CN113516246A - 参数优化方法、量子芯片的控制方法及装置 - Google Patents

参数优化方法、量子芯片的控制方法及装置 Download PDF

Info

Publication number
CN113516246A
CN113516246A CN202110512605.9A CN202110512605A CN113516246A CN 113516246 A CN113516246 A CN 113516246A CN 202110512605 A CN202110512605 A CN 202110512605A CN 113516246 A CN113516246 A CN 113516246A
Authority
CN
China
Prior art keywords
chip
quantum
parameters
parameter
control
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.)
Withdrawn
Application number
CN202110512605.9A
Other languages
English (en)
Inventor
倪孝彤
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.)
Alibaba Singapore Holdings Pte Ltd
Original Assignee
Alibaba Singapore Holdings Pte 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 Alibaba Singapore Holdings Pte Ltd filed Critical Alibaba Singapore Holdings Pte Ltd
Priority to CN202110512605.9A priority Critical patent/CN113516246A/zh
Publication of CN113516246A publication Critical patent/CN113516246A/zh
Priority to US17/661,126 priority patent/US20220366291A1/en
Priority to PCT/SG2022/050310 priority patent/WO2022271090A2/en
Priority to JP2023563074A priority patent/JP2024517615A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/40—Physical realisations or architectures of quantum processors or components for manipulating qubits, e.g. qubit coupling or qubit control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G06F13/38—Information transfer, e.g. on bus
    • G06F13/40—Bus structure
    • G06F13/4063—Device-to-bus coupling
    • 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
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computational Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Computational Linguistics (AREA)
  • Superconductor Devices And Manufacturing Methods Thereof (AREA)
  • Feedback Control In General (AREA)
  • Junction Field-Effect Transistors (AREA)

Abstract

本发明实施例提供了一种参数优化方法、量子芯片的控制方法及装置。参数优化方法包括：获取与量子芯片相对应的量子门精度；对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，芯片参数和控制参数用于控制量子芯片进行运算；基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。本实施例提供的技术方案，通过对量子门精度进行逆向微分运算可以同时获得芯片参数的梯度和控制参数的梯度，基于芯片参数的梯度、控制参数的梯度可以获得优化后芯片参数和优化后控制参数，进而有效地实现了比较高效的参数优化操作，这样有利于提高对量子芯片进行控制的精确程度。

Description

参数优化方法、量子芯片的控制方法及装置
技术领域
本发明涉及量子技术领域，尤其涉及一种参数优化方法、量子芯片的控制方法及装置。
背景技术
量子芯片是指将量子线路集成在基片上，进而承载量子信息处理功能的芯片，在量子计算领域，需要对量子芯片进行控制，以实现量子门操作以及运行量子算法。在对量子芯片进行控制的过程中，用于标识量子门性能的参数(包括：芯片参数和所采取的控制参数)会直接影响量子门的精度和量子算法结果的正确率，因此需要对芯片参数以及控制参数进行优化。
发明内容
本发明实施例提供了一种参数优化方法、量子芯片的控制方法及装置，能够同时获得用于标识量子门性能的芯片参数的梯度和控制参数的梯度，而后可以基于芯片参数的梯度和控制参数的梯度对参数进行优化，便于提高对量子芯片进行控制的精确程度。
第一方面，本发明实施例提供一种参数优化方法，包括：
获取与量子芯片相对应的量子门精度；
对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；
基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
第二方面，本发明实施例提供一种参数优化装置，包括：
第一获取模块，用于获取与量子芯片相对应的量子门精度；
第一运算模块，用于对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；
第一优化模块，用于基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的参数优化方法。
第四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面中的参数优化方法。
第五方面，本发明实施例提供了一种量子芯片的控制方法，包括：
获取用于控制量子芯片进行运算的芯片参数和控制参数；
基于所述芯片参数和所述控制参数，生成哈密顿量；
基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算。
第六方面，本发明实施例提供了一种量子芯片的控制装置，包括：
第二获取模块，用于获取用于控制量子芯片进行运算的芯片参数和控制参数；
第二处理模块，用于基于所述芯片参数和所述控制参数，生成哈密顿量；
第二控制模块，用于基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算。
第七方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第五方面中的量子芯片的控制方法。
第八方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第五方面中的量子芯片的控制方法。
第九方面，本发明实施例提供了一种参数优化方法，包括：
响应于调用参数优化请求，确定参数优化服务对应的处理资源；
利用所述处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
第十方面，本发明实施例提供了一种参数优化装置，包括：
第三确定模块，用于响应于调用参数优化请求，确定参数优化服务对应的处理资源；
第三处理模块，用于利用所述处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
第十一方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第九方面中的参数优化方法。
第十二方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第九方面中的参数优化方法。
第十三方面，本发明实施例提供了一种量子芯片的控制方法，包括：
响应于调用量子芯片的控制请求，确定量子芯片的控制服务对应的处理资源；
利用所述处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于所述芯片参数和所述控制参数，生成哈密顿量；基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算。
第十四方面，本发明实施例提供了一种量子芯片的控制装置，包括：
第四确定模块，用于响应于调用量子芯片的控制请求，确定量子芯片的控制服务对应的处理资源；
第四处理模块，用于利用所述处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于所述芯片参数和所述控制参数，生成哈密顿量；基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算。
第十五方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第十三方面中的量子芯片的控制方法。
第十六方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第十三方面中的量子芯片的控制方法。
本实施例提供的技术方案，通过获取与量子芯片相对应的量子门精度，对所述量子门精度进行逆向微分运算，可以同时获得芯片参数的梯度和控制参数的梯度，而后可以基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，从而可以获得优化后芯片参数和优化后控制参数，进而实现了比较高效的参数优化操作，并且，可以基于所获得的优化后芯片参数和优化后控制参数对量子芯片进行控制，这样有效地保证了对量子芯片进行控制的精确程度，进一步提高了该参数优化方法的实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种参数优化方法的流程示意图；
图2为本发明实施例提供的一种参数优化方法的原理示意图；
图3为本发明实施例提供的获取与量子芯片相对应的量子门精度的流程示意图；
图4为本发明实施例提供的获取与量子芯片相对应的量子门精度的流程示意图；
图5为本发明实施例提供的一种量子芯片的控制方法的流程示意图；
图6为本发明应用实施例提供的一种量子芯片的控制方法的原理示意图；
图7为本发明实施例提供的一种参数优化装置的结构示意图；
图8为与图7所示实施例提供的参数优化装置对应的电子设备的结构示意图；
图9为本发明实施例提供的一种量子芯片的控制装置的结构示意图；
图10为与图9所示实施例提供的量子芯片的控制装置对应的电子设备的结构示意图；
图11为本发明实施例提供的另一种参数优化方法的流程示意图；
图12为本发明实施例提供的另一种参数优化装置的结构示意图；
图13为与图12所示实施例提供的参数优化装置对应的电子设备的结构示意图；
图14为本发明实施例提供的另一种量子芯片的控制方法的流程示意图；
图15为本发明实施例提供的另一种量子芯片的控制装置的结构示意图；
图16为与图15所示实施例提供的量子芯片的控制装置对应的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
术语定义：
哈密顿量：是经典力学中的物理概念，而在量子力学中，经典力学的物理量变为相应的算符，哈密顿量对应的正是哈密顿算符，用于决定量子力学系统如何随时间演化。
量子门：量子计算机提供的基础操作。
量子门的精度：实验中实际实现的量子门与预期实现的量子门之间的符合程度。
量子门的控制：通过控制哈密顿量随时间的变化，产生想要实现的量子门。例如，对于超导量子比特，通过任意波形发生器产生的电信号产生想要随时间变化的哈密顿量。
量子门的鲁棒性：指当控制参数或芯片参数偏离预设值时，量子门的精度的下降速度。
梯度优化：一类特定的优化算法，特征是通过计算目标函数随优化参数的梯度来加速优化的过程。
自动梯度优化框架：指可以自动计算梯度并利用梯度信息进行优化的软件框架，这类框架通常也可以帮助实现向量计算的加速。
为了能够理解本实施例中技术方案的具体实现过程，下面对相关技术进行说明：
量子芯片是指将量子线路集成在基片上，进而承载量子信息处理功能的芯片，在量子计算领域，需要对量子芯片进行控制，以实现量子门操作以及运行量子算法。在对量子芯片进行控制的过程中，用于标识量子门性能的参数(包括：芯片参数和所采取的控制参数)会直接影响量子门的精度和量子算法结果的正确率，因此需要对芯片参数以及控制参数进行优化。
在相关技术中，对芯片参数以及控制参数进行优化的操作为：将能够影响量子门精度和量子算法结果的正确率的芯片参数以及由上述参数所生成的哈密顿量固定，然后对控制参数进行梯度优化操作。
然而，上述实现方式中，人为的将芯片参数配置为固定参数，因此无法获取或者很难计算出芯片参数的梯度，进而无法基于芯片参数的梯度对芯片参数进行优化，从而导致对芯片参数的优化更加低效，进一步会降低量子门的精度和量子算法结果的正确率。
为了解决上述技术问题，本实施例提出了一种参数优化方法、量子芯片的控制方法及装置，其中，参数优化方法通过获取与量子芯片相对应的量子门精度，对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，上述的芯片参数和控制参数用于控制所述量子芯片进行运算；这样有效地实现了在一次数据处理过程中，能够同时获得用于标识量子门性能的芯片参数的梯度和控制参数的梯度，而后可以基于芯片参数的梯度和控制参数的梯度对芯片参数和控制参数进行优化，从而可以获得优化后芯片参数和优化后控制参数，所获得的优化后芯片参数和优化后控制参数可以对量子芯片进行控制，这样有效地保证了对量子芯片进行控制的精确程度。
下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
图1为本发明实施例提供的一种参数优化方法的流程示意图；图2为本发明实施例提供的一种参数优化方法的原理示意图；参考附图1-附图2所示，本实施例提供了一种参数优化方法，上述方法的执行主体可以为参数优化装置，可以理解的是，该参数优化装置可以实现为软件、或者软件和硬件的组合。具体的，该参数优化方法可以包括：
步骤S101：获取与量子芯片相对应的量子门精度。
步骤S102：对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算。
步骤S103：基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
下面对上述各个步骤进行详细说明：
步骤S101：获取与量子芯片相对应的量子门精度。
其中，预先设置有用于对量子芯片进行控制的芯片参数和控制参数，芯片参数可以是指在量子芯片进行运行的过程中、无法改变的参数，一般情况下，芯片参数与芯片的结构相关，例如，芯片参数可以包括以下至少之一：与量子芯片相对应的电容量、与量子芯片相对应的电感量、与量子芯片相对应的用于表征约瑟夫森结储存能量的参数。控制参数可以是指在量子芯片进行运行的过程中、能够改变的参数，例如，控制参数可以包括用于控制量子芯片进行运算的波形(波形幅度、波形类型等等)。
为了能够实现对上述的芯片参数和控制参数进行优化操作，可以先利用所配置的芯片参数和控制参数对量子芯片进行模拟控制操作，在控制量子芯片运行之后，可以获取与量子芯片相对应的量子门精度，而该量子门精度与量子芯片的运算结果的正确率相关，一般情况下，量子门精度越高，量子芯片的运算结果的正确率越高；量子门精度越低，量子芯片的运算结果的正确率越低。
需要说明的是，芯片参数和控制参数并不限于上述所描述的参数类型，本领域技术人员还可以根据具体的应用场景或者应用需求将芯片参数和控制参数设置为包括其他参数，例如：芯片参数还可以包括用于表征任意两个量子比特之间耦合强度的参数、用于表征任意两个电容之间耦合强度的参数等等，在此不再赘述。
步骤S102：对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算。
由于量子门精度与量子芯片的运算结果的质量和精确度相关，因此，为了能够提高量子芯片运行的质量和效率，在获取到量子门精度之后，可以对量子门精度进行逆向微分运算，具体的，可以利用自动梯度优化框架对量子门精度进行逆向微分运算，上述的自动梯度优化框架是预先生成或者预先训练的能够进行自动计算梯度并利用梯度信息进行优化的软件框架。通过自动梯度优化框架对量子门精度进行逆向微分运算操作，有效地保证了逆向微分运算操作的质量和效率，从而可以稳定地获取到芯片参数的梯度(即为芯片参数的一阶导数)和控制参数的梯度(即为控制参数的一阶导数)，上述的芯片参数和控制参数用于控制量子芯片进行运算，芯片参数的梯度用于对芯片参数进行优化操作，控制参数的梯度用于对控制参数进行优化操作。
步骤S103：基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
其中，在获取到芯片参数的梯度和控制参数的梯度之后，可以基于芯片参数的梯度对芯片参数进行优化操作，基于控制参数的梯度对控制参数进行优化操作，从而可以获得优化后芯片参数和优化后控制参数，之后可以基于优化后芯片参数和优化后控制参数对量子芯片进行控制，有利于提高量子芯片运行的质量和效率。
可以理解的是，本实施例中的参数优化操作的执行次数可以为一次或者多次，本领域技术人员可以根据具体的应用场景或者设计需求对参数优化操作的执行数量进行配置，只要能够使得量子芯片的运行效果满足设计需求即可，在此不再赘述。
本实施例提供的参数优化方法，通过获取与量子芯片相对应的量子门精度，对量子门精度进行逆向微分运算，可以同时获得芯片参数的梯度和控制参数的梯度，而后可以基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，从而可以获得优化后芯片参数和优化后控制参数，进而有效地实现了比较高效的参数优化操作，并且，可以基于所获得的优化后芯片参数和优化后控制参数对量子芯片进行控制，这样有效地保证了对量子芯片进行控制的精确程度，进一步提高了该参数优化方法的实用性。
图3为本发明实施例提供的获取与量子芯片相对应的量子门精度的流程示意图；在上述实施例的基础上，参考附图3所示，本实施例提供了一种获取与量子芯片相对应的量子门精度的实现方式，具体的，本实施例中的获取与量子芯片相对应的量子门精度可以包括：
步骤S301：获取量子芯片所生成的实际量子门、以及与实际量子门相对应的理论量子门。
其中，量子芯片可以包括电容、电感、量子比特、以及用于作用于一个或者两个量子比特的量子门等结构，在量子芯片的结构确定之后，可以基于所配置的芯片参数和控制参数来控制量子芯片进行运行，以获取量子芯片所生成的实际量子门。在一些实例中，获取量子芯片所生成的实际量子门可以包括：获取芯片参数和控制参数；基于芯片参数和控制参数控制量子芯片进行运算，获得实际量子门。
具体的，为了能够获得实际量子门，可以获取用于对量子芯片进行控制的芯片参数和控制参数，本实施例对于芯片参数和控制参数的具体获取方式不做限定，例如：芯片参数和控制参数可以存储在预设区域中，通过访问预设区域即可获取芯片参数和控制参数；或者，芯片参数和控制参数可以存储在第三设备中，能够实现参数优化方法的参数优化装置上设置有预设接口，参数优化装置可以通过预设接口与第三设备通信连接(有线连接或者无线连接)，此时，参数优化装置可以通过第三设备获取到芯片参数和控制参数；再或者，能够实现参数优化方法的参数优化装置上设置有交互界面，用户通过对交互界面输入执行操作，而后可以基于执行操作生成芯片参数和控制参数，从而使得参数优化装置可以稳定地获取到芯片参数和控制参数。当然的，本领域技术人员也可以采用其他的方式来获取芯片参数和控制参数，只要能够保证对芯片参数和控制参数进行获取的稳定可靠性即可，在此不再赘述。
在获取到芯片参数和控制参数之后，可以基于芯片参数和控制参数控制量子芯片进行运算，从而可以获得实际量子门。在一些实例中，基于芯片参数和控制参数控制量子芯片进行运算，获得实际量子门可以包括：基于芯片参数和控制参数，生成哈密顿量；基于哈密顿量和控制参数控制量子芯片进行运算，获得实际量子门。
具体的，在芯片参数包括与量子芯片相对应的电容量、与量子芯片相对应的电感量、与量子芯片相对应的用于表征约瑟夫森结储存能量的参数时，可以基于上述的芯片参数和控制参数、按照以下公式来生成哈密顿量：
Figure BDA0003060924790000091
其中，H为哈密顿量，EC为与量子芯片相对应的电容量，
Figure BDA0003060924790000092
为量子力学算符，用于表征电容中电子电荷的数量，EL为与量子芯片相对应的电感量，
Figure BDA0003060924790000093
为量子力学算符，用于表征电感中的磁通量，EJ为与量子芯片相对应的用于表征约瑟夫森结储存能量的参数，Φext为控制参数，Φ0为预设常数。通过上述公式所生成的哈密顿量为矩阵表达形式，从而有效地保证了对哈密顿量进行生成的准确可靠性。
在获取到哈密顿量和控制参数之后，可以基于哈密顿量和控制参数来控制量子芯片进行运算，从而可以获得实际量子门。可以理解的是，在利用芯片参数和控制参数控制量子芯片进行运行时，芯片参数和控制参数与理论量子门之间存在映射关系，因此可以基于芯片参数和控制参数来确定与实际量子门相对应的理论量子门。
在一些实例中，由于哈密顿量是基于芯片参数和控制参数所生成的，而后基于哈密顿量和控制参数对量子芯片进行控制，获得量子门精度，通过对量子门精度进行逆向微分运算，所获得的芯片参数的梯度与哈密顿量相关，并且所获得的控制参数的梯度与哈密顿量相关。
步骤S302：确定实际量子门与理论量子门之间的匹配程度。
步骤S303：基于匹配程度，确定量子门精度。
在获取到实际量子门和理论量子门之后，可以对实际量子门与理论量子门进行分析匹配，从而可以获得实际量子门与理论量子门之间的匹配程度，实际量子门与理论量子门之间的匹配程度与量子门精度相关，在获取到匹配程度之后，可以基于匹配程度来确定量子门精度。在一些实例中，量子门精度与匹配程度呈正相关，即实际量子门与理论量子门之间的匹配程度越高，量子门精度越高；实际量子门与理论量子门之间的匹配程度越低，量子门精度越低。
本实施例中，通过获取量子芯片所生成的实际量子门、以及与实际量子门相对应的理论量子门，确定实际量子门与理论量子门之间的匹配程度，而后基于匹配程度来确定量子门精度，从而有效地保证了对量子门精度进行确定的准确可靠性。
图4为本发明实施例提供的获取与量子芯片相对应的量子门精度的流程示意图；在上述任意一个实施例的基础上，参考附图4所示，为了进一步提高该方法的实用性，在获取用于标识量子芯片性能的量子门精度之后，本实施例中的方法还可以包括：
步骤S401：对量子门精度进行多次逆向微分运算，获得芯片参数的高阶导数和控制参数的高阶导数。
步骤S402：基于芯片参数的高阶导数和控制参数的高阶导数，对量子门的性能鲁棒性进行评估。
在获取到量子门精度之后，可以对量子门精度进行多次逆向微分运算，从而可以获得芯片参数的高阶导数和控制参数的高阶导数，上述的芯片参数的高阶导数和控制参数的高阶导数与量子门的性能鲁棒性相关。因此，在获取到芯片参数的高阶导数和控制参数的高阶导数之后，可以对芯片参数的高阶导数和控制参数的高阶导数进行分析处理，以实现对量子门的性能鲁棒性进行评估。具体的，预先配置有用于对量子门的性能鲁棒性进行评估的规则，基于规则和芯片参数的高阶导数和控制参数的高阶导数来确定量子门的性能鲁棒性，而后可以基于所确定的量子门的性能鲁棒性对量子芯片进行优化调整，有利于提高量子芯片的运行性能。
本实施例中，通过对量子门精度进行多次逆向微分运算，获得芯片参数的高阶导数和控制参数的高阶导数，而后基于芯片参数的高阶导数和控制参数的高阶导数，对量子门的性能鲁棒性进行评估，这样有利于提高量子芯片的运行性能。
图5为本发明实施例提供的一种量子芯片的控制方法的流程示意图；参考附图5所示，本实施例提供了一种量子芯片的控制方法，上述方法的执行主体可以为量子芯片的控制装置，可以理解的是，该控制装置可以实现为软件、或者软件和硬件的组合。具体的，该控制方法可以包括：
步骤S501：获取用于控制量子芯片进行运算的芯片参数和控制参数。
其中，芯片参数可以是指在量子芯片进行运行的过程中，无法改变的参数，该芯片参数与芯片的结构相关，例如，芯片参数可以包括以下至少之一：与量子芯片相对应的电容量、与量子芯片相对应的电感量、与量子芯片相对应的用于表征约瑟夫森结储存能量的参数。控制参数可以是指在量子芯片进行运行的过程中，能够改变的参数，例如，控制参数可以包括用于控制量子芯片进行运算的波形。
另外，为了能够准确地对量子芯片进行控制，可以获取用于对量子芯片进行控制的芯片参数和控制参数，本实施例对于芯片参数和控制参数的具体获取方式不做限定，例如：芯片参数和控制参数可以存储在预设区域中，通过访问预设区域即可获取芯片参数和控制参数；或者，芯片参数和控制参数可以存储在第三设备中，能够实现量子芯片的控制方法的控制装置上设置有预设接口，控制装置可以通过预设接口与第三设备通信连接，此时，控制装置可以通过第三设备获取到芯片参数和控制参数；再或者，能够实现量子芯片的控制方法的控制装置上设置有交互界面，用户通过对交互界面输入执行操作，而后可以基于执行操作生成芯片参数和控制参数，从而使得控制装置可以稳定地获取到芯片参数和控制参数。当然的，本领域技术人员也可以采用其他的方式来获取芯片参数和控制参数，只要能够保证对芯片参数和控制参数进行获取的稳定可靠性即可，在此不再赘述。
步骤S502：基于芯片参数和控制参数，生成哈密顿量。
在获取到芯片参数和控制参数之后，可以基于芯片参数和控制参数来生成哈密顿量，具体的，本实施例中生成哈密顿量的具体实现方式与上述实施例中“基于芯片参数和控制参数，生成哈密顿量”的具体实现方式相类似，具体可参考上述陈述内容，在此不再赘述。
步骤S503：基于哈密顿量和控制参数控制量子芯片进行运算。
在获取到哈密顿量和控制参数之后，可以基于哈密顿量和控制参数来控制量子芯片进行运算，具体的，本实施例中基于哈密顿量和控制参数来控制量子芯片进行运算的具体实现方式与上述实施例中“基于哈密顿量和控制参数来控制量子芯片进行运算”的具体实现方式相类似，具体可参考上述陈述内容，在此不再赘述。
本实施例提供的量子芯片的控制方法，通过获取用于控制量子芯片进行运算的芯片参数和控制参数，而后基于芯片参数和控制参数来生成哈密顿量，并基于哈密顿量和控制参数控制量子芯片进行运算，由于哈密顿量与芯片参数和控制参数相关，因此，在基于哈密顿量和控制参数对量子芯片进行控制时，有效地保证了对量子芯片进行控制的精确程度，进一步提高了该控制方法的实用性。
具体应用时，本应用实施例提供了一种量子芯片的控制方法，该控制方法包括生成哈密顿量的过程、计算量子门精度的过程，具体的，上述生成哈密顿量、计算量子门精度的过程都可以通过自动微分框架内实现，即在自动微分框架内，利用自动微分框架内所规定的语言工具撰写能够实现上述量子芯片的控制方法的执行指令，从而可以实现对量子芯片的相关参数进行优化以及对量子芯片进行控制的操作。具体的，该方法包括以下步骤：
步骤1：获取芯片参数和控制参数。
步骤2：利用芯片参数和控制参数生成哈密顿量。
步骤3：基于控制参数和哈密顿量对量子芯片进行控制，生成量子门。
步骤4：确定与所生成的量子门相对应的理想的量子门。
步骤5：基于所生成的量子门和理想的量子门生成量子门的精度。
步骤6：对量子门的精度进行自动的微分逆向求导操作，获得芯片参数的梯度和控制参数的梯度。
步骤7：基于芯片参数的梯度对芯片参数进行优化，获得优化后芯片参数；基于控制参数的梯度对控制参数进行优化，获得优化后控制参数。
步骤8：基于优化后芯片参数和优化后芯片参数控制量子芯片进行运行。
上述实现过程有效地实现了只需要使用自动微分框架来进行一次逆向微分运算，就可同时获得量子门精度对芯片参数的梯度和控制参数的梯度，这样能够更快地基于芯片参数的梯度和控制参数的梯度对芯片参数和控制参数进行优化，进一步提高了对量子芯片进行控制的稳定可靠性。
在另一些实例中，在基于所生成的量子门和理想的量子门生成量子门的精度之后，本实施例中的方法还可以包括：
步骤6`：对量子门的精度进行多次的自动微分的逆向求导操作，获得芯片参数的高阶导数和控制参数的高阶导数。
步骤7`：基于芯片参数的高阶导数和控制参数的高阶导数，衡量或优化量子门的鲁棒性，以基于衡量结果提供量子芯片的运行稳定性。
上述实现方式中，通过多次进行逆向微分运算来获得量子门精度对这些参数的高阶导数，而后可以基于高阶导数衡量或优化量子门的鲁棒性，之后基于衡量结果提高量子芯片运行的稳定性，这样有利于提升量子芯片的性能。
图7为本发明实施例提供的一种参数优化装置的结构示意图；参考附图7所示，本实施例提供了一种参数优化装置，该参数优化装置用于执行上述图1所示的参数优化方法，具体的，该参数优化装置可以包括：第一获取模块11、第一运算模块12和第一优化模块13：
第一获取模块11，用于获取与量子芯片相对应的量子门精度；
第一运算模块12，用于对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算；
第一优化模块13，用于基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
在一些实例中，在第一获取模块11获取与量子芯片相对应的量子门精度时，该第一获取模块11用于执行：获取量子芯片所生成的实际量子门、以及与实际量子门相对应的理论量子门；确定实际量子门与理论量子门之间的匹配程度；基于匹配程度，确定量子门的精度。
在一些实例中，在第一获取模块11获取量子芯片所生成的实际量子门时，该第一获取模块11用于执行：获取芯片参数和控制参数；基于芯片参数和控制参数控制量子芯片进行运算，获得实际量子门。
在一些实例中，在第一获取模块11基于芯片参数和控制参数控制量子芯片进行运算，获得实际量子门时，该第一获取模块11用于执行：基于芯片参数和控制参数，生成哈密顿量；基于哈密顿量和控制参数控制量子芯片进行运算，获得实际量子门。
在一些实例中，芯片参数包括以下至少之一：与量子芯片相对应的电容量、与量子芯片相对应的电感量、与量子芯片相对应的用于表征约瑟夫森结储存能量的参数。
在一些实例中，控制参数包括：用于控制量子芯片进行运算的波形。
在一些实例中，控制参数的梯度与哈密顿量相关。
在一些实例中，在获取用于标识量子芯片性能的量子门精度之后，本实施例提供的第一运算模块12还用于执行：对量子门精度进行多次逆向微分运算，获得芯片参数的高阶导数和控制参数的高阶导数；基于芯片参数的高阶导数和控制参数的高阶导数，对量子门的性能鲁棒性进行评估。
图7所示装置可以执行图1-图4、图6所示实施例的方法，本实施例未详细描述的部分，可参考对行图1-图4、图6所示实施例的相关说明。该技术方案的执行过程和技术效果参见行图1-图4、图6所示实施例中的描述，在此不再赘述。
在一个可能的设计中，图7所示参数优化装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图8所示，该电子设备可以包括：第一处理器21和第一存储器22。其中，第一存储器22用于存储相对应电子设备执行上述图1-图4、图6所示实施例中提供的参数优化方法的程序，第一处理器21被配置为用于执行第一存储器22中存储的程序。
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第一处理器21执行时能够实现如下步骤：
获取与量子芯片相对应的量子门精度；
对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算；
基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
进一步的，第一处理器21还用于执行前述图1-图4、图6所示实施例中的全部或部分步骤。
其中，电子设备的结构中还可以包括第一通信接口23，用于电子设备与其他设备或通信网络通信。
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图1-图4、图6所示方法实施例中参数优化方法所涉及的程序。
图9为本发明实施例提供的一种量子芯片的控制装置的结构示意图；参考附图9所示，本实施例提供了一种量子芯片的控制装置，该量子芯片的控制装置用于执行上述图5所示的量子芯片的控制方法，具体的，该量子芯片的控制装置装置可以包括：第二获取模块31、第二处理模块32和第二控制模块33：
第二获取模块31，用于获取用于控制量子芯片进行运算的芯片参数和控制参数；
第二处理模块32，用于基于芯片参数和控制参数，生成哈密顿量；
第二控制模块33，用于基于哈密顿量和控制参数控制量子芯片进行运算。
图9所示装置可以执行图5-图6所示实施例的方法，本实施例未详细描述的部分，可参考对图5-图6所示实施例的相关说明。该技术方案的执行过程和技术效果参见图5-图6所示实施例中的描述，在此不再赘述。
在一个可能的设计中，图9所示量子芯片的控制装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图10所示，该电子设备可以包括：第二处理器41和第二存储器42。其中，第二存储器42用于存储相对应电子设备执行上述图5-图6所示实施例中提供的量子芯片的控制方法的程序，第二处理器41被配置为用于执行第二存储器42中存储的程序。
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第二处理器41执行时能够实现如下步骤：
获取用于控制量子芯片进行运算的芯片参数和控制参数；
基于芯片参数和控制参数，生成哈密顿量；
基于哈密顿量和控制参数控制量子芯片进行运算。
进一步的，第二处理器41还用于执行前述图5-图6所示实施例中的全部或部分步骤。
其中，电子设备的结构中还可以包括第二通信接口43，用于电子设备与其他设备或通信网络通信。
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图5-图6所示方法实施例中量子芯片的控制方法所涉及的程序。
图11为本发明实施例提供的另一种参数优化方法的流程示意图；参考附图11所示，本实施例提供了另一种参数优化方法，该方法的执行主体可以为参数优化装置，可以理解的是，该参数优化装置可以实现为软件、或者软件和硬件的组合。具体的，该参数优化方法可以包括：
步骤S1101：响应于调用参数优化请求，确定参数优化服务对应的处理资源。
步骤S1102：利用处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算；基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
具体的，本发明提供的参数优化方法可以在云端来执行，在云端可以部署有若干计算节点，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。
针对本发明提供的方案，云端可以提供有用于完成参数优化方法的服务，称为参数优化服务。当用户需要使用该参数优化服务的时候，调用该参数优化服务，以向云端触发调用该参数优化服务的请求。云端确定响应该请求的计算节点，利用该计算节点中的处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算；基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
具体的，本实施例中的上述方法步骤的实现过程、实现原理和实现效果与上述图1-图4、图6所示实施例的方法步骤的实现过程、实现原理和实现效果相类似，本实施例未详细描述的部分，可参考对图1-图4、图6所示实施例的相关说明。
图12为本发明实施例提供的另一种参数优化装置的结构示意图；参考附图12所示，本实施例提供了一种参数优化装置，该参数优化装置用于执行图11的参数优化方法，具体的，该参数优化装置可以包括：第三确定模块51和第三处理模块52：
第三确定模块51，用于响应于调用参数优化请求，确定参数优化服务对应的处理资源；
第三处理模块52，用于利用处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算；基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
图12所示装置可以执行图11所示实施例的方法，本实施例未详细描述的部分，可参考对图11所示实施例的相关说明。该技术方案的执行过程和技术效果参见图11所示实施例中的描述，在此不再赘述。
在一个可能的设计中，图12所示参数优化装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图13所示，该电子设备可以包括：第三处理器61和第三存储器62。其中，第三存储器62用于存储相对应电子设备执行上述图11所示实施例中参数优化方法的程序，第三处理器61被配置为用于执行第三存储器62中存储的程序。
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第三处理器61执行时能够实现如下步骤：
响应于调用参数优化请求，确定参数优化服务对应的处理资源。
利用处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，芯片参数和控制参数用于控制量子芯片进行运算；基于芯片参数的梯度、控制参数的梯度分别对芯片参数和控制参数进行优化，获得优化后芯片参数和优化后控制参数。
进一步的，第三处理器61还用于执行前述图11所示实施例中的全部或部分步骤。
其中，电子设备的结构中还可以包括第三通信接口63，用于电子设备与其他设备或通信网络通信。
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图11所示方法实施例中参数优化方法所涉及的程序。
图14为本发明实施例提供的另一种量子芯片的控制方法的流程示意图；参考附图14所示，本实施例提供了另一种量子芯片的控制方法，该量子芯片的控制方法的执行主体为量子芯片的控制装置，可以理解的是，该量子芯片的控制装置可以实现为软件、或者软件和硬件的组合。具体的，该量子芯片的控制方法可以包括：
步骤S1401：响应于调用量子芯片的控制请求，确定量子芯片的控制服务对应的处理资源；
步骤S1402：利用处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于芯片参数和控制参数，生成哈密顿量；基于哈密顿量和控制参数控制量子芯片进行运算。
具体的，本发明提供的量子芯片的控制方法可以在云端来执行，在云端可以部署有若干计算节点，每个计算节点中都具有计算、存储等处理资源。在云端，可以组织由多个计算节点来提供某种服务，当然，一个计算节点也可以提供一种或多种服务。
针对本发明提供的方案，云端可以提供有用于完成量子芯片的控制方法的服务，称为量子芯片的控制服务。当用户需要使用该量子芯片的控制服务的时候，调用该量子芯片的控制服务，以向云端触发调用该量子芯片的控制服务的请求。云端确定响应该请求的计算节点，利用该计算节点中的处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于芯片参数和控制参数，生成哈密顿量；基于哈密顿量和控制参数控制量子芯片进行运算。
具体的，本实施例中的上述方法步骤的实现过程、实现原理和实现效果与上述图5-图6所示实施例的方法步骤的实现过程、实现原理和实现效果相类似，本实施例未详细描述的部分，可参考对图5-图6所示实施例的相关说明。
图15为本发明实施例提供的另一种量子芯片的控制装置的结构示意图；参考附图15所示，本实施例提供了另一种量子芯片的控制装置，该量子芯片的控制装置用于执行图14的量子芯片的控制方法，具体的，该量子芯片的控制装置可以包括：第四确定模块71和第四处理模块72：
第四确定模块71，用于响应于调用量子芯片的控制请求，确定量子芯片的控制服务对应的处理资源；
第四处理模块72，用于利用处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于芯片参数和控制参数，生成哈密顿量；基于哈密顿量和控制参数控制量子芯片进行运算。
图15所示装置可以执行图14所示实施例的方法，本实施例未详细描述的部分，可参考对图14所示实施例的相关说明。该技术方案的执行过程和技术效果参见图14所示实施例中的描述，在此不再赘述。
在一个可能的设计中，图15所示量子芯片的控制装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图16所示，该电子设备可以包括：第四处理器81和第四存储器82。其中，第四存储器82用于存储相对应电子设备执行上述图14所示实施例中量子芯片的控制方法的程序，第四处理器81被配置为用于执行第四存储器82中存储的程序。
程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第四处理器81执行时能够实现如下步骤：
响应于调用量子芯片的控制请求，确定量子芯片的控制服务对应的处理资源；
利用处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于芯片参数和控制参数，生成哈密顿量；基于哈密顿量和控制参数控制量子芯片进行运算。
进一步的，第四处理器81还用于执行前述图14所示实施例中的全部或部分步骤。
其中，电子设备的结构中还可以包括第四通信接口83，用于电子设备与其他设备或通信网络通信。
另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图14所示方法实施例中量子芯片的控制方法所涉及的程序。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种参数优化方法，其特征在于，包括：
获取与量子芯片相对应的量子门精度；
对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；
基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
2.根据权利要求1所述的方法，其特征在于，获取与量子芯片相对应的量子门精度，包括：
获取所述量子芯片所生成的实际量子门、以及与所述实际量子门相对应的理论量子门；
确定所述实际量子门与所述理论量子门之间的匹配程度；
基于所述匹配程度，确定所述量子门的精度。
3.根据权利要求2所述的方法，其特征在于，获取所述量子芯片所生成的实际量子门，包括：
获取芯片参数和控制参数；
基于所述芯片参数和控制参数控制所述量子芯片进行运算，获得所述实际量子门。
4.根据权利要求3所述的方法，其特征在于，基于所述芯片参数和控制参数控制所述量子芯片进行运算，获得所述实际量子门，包括：
基于所述芯片参数和所述控制参数，生成哈密顿量；
基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算，获得所述实际量子门。
5.根据权利要求4所述的方法，其特征在于，所述芯片参数包括以下至少之一：与所述量子芯片相对应的电容量、与所述量子芯片相对应的电感量、与所述量子芯片相对应的用于表征约瑟夫森结储存能量的参数。
6.根据权利要求4所述的方法，其特征在于，所述控制参数包括：用于控制所述量子芯片进行运算的波形。
7.根据权利要求4所述的方法，其特征在于，所述控制参数的梯度与所述哈密顿量相关。
8.根据权利要求1-7中任意一项所述的方法，其特征在于，在获取用于标识量子芯片性能的量子门精度之后，所述方法还包括：
对所述量子门精度进行多次逆向微分运算，获得芯片参数的高阶导数和控制参数的高阶导数；
基于所述芯片参数的高阶导数和控制参数的高阶导数，对量子门的性能鲁棒性进行评估。
9.一种量子芯片的控制方法，其特征在于，包括：
获取用于控制量子芯片进行运算的芯片参数和控制参数；
基于所述芯片参数和所述控制参数，生成哈密顿量；
基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算。
10.一种参数优化方法，其特征在于，包括：
响应于调用参数优化请求，确定参数优化服务对应的处理资源；
利用所述处理资源执行如下步骤：获取与量子芯片相对应的量子门精度；对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
11.一种量子芯片的控制方法，其特征在于，包括：
响应于调用量子芯片的控制请求，确定量子芯片的控制服务对应的处理资源；
利用所述处理资源执行如下步骤：获取用于控制量子芯片进行运算的芯片参数和控制参数；基于所述芯片参数和所述控制参数，生成哈密顿量；基于所述哈密顿量和所述控制参数控制所述量子芯片进行运算。
12.一种参数优化装置，其特征在于，包括：
第一获取模块，用于获取与量子芯片相对应的量子门精度；
第一运算模块，用于对所述量子门精度进行逆向微分运算，获得芯片参数的梯度和控制参数的梯度，其中，所述芯片参数和控制参数用于控制所述量子芯片进行运算；
第一优化模块，用于基于所述芯片参数的梯度、所述控制参数的梯度分别对所述芯片参数和所述控制参数进行优化，获得优化后芯片参数和优化后控制参数。
CN202110512605.9A 2021-05-11 2021-05-11 参数优化方法、量子芯片的控制方法及装置 Withdrawn CN113516246A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110512605.9A CN113516246A (zh) 2021-05-11 2021-05-11 参数优化方法、量子芯片的控制方法及装置
US17/661,126 US20220366291A1 (en) 2021-05-11 2022-04-28 Methods and apparatuses for parameter optimization and quantum chip control
PCT/SG2022/050310 WO2022271090A2 (en) 2021-05-11 2022-05-11 Methods and apparatuses for parameter optimization and quantum chip control
JP2023563074A JP2024517615A (ja) 2021-05-11 2022-05-11 パラメータ最適化および量子チップ制御のための方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110512605.9A CN113516246A (zh) 2021-05-11 2021-05-11 参数优化方法、量子芯片的控制方法及装置

Publications (1)

Publication Number Publication Date
CN113516246A true CN113516246A (zh) 2021-10-19

Family

ID=78064211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110512605.9A Withdrawn CN113516246A (zh) 2021-05-11 2021-05-11 参数优化方法、量子芯片的控制方法及装置

Country Status (4)

Country Link
US (1) US20220366291A1 (zh)
JP (1) JP2024517615A (zh)
CN (1) CN113516246A (zh)
WO (1) WO2022271090A2 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114065939A (zh) * 2021-11-22 2022-02-18 北京百度网讯科技有限公司 量子芯片设计模型的训练方法、装置、设备及存储介质
WO2022271090A3 (en) * 2021-05-11 2023-03-02 Alibaba Singapore Holding Private Limited Methods and apparatuses for parameter optimization and quantum chip control

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516247A (zh) * 2021-05-20 2021-10-19 阿里巴巴新加坡控股有限公司 参数校准方法、量子芯片的控制方法、装置及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369004B (zh) * 2020-04-17 2024-02-23 合肥本源量子计算科技有限责任公司 量子逻辑门的优化方法、存储介质和计算机设备
CN111931350B (zh) * 2020-07-15 2021-09-07 北京百度网讯科技有限公司 超导电路中量子门的评估方法及装置、设备、存储介质
CN112149832B (zh) * 2020-10-09 2022-05-10 腾讯科技（深圳）有限公司 量子比特的频率控制信号处理方法、超导量子芯片
CN113158615B (zh) * 2021-04-15 2023-04-14 深圳市腾讯计算机系统有限公司 量子门的优化方法、装置、设备及存储介质
CN113516246A (zh) * 2021-05-11 2021-10-19 阿里巴巴新加坡控股有限公司 参数优化方法、量子芯片的控制方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022271090A3 (en) * 2021-05-11 2023-03-02 Alibaba Singapore Holding Private Limited Methods and apparatuses for parameter optimization and quantum chip control
CN114065939A (zh) * 2021-11-22 2022-02-18 北京百度网讯科技有限公司 量子芯片设计模型的训练方法、装置、设备及存储介质

Also Published As

Publication number Publication date
JP2024517615A (ja) 2024-04-23
WO2022271090A3 (en) 2023-03-02
WO2022271090A2 (en) 2022-12-29
US20220366291A1 (en) 2022-11-17

Similar Documents

Publication Publication Date Title
CN113516246A (zh) 参数优化方法、量子芯片的控制方法及装置
US9860134B2 (en) Resource provisioning using predictive modeling in a networked computing environment
CN113516247A (zh) 参数校准方法、量子芯片的控制方法、装置及系统
US10686891B2 (en) Migration of applications to a computing environment
US11263052B2 (en) Determining optimal compute resources for distributed batch based optimization applications
US20240020582A1 (en) Parameter data sharing for multi-learner training of machine learning applications
US11574254B2 (en) Adaptive asynchronous federated learning
CN109522382A (zh) 空间数据网格化统计方法及装置
CN112583620B (zh) 网络拓扑图生成方法、装置、电子设备和存储介质
WO2022048557A1 (zh) Ai模型的训练方法、装置、计算设备和存储介质
CN110348578A (zh) 一种安全事件情景推演构建方法、系统、设备及介质
US10606975B2 (en) Coordinates-based generative adversarial networks for generating synthetic physical design layout patterns
WO2021169386A1 (zh) 一种图数据处理方法、装置、设备、介质
US11449772B2 (en) Predicting operational status of system
CN105867886A (zh) 一种写表格的方法及装置
US20170344454A1 (en) Determining dynamic statistics based on key value patterns
US10387578B1 (en) Utilization limiting for nested object queries
CN116629612A (zh) 一种风险预测的方法、装置、存储介质及电子设备
CN108804210A (zh) 一种云平台的资源配置方法及装置
US20220326917A1 (en) Automated software application generation
US20230021563A1 (en) Federated data standardization using data privacy techniques
KR20200010644A (ko) 컴퓨터 수행 가능한 클라우드 기반의 인공지능 연산 서비스 방법
US20180129759A1 (en) Systems and Methods for Generating Scalability Models
US11210155B1 (en) Performance data analysis to reduce false alerts in a hybrid cloud environment
WO2022021199A1 (zh) 一种神经网络模型构建方法及其设备

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20211019

WW01 Invention patent application withdrawn after publication