元,用于将所述待分组节点图的每条无向边进行剔除,得到第二节点图;
交替堆叠单元,用于将所述第一节点图和第二节点图依次平行的交替堆叠,以构成QAOA的节点线路图,所述第一节点图的数量大于所述第二节点图的数量;
其中,所述K个节点还包括添加的第二节点,所述节点线路图还包括由所述K个节点组成的无向边。
可选的,其中,所述分组测量模块604包括:
分组测量单元,用于基于所述K个节点在所述节点线路图中的目标量子态,根据所述节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,得到所述K个节点的分组测量结果;
第一确定单元,用于基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果。
可选的,其中,所述分组测量单元具体用于:
针对第一节点图中每个第二节点,基于所述第二节点在所述节点线路图中的目标量子态,采用第一目标测量方式对所述第二节点进行分组测量,以得到所述第一节点图中第二节点的分组测量结果,所述第一目标测量方式为第一测量方式中测量角度基于第一目标节点图中第一节点的分组测量结果和第一角度信息确定的测量方式,所述第一目标节点图为堆叠在所述第一节点图之前的第二节点图;
在所述第一节点图之后堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第二目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第二目标测量方式为第二测量方式中测量角度为0的测量方式;
针对第二节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第三目标测量方式对所述第一节点进行分组测量,以得到所述第二节点图中M个第一节点的分组测量结果,所述第三目标测量方式为第二测量方式中测量角度基于第二目标节点图中节点的分组测量结果和第二角度信息确定的测量方式,所述第二目标节点图为堆叠在所述第二节点图之前的第一节点图;
在第一节点图之后无堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第四目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第四目标测量方式为第一测量方式中测量角度基于所述第一节点图中第二节点的分组测量结果和第二角度信息确定的测量方式。
可选的,其中,所述第一确定单元,具体用于针对所述M个第一节点中每个第一节点,对第p个第一节点图中所述第一节点的分组测量结果和第三目标节点图中所述第一节点的分组测量结果进行求和处理,得到所述第一节点对应的目标值,所述第三目标节点图为堆叠在所述第p个第一节点图之前的第二节点图,p等于所述第一节点图的数量;对所述目标值进行取模运算,得到所述第一节点的目标分组测量结果。
可选的,其中,所述分组测量模块604包括:
第一执行单元,用于对目标分组操作执行N次,得到所述M个第一节点的N个目标分组测量结果,N为正整数,所述目标分组操作为:基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量;
第二确定单元,用于基于所述N个目标分组测量结果,确定第一目标函数值,所述第一目标函数值用于表征对目标分组操作执行N次中所述M个第一节点的分组得分情况;
更新单元,用于基于所述第一目标函数值更新所述目标分组操作中的角度信息,所述角度信息用于确定所述目标分组操作中对所述K个节点中每个节点进行分组测量的测量角度;
第二执行单元,用于基于更新的所述角度信息,再次对所述目标分组操作执行N次,以确定第二目标函数值;
第三确定单元,用于在所述第一目标函数值和第二目标函数之间的差值小于预设阈值的情况下,将所述N个目标分组测量结果中出现频率最高的目标分组测量结果对应的分组方式确定为所述M个第一节点的分组输出结果。
可选的,其中,所述生成模块603包括:
生成单元,用于生成所述K个节点中每个节点的量子态;
第一运算单元,用于基于所述K个节点中每个节点的量子态进行张量积运算,得到第一运算结果;
第二运算单元,用于对Q个控制信息进行张量积和矩阵乘法运算,得到第二运算结果,Q基于所述节点线路图中包括的无向边的数量确定,所述控制信息为控制Z门对应的信息;
第三运算单元,用于对所述第一运算结果和第二运算结果进行乘法运算,得到所述节点线路图的量子纠缠态。
可选的,其中,所述生成模块603包括:
获取单元,用于获取所述节点线路图对应的团簇态;
裁剪单元,用于基于所述节点线路图对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
本申请提供的节点分组装置600能够实现节点分组方法实施例实现的各个过程,且能够达到相同的有益效果,为避免重复,这里不再赘述。
根据本申请的实施例,本申请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/或者要求的本申请的实现。
如图7所示,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RAM703中,还可以存储设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM703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。
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、调整解调器、无线通信收发机等。通信单元709允许设备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,例如节点分组方法。例如,在一些实施例中,节点分组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ROM702和/或通信单元709而被载入和/或安装到设备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节点分组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法(例如,借助于固件)而被配置为执行节点分组方法。
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辑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、便携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)、互联网和区块链网络。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本发申请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,只要能够实现本申请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,并不构成对本申请保护范围的限制。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。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种节点分组方法,包括:
获取待分组节点图,所述待分组节点图包括M个第一节点,M为大于1的整数;
基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点,K为大于或者等于M的整数;
生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态;
基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果;
基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。
2.根据权利要求1所述的方法,其中,所述待分组节点图包括由所述M个第一节点组成的无向边,所述基于所述待分组节点图构造QAOA的节点线路图,包括:
在所述待分组节点图的每条无向边上添加第二节点,得到第一节点图;
将所述待分组节点图的每条无向边进行剔除,得到第二节点图;
将所述第一节点图和第二节点图依次平行的交替堆叠,以构成QAOA的节点线路图,所述第一节点图的数量大于所述第二节点图的数量;
其中,所述K个节点还包括添加的第二节点,所述节点线路图还包括由所述K个节点组成的无向边。
3.根据权利要求2所述的方法,其中,所述基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果,包括:
基于所述K个节点在所述节点线路图中的目标量子态,根据所述节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,得到所述K个节点的分组测量结果;
基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果。
4.根据权利要求3所述的方法,其中,所述基于所述K个节点在所述节点线路图中的目标量子态,根据所述节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,得到所述K个节点的分组测量结果,包括:
针对第一节点图中每个第二节点,基于所述第二节点在所述节点线路图中的目标量子态,采用第一目标测量方式对所述第二节点进行分组测量,以得到所述第一节点图中第二节点的分组测量结果,所述第一目标测量方式为第一测量方式中测量角度基于第一目标节点图中第一节点的分组测量结果和第一角度信息确定的测量方式,所述第一目标节点图为堆叠在所述第一节点图之前的第二节点图;
在所述第一节点图之后堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第二目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第二目标测量方式为第二测量方式中测量角度为0的测量方式;
针对第二节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第三目标测量方式对所述第一节点进行分组测量,以得到所述第二节点图中M个第一节点的分组测量结果,所述第三目标测量方式为第二测量方式中测量角度基于第二目标节点图中节点的分组测量结果和第二角度信息确定的测量方式,所述第二目标节点图为堆叠在所述第二节点图之前的第一节点图;
在第一节点图之后无堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第四目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第四目标测量方式为第一测量方式中测量角度基于所述第一节点图中第二节点的分组测量结果和第二角度信息确定的测量方式。
5.根据权利要求3所述的方法,其中,所述基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果,包括:
针对所述M个第一节点中每个第一节点,对第p个第一节点图中所述第一节点的分组测量结果和第三目标节点图中所述第一节点的分组测量结果进行求和处理,得到所述第一节点对应的目标值,所述第三目标节点图为堆叠在所述第p个第一节点图之前的第二节点图,p等于所述第一节点图的数量;对所述目标值进行取模运算,得到所述第一节点的目标分组测量结果。
6.根据权利要求2所述的方法,其中,所述基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果,包括:
对目标分组操作执行N次,得到所述M个第一节点的N个目标分组测量结果,N为正整数,所述目标分组操作为:基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量;
基于所述N个目标分组测量结果,确定第一目标函数值,所述第一目标函数值用于表征对目标分组操作执行N次中所述M个第一节点的分组得分情况;
基于所述第一目标函数值更新所述目标分组操作中的角度信息,所述角度信息用于确定所述目标分组操作中对所述K个节点中每个节点进行分组测量的测量角度;
基于更新的所述角度信息,再次对所述目标分组操作执行N次,以确定第二目标函数值;
在所述第一目标函数值和第二目标函数之间的差值小于预设阈值的情况下,将所述N个目标分组测量结果中出现频率最高的目标分组测量结果对应的分组方式确定为所述M个第一节点的分组输出结果。
7.根据权利要求2所述的方法,其中,所述生成所述节点线路图的量子纠缠态,包括:
生成所述K个节点中每个节点的量子态;
基于所述K个节点中每个节点的量子态进行张量积运算,得到第一运算结果;
对Q个控制信息进行张量积和矩阵乘法运算,得到第二运算结果,Q基于所述节点线路图中包括的无向边的数量确定,所述控制信息为控制Z门对应的信息;
对所述第一运算结果和第二运算结果进行乘法运算,得到所述节点线路图的量子纠缠态。
8.根据权利要求2所述的方法,其中,所述生成所述节点线路图的量子纠缠态,包括:
获取所述节点线路图对应的团簇态;
基于所述节点线路图对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
9.一种节点分组装置,包括:
获取模块,用于获取待分组节点图,所述待分组节点图包括M个第一节点,M为大于1的整数;
构造模块,用于基于所述待分组节点图构造量子近似优化算法QAOA的节点线路图,所述节点线路图包括K个节点,所述K个节点包括所述M个第一节点,K为大于或者等于M的整数;
生成模块,用于生成所述节点线路图的量子纠缠态,所述量子纠缠态包括所述K个节点在所述节点线路图中的目标量子态;
分组测量模块,用于基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量,得到所述M个第一节点的目标分组测量结果;
确定模块,用于基于所述M个第一节点的目标分组测量结果,确定所述M个第一节点的分组输出结果。
10.根据权利要求9所述的装置,其中,所述待分组节点图包括由所述M个第一节点组成的无向边,所述构造模块包括:
添加单元,用于在所述待分组节点图的每条无向边上添加第二节点,得到第一节点图;
剔除单元,用于将所述待分组节点图的每条无向边进行剔除,得到第二节点图;
交替堆叠单元,用于将所述第一节点图和第二节点图依次平行的交替堆叠,以构成QAOA的节点线路图,所述第一节点图的数量大于所述第二节点图的数量;
其中,所述K个节点还包括添加的第二节点,所述节点线路图还包括由所述K个节点组成的无向边。
11.根据权利要求10所述的装置,其中,所述分组测量模块包括:
分组测量单元,用于基于所述K个节点在所述节点线路图中的目标量子态,根据所述节点线路图中节点图的堆叠顺序,依次对节点图中的每个节点进行分组测量,得到所述K个节点的分组测量结果;
第一确定单元,用于基于所述K个节点的分组测量结果,确定所述M个第一节点的目标分组测量结果。
12.根据权利要求11所述的装置,其中,所述分组测量单元具体用于:
针对第一节点图中每个第二节点,基于所述第二节点在所述节点线路图中的目标量子态,采用第一目标测量方式对所述第二节点进行分组测量,以得到所述第一节点图中第二节点的分组测量结果,所述第一目标测量方式为第一测量方式中测量角度基于第一目标节点图中第一节点的分组测量结果和第一角度信息确定的测量方式,所述第一目标节点图为堆叠在所述第一节点图之前的第二节点图;
在所述第一节点图之后堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第二目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第二目标测量方式为第二测量方式中测量角度为0的测量方式;
针对第二节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第三目标测量方式对所述第一节点进行分组测量,以得到所述第二节点图中M个第一节点的分组测量结果,所述第三目标测量方式为第二测量方式中测量角度基于第二目标节点图中节点的分组测量结果和第二角度信息确定的测量方式,所述第二目标节点图为堆叠在所述第二节点图之前的第一节点图;
在第一节点图之后无堆叠有第二节点图的情况下,针对所述第一节点图中每个第一节点,基于所述第一节点在所述节点线路图中的目标量子态,采用第四目标测量方式对所述第一节点进行分组测量,以得到所述第一节点图中M个第一节点的分组测量结果,所述第四目标测量方式为第一测量方式中测量角度基于所述第一节点图中第二节点的分组测量结果和第二角度信息确定的测量方式。
13.根据权利要求11所述的装置,其中,所述第一确定单元,具体用于针对所述M个第一节点中每个第一节点,对第p个第一节点图中所述第一节点的分组测量结果和第三目标节点图中所述第一节点的分组测量结果进行求和处理,得到所述第一节点对应的目标值,所述第三目标节点图为堆叠在所述第p个第一节点图之前的第二节点图,p等于所述第一节点图的数量;对所述目标值进行取模运算,得到所述第一节点的目标分组测量结果。
14.根据权利要求10所述的装置,其中,所述分组测量模块包括:
第一执行单元,用于对目标分组操作执行N次,得到所述M个第一节点的N个目标分组测量结果,N为正整数,所述目标分组操作为:基于所述K个节点在所述节点线路图中的目标量子态,依次对所述K个节点中每个节点进行分组测量;
第二确定单元,用于基于所述N个目标分组测量结果,确定第一目标函数值,所述第一目标函数值用于表征对目标分组操作执行N次中所述M个第一节点的分组得分情况;
更新单元,用于基于所述第一目标函数值更新所述目标分组操作中的角度信息,所述角度信息用于确定所述目标分组操作中对所述K个节点中每个节点进行分组测量的测量角度;
第二执行单元,用于基于更新的所述角度信息,再次对所述目标分组操作执行N次,以确定第二目标函数值;
第三确定单元,用于在所述第一目标函数值和第二目标函数之间的差值小于预设阈值的情况下,将所述N个目标分组测量结果中出现频率最高的目标分组测量结果对应的分组方式确定为所述M个第一节点的分组输出结果。
15.根据权利要求10所述的装置,其中,所述生成模块包括:
生成单元,用于生成所述K个节点中每个节点的量子态;
第一运算单元,用于基于所述K个节点中每个节点的量子态进行张量积运算,得到第一运算结果;
第二运算单元,用于对Q个控制信息进行张量积和矩阵乘法运算,得到第二运算结果,Q基于所述节点线路图中包括的无向边的数量确定,所述控制信息为控制Z门对应的信息;
第三运算单元,用于对所述第一运算结果和第二运算结果进行乘法运算,得到所述节点线路图的量子纠缠态。
16.根据权利要求10所述的装置,其中,所述生成模块包括:
获取单元,用于获取所述节点线路图对应的团簇态;
裁剪单元,用于基于所述节点线路图对所述团簇态进行裁剪,得到所述节点线路图的量子纠缠态。
17.一种电子设备,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。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500446.0A CN113190719B (zh) | 2021-05-08 | 2021-05-08 | 节点分组方法、装置及电子设备 |
JP2022026006A JP7372996B2 (ja) | 2021-05-08 | 2022-02-22 | ノードグループ化方法、装置及び電子機器 |
US17/731,254 US20220253575A1 (en) | 2021-05-08 | 2022-04-27 | Node Grouping Method, Apparatus and Electronic Device |
AU2022203072A AU2022203072B2 (en) | 2021-05-08 | 2022-05-06 | Node grouping method, apparatus and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110500446.0A CN113190719B (zh) | 2021-05-08 | 2021-05-08 | 节点分组方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113190719A true CN113190719A (zh) | 2021-07-30 |
CN113190719B CN113190719B (zh) | 2022-02-01 |
Family
ID=76984314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110500446.0A Active CN113190719B (zh) | 2021-05-08 | 2021-05-08 | 节点分组方法、装置及电子设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220253575A1 (zh) |
JP (1) | JP7372996B2 (zh) |
CN (1) | CN113190719B (zh) |
AU (1) | AU2022203072B2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358216A (zh) * | 2022-03-22 | 2022-04-15 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的量子聚类方法及相关装置 |
CN114511092A (zh) * | 2022-02-07 | 2022-05-17 | 上海图灵智算量子科技有限公司 | 一种基于量子线路的图注意力机制实现方法 |
CN117217321A (zh) * | 2023-11-09 | 2023-12-12 | 合肥硅臻芯片技术有限公司 | 一种量子图态产生装置及产生方法 |
CN117236453A (zh) * | 2023-09-15 | 2023-12-15 | 北京百度网讯科技有限公司 | 量子纠缠资源调度方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991159A (zh) * | 2017-03-30 | 2017-07-28 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN109767150A (zh) * | 2017-11-09 | 2019-05-17 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN109982410A (zh) * | 2019-04-18 | 2019-07-05 | 成都信息工程大学 | 基于纠缠交换的量子无线mesh网络路由方法及架构 |
CN112529200A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 纠缠量子态提纯方法、装置、设备、存储介质及产品 |
CN112541590A (zh) * | 2020-12-10 | 2021-03-23 | 北京百度网讯科技有限公司 | 量子纠缠探测方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11120357B2 (en) * | 2017-03-10 | 2021-09-14 | Rigetti & Co, Inc. | Quantum approximate optimization |
US10452990B2 (en) * | 2017-11-28 | 2019-10-22 | International Business Machines Corporation | Cost function deformation in quantum approximate optimization |
-
2021
- 2021-05-08 CN CN202110500446.0A patent/CN113190719B/zh active Active
-
2022
- 2022-02-22 JP JP2022026006A patent/JP7372996B2/ja active Active
- 2022-04-27 US US17/731,254 patent/US20220253575A1/en not_active Abandoned
- 2022-05-06 AU AU2022203072A patent/AU2022203072B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991159A (zh) * | 2017-03-30 | 2017-07-28 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN109767150A (zh) * | 2017-11-09 | 2019-05-17 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
CN109982410A (zh) * | 2019-04-18 | 2019-07-05 | 成都信息工程大学 | 基于纠缠交换的量子无线mesh网络路由方法及架构 |
CN112541590A (zh) * | 2020-12-10 | 2021-03-23 | 北京百度网讯科技有限公司 | 量子纠缠探测方法、装置、电子设备及存储介质 |
CN112529200A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 纠缠量子态提纯方法、装置、设备、存储介质及产品 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114511092A (zh) * | 2022-02-07 | 2022-05-17 | 上海图灵智算量子科技有限公司 | 一种基于量子线路的图注意力机制实现方法 |
CN114358216A (zh) * | 2022-03-22 | 2022-04-15 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的量子聚类方法及相关装置 |
CN117236453A (zh) * | 2023-09-15 | 2023-12-15 | 北京百度网讯科技有限公司 | 量子纠缠资源调度方法、装置及电子设备 |
CN117217321A (zh) * | 2023-11-09 | 2023-12-12 | 合肥硅臻芯片技术有限公司 | 一种量子图态产生装置及产生方法 |
CN117217321B (zh) * | 2023-11-09 | 2024-01-30 | 合肥硅臻芯片技术有限公司 | 一种量子图态产生装置及产生方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7372996B2 (ja) | 2023-11-01 |
US20220253575A1 (en) | 2022-08-11 |
JP2022068327A (ja) | 2022-05-09 |
CN113190719B (zh) | 2022-02-01 |
AU2022203072B2 (en) | 2023-10-26 |
AU2022203072A1 (en) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113190719B (zh) | 节点分组方法、装置及电子设备 | |
US11475189B2 (en) | Adaptive error correction in quantum computing | |
CN112529201B (zh) | 纠缠量子态转换方法、装置、设备、存储介质及产品 | |
CN113313261B (zh) | 函数处理方法、装置及电子设备 | |
US10755193B2 (en) | Implementation of error mitigation for quantum computing machines | |
CN114580647B (zh) | 量子系统的模拟方法、计算设备、装置及存储介质 | |
CN114925840B (zh) | 模拟方法、设备及存储介质 | |
CN109376544B (zh) | 一种防止复杂网络中的社团结构被深度挖掘的方法 | |
CN114418108B (zh) | 酉算子编译方法、计算设备、装置及存储介质 | |
US20230054391A1 (en) | Calibration of quantum measurement device | |
CN114139712A (zh) | 量子电路的处理方法、处理装置、电子设备和存储介质 | |
CN114970865A (zh) | 量子芯片上的量子电路处理方法、装置及电子设备 | |
CN113902118A (zh) | 量子测量设备校准方法及装置、电子设备和介质 | |
CN116611527B (zh) | 量子电路处理方法、装置及电子设备 | |
CN116151381B (zh) | 量子电路处理方法、装置及电子设备 | |
CN115577782B (zh) | 量子计算方法、装置、设备及存储介质 | |
CN115577792A (zh) | 基于量子系统的信息处理方法及装置 | |
CN115456184A (zh) | 量子电路处理方法、量子态制备方法、装置、设备及介质 | |
CN116108926B (zh) | 量子计算方法、装置、设备及存储介质 | |
CN117313882A (zh) | 量子电路处理方法、装置及电子设备 | |
CN114647642A (zh) | 从数据中发现因果关系的方法与装置 | |
CN117313884A (zh) | 量子电路处理方法、装置及电子设备 | |
CN115577788A (zh) | 量子熵确定方法、装置、设备及存储介质 | |
CN117313883A (zh) | 量子电路处理方法、装置及电子设备 | |
CN115941243A (zh) | 基于强化学习的网络病毒传播防御方法、装置和设备 |
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 |