CN113517040A - 量子本征求解器的实现方法、装置及电子设备 - Google Patents
量子本征求解器的实现方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113517040A CN113517040A CN202110785435.1A CN202110785435A CN113517040A CN 113517040 A CN113517040 A CN 113517040A CN 202110785435 A CN202110785435 A CN 202110785435A CN 113517040 A CN113517040 A CN 113517040A
- Authority
- CN
- China
- Prior art keywords
- quantum
- ground state
- state energy
- target molecule
- pulse
- 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 65
- 230000005283 ground state Effects 0.000 claims abstract description 115
- 230000004044 response Effects 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009529 body temperature measurement Methods 0.000 claims description 6
- 238000011137 process chromatography Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 27
- 230000000694 effects Effects 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 239000000126 substance Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 239000002096 quantum dot Substances 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005610 quantum mechanics Effects 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012900 molecular simulation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
本公开提供了一种量子本征求解器的实现方法及装置，涉及量子计算领域，包括：获取具有高纠缠容量的两比特量子门；基于变分参数生成目标分子对应的参数化量子电路，其中，参数化量子电路包括高纠缠容量的两比特量子门和单比特量子门；获取初始量子态，基于初始量子态和参数量子电路，获取目标分子的分子基态能量；响应于分子基态能量收敛，则将目标分子的分子基态能量作为目标分子基态能量；响应于分子基态能量未收敛，则更新参数化量子电路并返回进行后续操作，直至获取收敛的分子基态能量。本公开中，通过对脉冲参数以及变分参数的迭代优化，进而获取目标分子的分子基态能量的最优解，提升了量子本征求解器的收敛效果以及运算精度。
Description
技术领域
本公开涉及量子计算领域，尤其涉及一种量子本征求解器的实现方法、装置及电子设备。
背景技术
随着社会发展，通过量子计算机进行化学分子模拟被确定为存在良好前景的近期应用，其中，可以在量子硬件上使用量子本征求解器，实现对于化学分子的模拟。
在量子本征求解器中，实验人员会将量子算法，分解为单量子比特门和原生两量子比特门的组合。相关技术中，随着量子电路的深度增加，量子门的失真会进行累积进而导致量子算法的结果精度降低甚至无效，即当两比特量子门的保真度较低时，量子本征求解器的收敛效果明显降低。
因此，如何更好的实现量子本征求解器的求解，成为了目前需要解决的问题。
发明内容
本公开提供了一种量子本征求解器的实现方法方法、装置及电子设备。
根据本公开的第一方面，提供了一种量子本征求解器的实现方法，包括：获取具有高纠缠容量的两比特量子门；基于变分参数生成目标分子对应的参数化量子电路，其中，所述参数化量子电路包括所述高纠缠容量的两比特量子门和单比特量子门；获取初始量子态，基于所述初始量子态和所述参数量子电路，获取所述目标分子的分子基态能量；响应于所述分子基态能量收敛，则基于所述变分参数生成所述目标分子的目标分子基态能量；响应于所述分子基态能量未收敛，则更新所述参数化量子电路的所述变分参数，并返回基于更新后的所述参数化量子电路实现更新后的所述分子基态能量的获取，直至所述更新后的所述目标分子的所述分子基态能量收敛。
根据本公开的第二方面，提供了一种量子本征求解器的实现装置，包括：获取模块，用于获取具有高纠缠容量的两比特量子门；生成模块，用于基于变分参数生成目标分子对应的参数化量子电路，其中，所述参数化量子电路包括所述高纠缠容量的两比特量子门和单比特量子门；计算模块，用于获取初始量子态，基于所述初始量子态和所述参数量子电路，获取所述目标分子的分子基态能量；确定模块，用于响应于所述分子基态能量收敛，则基于所述变分参数生成所述目标分子的目标分子基态能量；更新模块，用于响应于所述分子基态能量未收敛，则更新所述参数化量子电路的所述变分参数，并返回基于更新后的所述参数化量子电路实现更新后的所述分子基态能量的获取，直至所述更新后的所述目标分子的所述分子基态能量收敛。
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上述第一方面任一项所述的量子本征求解器的实现方法。
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，其中，所述计算机指令用于使所述计算机执行上述第一方面任一项所述的量子本征求解器的实现方法。
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上述第一方面任一项所述的量子本征求解器的实现方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开一实施例的量子本征求解器的实现方法的流程示意图；
图2为本公开一实施例的参数化量子电路的示意图；
图3为本公开另一实施例的量子本征求解器的实现方法的流程示意图；
图4为本公开另一实施例的量子本征求解器的实现方法的流程示意图；
图5为本公开一实施例的参数化量子电路的示意图；
图6为本公开另一实施例的量子本征求解器的实现方法的流程示意图；
图7为本公开一实施例的量子比特拓扑结构的示意图；
图8为本公开一实施例的参数化量子电路模板的示意图；
图9为本公开一实施例的量子本征求解器的实现装置的结构示意图；
图10为本公开另一实施例的量子本征求解器的实现装置的结构示意图；
图11为本公开一实施例的电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
量子计算，是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式。对照于传统的通用计算机，其理论模型是通用图灵机；通用的量子计算机，其理论模型是用量子力学规律重新诠释的通用图灵机。从可计算的问题来看，量子计算机只能解决传统计算机所能解决的问题，但是从计算的效率上，由于量子力学叠加性的存在，某些已知的量子算法在处理问题时速度要快于传统的通用计算机。
图1为本公开一实施例的量子本征求解器的实现方法的流程示意图，如图1所示，该方法包括：
S101，获取具有高纠缠容量的两比特量子门。
量子计算，是一种遵循量子力学对量子信息单元进行调整控制，从而进行计算的计算模型，在实际的计算场景中，基于量子力学叠加性的存在可以实现高效率的问题的解决。
实现中，可以通过量子化学模拟算法，比如量子本征求解器算法(VariationalQuantum Eigensolver,VQE)实现化学分子的模拟，量子计算的算法可以通过相应的量子硬件实现。
可选地，两比特量子之间的纠缠可以由可控非门(CNOT门)产生，基于CNOT可以产生两比特量子之间的最大纠缠态。进一步地，CNOT门可以由若干个单量子比特门以及一个超导原生门(native gate)组成。
本公开实施例中，两比特量子之间的纠缠容量可以基于两个量子比特之间产生的纠缠的量确定，当两比特量子门的保真度降低时，其对应的两比特量子之间的纠缠容量会随之降低，进而使得VQE算法的收敛效果以及运算精度均会受到一定程度的影响。VQE算法基于量子硬件实现，因此，提升两比特量子门的纠缠容量可以使得VQE算法可以更好的实现，进而使得VQE算法的收敛效果和运算精度得到有效的提升
实现中，基于设定的脉冲参数可以生成相应的控制脉冲，并通过施加控制脉冲生成两比特量子门的纠缠容量，因此，可以通过对脉冲参数的迭代调整实现高纠缠容量的两比特量子门的获取。进一步地，可以基于脉冲参数，将两比特量子门的纠缠容量转化为可优化的目标函数，通过对于脉冲参数的迭代优化，获取到可以生成高纠缠容量的两比特量子门的控制脉冲，进而获取到具有高纠缠容量的两比特量子门。
S102，基于变分参数生成目标分子对应的参数化量子电路，其中，参数化量子电路包括高纠缠容量的两比特量子门和单比特量子门。
本公开实施例中，VQE可以基于量子硬件实现对于化学分子的分子基态能量的获取，可选地，可以通过参数化量子电路实现化学分子的基态能量计算的相关参数的获取，其中，参数化量子电路基于量子硬件得以实施。
实现中，不同类型的化学分子，其对应的参数化量子电路中包含的单比特量子门和两比特量子门的组合存在不同，因此，可以基于目标分子生成对应的参数化的量子电路。
进一步地，如图2所示，参数化量子电路由四个单比特量子门以及一个两比特量子门组成，其中，每个单比特量子门由三个参数定义，如图2所示，每个单比特量子门均可以由{θi,θi+1,θi+2}定义，其中，i∈{0,3,6,9}，进一步地，可以将全部的对每个单比特量子门进行定义的12个参数定义为变分参数。
基于设定的变分参数以及目标分子，即可生成目标分子对应的参数化量子电路，进一步地，VQE可以基于获取到的参数化的量子电路的结果实现目标分子的分子基态能量的估算。
S103，获取初始量子态，基于初始量子态和参数量子电路，获取目标分子的分子基态能量。
本公开实施例中，目标分子可以包括不同类型的化学分子，不同的化学分子对应的参数化量子电路，基于不同数量的单比特量子门与两比特量子门的不同组合，可以生成目标分子对应的参数化量子电路。
为了实现目标分子的分子基态能量的获取，可以基于分子基态能量设定的公式，通过参数化量子电路获取公式所需的变量，比如设定公式中所需的末态。
进一步地，可以获取初始量子态，并将获取到的初始量子态输入目标分子对应的参数化量子电路中，通过参数化量子电路中包含的单比特量子门和两比特量子门的处理，将初始量子态转化为计算分子基态能量所需的初始量子态对应的末态，其中，初始量子态可以是随机设定的，比如全0态、均匀叠加态等等。
如图2所示，输入设定的初始量子态|0>，基于图示的参数化量子电路中四个单比特量子门U3以及一个两比特量子门CNOT的处理转化，获取相应的末态
进一步地，基于获取到的初始量子态对应的末态以及设定的分子基态能量的获取公式，即可实现目标分子的分子基态能量的估算获取。
S104，响应于分子基态能量收敛，则基于所述变分参数生成目标分子基态能量。
进一步地，基于设定的分子基态能量的计算公式，可以获取目标分子的分子基态能量，为了获取到目标分子的分子基态能量的最优解，可选地，可以基于分子基态能量的收敛情况，判断当前估算获取到的分子基态能量是否为目标分子的最优解。
本公开实施例中，在获取到的分子基态能量收敛的场景中，可以判断，当前获取到的分子基态能量，满足了目标分子的分子基态能量的最优解对应的条件，因此，可以将当前获取到的分子基态能量确定为目标分子基态能量。
S105，响应于分子基态能量未收敛，则更新参数化量子电路的变分参数，并返回基于更新后的参数化量子电路实现更新后的分子基态能量的获取，直至更新后的目标分子的分子基态能量收敛。
本公开实施例中，若获取到的分子基态能量未收敛，则可以理解为，当前获取到的分子基态能量，并非目标分子的分子基态能量的最优解，则可以返回通过对参数化量子电路的更新，重新开始计算目标分子的分子基态能量。
进一步地，可以基于变分参数对参数化量子电路进行更新，并通过更新后的参数化量子电路获取初始量子态对应的更新后的末态，进而获取更新后的目标分子的分子基态能量。
进一步地，对更新后的目标分子的分子基态能量的收敛情况进行判断，若获取到的更新后的分子基态能量收敛，则将更新后的分子基态能量确定为目标分子基态能量。相应地，若获取到的更新后的分子基态能量未收敛，则继续基于变分参数对参数化量子电路进行更新，并进行后续相关操作，直至获取到的分子基态能量收敛。
本公开提出的量子本征求解器的实现方法，基于脉冲参数的迭代优化获取具有高纠缠容量的两比特量子门，并基于变分参数生成目标分子对应的参数化量子电路，将初始量子态输入至参数化量子电路中，基于参数化量子电路中的单比特量子门和两比特量子门的处理转化，获取初始量子态对应的末态，进而实现目标分子的分子基态能量的获取。进一步地，对获取到的分子基态能量的收敛情况进行判断，若获取到的分子基态能量收敛，则将当前获取的分子基态能量确定为目标分子基态能量，若获取到的分子能量未收敛，则返回基于变分参数更新参数化量子电路，并进行后续相关操作，直至获取收敛的分子基态能量，并将其确定为目标分子基态能量。本公开中，通过对脉冲参数的迭代优化实现对于控制脉冲的迭代优化，进而获取具有高纠缠容量的两比特量子门，使得量子本征求解器可以基于包含高纠缠容量的两比特量子门的参数化量子电路得到更好的实现，通过对获取到的分子基态能量的收敛情况实现变分参数的优化，进而获取目标分子的分子基态能量的最优解，有效提升了量子本征求解器的收敛效果以及运算精度。
上述实施例中，关于与高纠缠容量的两比特量子门的获取，可结合图3进一步理解，图3为本公开另一实施例的量子本征求解器的实现方法的流程示意图，如图3所示，该方法包括：
S301，基于脉冲参数生成控制脉冲，并基于控制脉冲，获取时序演化算符。
本公开实施例中，将两比特量子门的纠缠容量转化为可优化的目标函数，通过对其中的脉冲包络函数
中的脉冲参数
的调整，获取具有不同的纠缠容量
的时序演化算符
进一步地，在脉冲参数空间中进行搜索，进而获取脉冲参数
对应的最大化纠缠容量
的最优解，进而获取高纠缠容量对应的脉冲参数
进一步地，高纠缠容量的两比特量子门可以基于控制脉冲的迭代实现优化，其中，基于脉冲参数可以生成控制脉冲，因此，可以通过对脉冲参数的迭代实现控制脉冲的调整，进而实现高纠缠容量的两比特量子门的优化。
进一步地，将脉冲参数输入室温测控设备，以生成第一控制脉冲和第二控制脉冲。
本公开实施例中，控制脉冲可以用于实现高纠缠容量的两比特量子门的迭代调整，还可以用于实现参数化量子电路的更新，因此，基于脉冲参数需要生成至少一个的控制脉冲。
可选地，可以将脉冲参数输入量子计算机中的室温测控设备，基于室温测控设备中的控制脉冲生成模块，生成至少一个的控制脉冲，其中，可以将用于实现高纠缠容量的两比特量子门的迭代调整的控制脉冲确定为第一控制脉冲，将用于实现参数化量子电路的更新的控制脉冲确定为第二控制脉冲。
进一步地，使用第一控制脉冲和第二控制脉冲在量子硬件上运行量子任务。
本公开实施例中，控制脉冲可以施加于量子硬件上，因此，可以将施加了控制脉冲的量子硬件标记为对应的量子系统，该量子系统可以表示为：
其中，H0表示量子硬件的相关信息，包括系统能力结构以及量子比特之间的耦合方式等等，
表示施加至量子硬件上的脉冲，
为生成控制脉冲的脉冲参数。
进一步地，当VQE算法在量子硬件上实现时，通常需要向量子比特施加控制脉冲，因此，可以将基于脉冲参数生成的第一控制脉冲以及第二控制脉冲施加于相应的量子硬件上，进而实现量子任务基于量子硬件的运行。
实现中，通过对控制脉冲的合理设计，可以使得参数化量子电路中的每个单比特量子门以及每个两比特量子门的保真度最大限度的达到最优最高。
进一步地，基于量子过程层析算法，得到第一时序演化算符和第二时序演化算符，其中，第一时序演化算符用于获取纠缠容量，第二时序演化算符用于获取梯度信息。
本公开实施例中，可以基于设定的算法获取相应的时序演化算符，其中，当量子系统的哈密顿量确定时，其动力学演化特征可以满足如下所示的薛定谔方程：
其中，U(t)为t时刻的时序演化算符，
为脉冲参数，i为虚数单位，
为普朗克常数，进一步地，在量子系统的演化总时长为T的场景中，获取到的时序演化算符为
其中，
可以将简化标识为
可选地，可以基于量子过程分析算法(Quantum Process Tomography,QPT)实现时序演化算符的获取。其中，基于第一控制脉冲可以获取用于计算两比特量子门的纠缠容量的第一时序演化算符，基于第二控制脉冲可以获取用于更新脉冲参数的梯度信息的第二时序演化算符。
S302，获取时序演化算符的纠缠容量和纠缠容量对应的梯度信息。
本公开实施例中，纠缠容量(Entangling Capacity)，可以理解为，对于任意的量子初始态进行相关处理转化获取到的对应的末态的最大纠缠量，可选地，可以基于对数负性(Logarithmic Negativity,LN)实现纠结容量的度量。
基于获取到的第一时序演化算符可以实现两比特量子门的纠缠容量的计算，基于获取到的第二时序演化算符可以实现相应的梯度信息的计算。
其中，
设定脉冲参数为，第一时序演化算符为
则基于第一时序演化算符
获取到的两比特量子门的纠缠容量为
进一步地，可以获取相应的梯度信息
S303，响应于纠缠容量未收敛，则基于梯度信息更新脉冲参数，并返回执行后续操作。
本公开实施例中，可以通过对获取到的两比特量子门的纠缠容量的收敛情况的判断，进而判断获取到的两比特量子门的纠缠容量是否为可以满足实际所需的高纠缠容量的两比特量子门。
进一步，在两比特量子门的纠缠容量未收敛的场景中，可以判断，当前获取到的两比特量子门的纠缠容量无法满足实际所需，因此，需要对纠缠容量进行调整以及优化。
获取预设的学习率，并基于梯度信息和学习率，对脉冲参数进行更新。
进一步地，可以预设学习率，基于预设的学习率以及获取到的梯度信息，对当前的脉冲参数进行更新。如下所示：
其中，
为当前的脉冲参数，β为预设的学习率，
为获取到的梯度信息。
基于上述设定的公式对脉冲进行更新，并通过更新后的脉冲参数获取更新后的控制脉冲，可以生成更新后的时序演化算符，进而获取到更新后的两比特量子门的纠缠容量。进一步地，对于获取到的更新后的两比特量子门的纠缠容量继续进行收敛情况的判断，直至获取到的两比特量子门的纠缠容量收敛。
S304，响应于纠缠容量收敛，则基于当前的脉冲参数生成高纠缠容量的两比特量子门。
本公开实施例中，若当前获取到的两比特量子门的纠缠容量收敛，可以理解为，设置有当前获取到的纠缠容量的两比特量子门的参数化量子电路，可以使得VQE进行更好的实现。
进一步地，可以基于当前的脉冲参数获取相应的高纠缠容量的两比特量子门，并将其设置于参数化量子电路中。
为了更好的理解上述高纠缠容量的两比特量子门的获取，可结合图4，如图4所示，基于初始化的脉冲参数生成相应的控制脉冲，并将获取到的控制脉冲施加于量子硬件上进行量子任务的运行，基于量子过程层析法获取相应的时序演化算符，并基于时序演化算符获取到两比特量子门的纠缠容量以及相应的梯度信息。进一步地，若获取到的两比特量子门的纠缠容量收敛，则基于当前的脉冲参数生成相应的高纠缠容量的两比特量子门。若获取到的两比特量子门的纠缠容量未收敛，则基于获取到的梯度信息进行脉冲参数的更新，并基于更新后的脉冲参数返回进行后续相关操作，直至获取到的更新后的两比特量子门的纠缠容量收敛。
需要说明的是，可以通过经典计算机对两比特量子门的纠缠容量是否收敛进行判断，并基于两比特量子门的纠缠容量收敛，输出优化的脉冲参数，以及，基于两比特量子门的纠缠容量未收敛，则更新脉冲参数。
本公开提出的量子本征求解器的实现方法，通过对脉冲参数的更新迭代实现了控制脉冲的调整优化进而实现控制脉冲的合理设计，基于控制脉冲的合理设计实现高纠缠容量的两比特量子门的获取。本公开中，通过对脉冲参数的迭代优化实现对于控制脉冲的迭代优化，进而获取具有高纠缠容量的两比特量子门，使得量子本征求解器可以基于包含高纠缠容量的两比特量子门的参数化量子电路得到更好的实现，进而有效提升了量子本征求解器的收敛效果以及运算精度。
上述实施例中，关于分子基态能量的估算，可以结合图5进一步理解，图5为本公开另一实施例的量子本征求解器的实现方法的流程示意图，如图5所示，该方法包括：
S501，将参数化量子电路应用在初始量子态上，以生成初始量子态对应的末态。
本公开实施例中，VQE通过目标分子对应的参数化量子电路，可以实现目标分子的分子基态能量的计算，其中，分子基态能量的计算存在设定的公式，因此，可以通过对设定公式中的相关变量的确定，实现目标分子的分子基态能量的估算。
进一步地，可以将图2所示的参数化量子电路施应用于初始量子态上，通过图2所示的参数化量子电路中的每个单比特量子门以及两比特量子门的转换处理，进而获取对应的末态。
其中，获取到的末态即为分子基态能量计算的设定公式中的相关变量。
S502，基于末态以及哈密顿量，获取目标分子的分子基态能量。
实现中，可以在量子硬件上施加一个参数化的试探波函数
并结合经典的优化算法进行参数
的优化调整，进而使得期望值
实现最小化。进一步地，可以基于如下公式实现分子基态能量E0的估算：
其中，Hmole表示目标分子的哈密顿量，
表示参数化量子电路生成的量子的末态。则获取到相应的末态以及目标分子的哈密顿量后，基于上述计算公式即可实现目标分子的分子基态能量的获取。
进一步地，可以对获取到的分子基态能量的收敛情况进行判断，在获取到的分子基态能量收敛的情况下，可以基于当前的变分参数
获取目标分子的目标分子基态能量。
在获取到的分子基态能量未收敛的情况下，则对参数化量子电路中的变分参数进行迭代更新，在每次的迭代更新中，需要对参数化量子电路中全部的变分参数进行求导，并通过设定的优化算法实现变分参数的更新，进而使得分子基态能量可以实现最小化。进一步地，基于每次更新后的变分参数进行参数化量子电路的更新，进而获取更新后的末态
并基于更新后的末态计算更新后的分子基态能量，直至获取到分子基态能量收敛，则将基于该次更新后的变分参数获取目标分子的目标分子基态能量。
本公开提出的量子本征求解器的实现方法，基于变分参数的迭代调整，实现参数化量子电路的更新调整，并基于获取到的分子基态能量的收敛情况，实现变分参数的优化，并基于优化的变分参数获取到目标分子的目标分子基态能量。本公开中，通过对获取到的分子基态能量的收敛情况实现变分参数的优化，进而获取目标分子的分子基态能量的最优解，有效提升了量子本征求解器的收敛效果以及运算精度。
进一步地，为了更好的理解上述实施例，可结合图6理解，图6为本公开另一实施例的量子本征求解器的实现方法的流程示意图，如图6所示：
获取具有高纠缠容量的两比特量子门后，基于初始化的脉冲参数生成相应的控制脉冲，将控制脉冲施加于目标分子对应的参数化量子电路中，将初始量子态输入参数化量子电路中获取相应的末态，并基于目标分子的哈密顿量以及获取到的末态进行目标分子的分子基态能量的计算。进一步地，对分子基态能量的收敛情况进行判断，在获取到的分子基态能量收敛的情况下，可以基于当前的变分参数，获取目标分子的目标分子基态能量。在获取到的分子基态能量未收敛的情况下，则对变分参数进行更新，并返回进行后续操作，直至获取到的分子基态能量收敛，并基于当次更新后的变分参数获取目标分子的目标分子基态能量。
可选地，设定目标分子为氢分子，基于本公开实施例的方案获取氢分子的目标分子基态能量，其中，氢分子的原子间隔选取d＝74pm，则其对应的分子基态能量的理论值估算为-1.136189Ha。
进一步地，可以预先定义量子硬件，其中，量子比特间的拓扑结构以及选取的量子硬件参数可以如图7所示，则可以用如下公式实现图7中的量子硬件的表述：
其中，
分别表示第q个量子比特的产生算符、湮灭算符，αq、δq分别表示第q个量子比特的失谐性强度、频率失调强度，gq,q+1表示第q个和第q+1个量子比特的耦合强度，Ax(y),q(t)表示向第q个量子比特的通道X(Y)施加控制脉冲的包络函数。
可选地，为了更好的体现本公开实施例提出的量子本征求解器的实现方法的优势，可以将本公开实施例提出的方法与其他可用的方法进行对比，比如，Hardware-Efficient方法。进一步地，可以基于本公开提出的方法与Hardware-Efficient方法获取的高纠缠容量的两比特量子门进行对比。
本公开实施例中，可以将第1个和第2个量子比特组成量子子系统，以及将第2个和第3个量子比特组成量子子系统，由于量子比特的拓扑结构具有对称性，因此，可以通过在量子子系统上进行脉冲的优化，进而实现高纠缠容量的两比特量子门的获取。其中，将第1个和第2个量子比特组成量子子系统确定为“纠缠门1,2”，将第2个和第3个量子比特组成量子子系统确定为“纠缠门2,3”。
设定，采用相同的脉冲执行时间，比如150ns，以及相同的脉冲设置，比如X通道为振幅可调的高斯脉冲，Y通道不施加脉冲，则如下所示：
其中，脉冲最大振幅参数
用于优化，上标CR表示采用Hardware-Efficient方法进行控制脉冲的优化，上标(EC)表示采用本公开实施例中的方法实现的控制脉冲的优化，下标q,q+1表示优化作用在量子比特q和q+1上的两比特量子门的脉冲，而脉冲的中心位置τ2q和展宽σ2q均采用相同的设置且固定不变。
则基于设定的算法，比如模拟退火优化算法，获取到的两比特量子门的纠缠容量如下：
基于Hardware-Efficient方法，则“纠缠门1,2”的纠缠容量为0.951493，“纠缠门2,3”的纠缠容量为0.947642。
基于本公开提出的方法，则“纠缠门1,2”的纠缠容量为0.999999，“纠缠门2,3”的纠缠容量为0.999999。
进一步地，可以定义如图8所示参数化量子电路的模板，并将上述获取到的两比特量子门应用于图8所示的参数化量子电路中。
需要说明的是，本公开提出的VQE的实现方法，基于脉冲参数
进行迭代优化，从脉冲层面实现了VQE的算法优化，省略了逻辑层面的量子门转化脉冲的过程，进而有效提高VQE的算法的运算效率。
可以理解为，将参数
对应于单比特量子门的脉冲，并将其作为VQE算法实现的优化参数，其中，单比特量子门对应的脉冲函数如下所示：
其中，下标j∈[0,11]，
表示施加到第j个单比特量子门脉冲的幅度，而脉冲的中心位置τ1q和展宽σ1q都采用相同设置并固定不变。参数化量子电路中，单比特量子门以及两比特量子门对应的脉冲起始时间和结束时间如图8中横轴坐标所示，则基于随机的脉冲参数对单比特量子门进行初始化，并基于上述获取到的高纠缠容量的两比特量子门，在VQE运行设定次数后，比如110次，则获取到的VQE算法的收敛情况的统计结果如下：
基于Hardware-Efficient方法，则目标函数收敛至-1.1下的次数为5次
基于本公开提出的方法，则目标函数收敛至-1.1下的次数为17次。
其中，收敛次数越多，则收敛效果越好。因此，本公开提出的VQE的实现方法具有更好的收敛效果。
本公开提出的量子本征求解器的实现方法，通过对脉冲参数的迭代优化实现对于控制脉冲的迭代优化，进而获取具有高纠缠容量的两比特量子门，使得量子本征求解器可以基于包含高纠缠容量的两比特量子门的参数化量子电路得到更好的实现，通过对获取到的分子基态能量的收敛情况实现变分参数的优化，进而获取目标分子的分子基态能量的最优解，有效提升了量子本征求解器的收敛效果以及运算精度。
与上述几种实施例提供的量子本征求解器的实现方法相对应，本公开的一个实施例还提供了一种量子本征求解器的实现装置，由于本公开实施例提供的量子本征求解器的实现装置与上述几种实施例提供的量子本征求解器的实现方法相对应，因此上述量子本征求解器的实现方法的实施方式也适用于本公开实施例提供的量子本征求解器的实现装置，在下述实施例中不再详细描述。
图9为本公开一实施例的量子本征求解器的实现装置，如图9所示，量子本征求解器的实现装置100，包括获取模块11、生成模块12、计算模块13、确定模块14、更新模块15，其中：
获取模块11，用于获取具有高纠缠容量的两比特量子门；
生成模块12，用于基于变分参数生成目标分子对应的参数化量子电路，其中，参数化量子电路包括高纠缠容量的两比特量子门和单比特量子门；
计算模块13，用于获取初始量子态，基于初始量子态和参数量子电路，获取目标分子的分子基态能量；
确定模块14，用于响应于分子基态能量收敛，则基于变分参数生成目标分子的目标分子基态能量；
更新模块15，用于响应于分子基态能量未收敛，则更新参数化量子电路的变分参数，并返回基于更新后的参数化量子电路实现更新后的分子基态能量的获取，直至更新后的目标分子的分子基态能量收敛。
图10为本公开一实施例的量子本征求解器的实现装置，如图10所示，量子本征求解器的实现装置200，包括获取模块21、生成模块22、计算模块23、确定模块24、更新模块25，其中：
需要说明的是，获取模块11、生成模块12、计算模块13、确定模块14、更新模块15与获取模块21、生成模块22、计算模块23、确定模块24、更新模块25，具备相同的结构和功能。
本公开实施例中，获取模块21，还用于：
基于脉冲参数生成控制脉冲，并基于控制脉冲，获取时序演化算符；获取时序演化算符的纠缠容量和纠缠容量对应的梯度信息；响应于纠缠容量未收敛，则基于梯度信息更新脉冲参数，并返回执行后续操作；响应于纠缠容量收敛，则基于当前的脉冲参数生成高纠缠容量的两比特量子门。
本公开实施例中，获取模块21，还用于：
将脉冲参数输入室温测控设备，以生成第一控制脉冲和第二控制脉冲；使用第一控制脉冲和第二控制脉冲在量子硬件上运行量子任务；基于量子过程层析算法，得到第一时序演化算符和第二时序演化算符，其中，第一时序演化算符用于获取纠缠容量，第二时序演化算符用于获取梯度信息。
本公开实施例中，获取模块21，还用于：
获取预设的学习率，并基于梯度信息和学习率，对脉冲参数进行更新。
本公开实施例中，计算模块23，还用于：将参数化量子电路应用在初始量子态上，以生成初始量子态对应的末态；基于末态以及哈密顿量，获取目标分子的分子基态能量。
本公开提出的量子本征求解器的实现装置，通过对脉冲参数的迭代优化实现对于控制脉冲的迭代优化，进而获取具有高纠缠容量的两比特量子门，使得量子本征求解器可以基于包含高纠缠容量的两比特量子门的参数化量子电路得到更好的实现，通过对获取到的分子基态能量的收敛情况实现变分参数的优化，进而获取目标分子的分子基态能量的最优解，有效提升了量子本征求解器的收敛效果以及运算精度。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100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/或者要求的本公开的实现。
如图11所示，设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元11011加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM 1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元11011，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100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1101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1101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1101执行上文所描述的各个方法和处理，例如量子本征求解器的实现方法。例如，在一些实施例中，量子本征求解器的实现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11011。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的量子本征求解器的实现方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行量子本征求解器的实现方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，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，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (13)
1.一种量子本征求解器的实现方法，包括：
获取具有高纠缠容量的两比特量子门；
基于变分参数生成目标分子对应的参数化量子电路，其中，所述参数化量子电路包括所述高纠缠容量的两比特量子门和单比特量子门；
获取初始量子态，基于所述初始量子态和所述参数量子电路，获取所述目标分子的分子基态能量；
响应于所述分子基态能量收敛，则基于所述变分参数生成所述目标分子的目标分子基态能量；
响应于所述分子基态能量未收敛，则更新所述参数化量子电路的所述变分参数，并返回基于更新后的所述参数化量子电路实现更新后的所述分子基态能量的获取，直至所述更新后的所述目标分子的所述分子基态能量收敛。
2.根据权利要求1所述的方法，其中，所述获取具有高纠缠容量的两比特量子门，包括：
基于脉冲参数生成控制脉冲，并基于所述控制脉冲，获取时序演化算符；
获取所述时序演化算符的纠缠容量和所述纠缠容量对应的梯度信息；
响应于所述纠缠容量未收敛，则基于所述梯度信息更新所述脉冲参数，并返回执行后续操作；
响应于所述纠缠容量收敛，则基于当前的所述脉冲参数生成所述高纠缠容量的两比特量子门。
3.根据权利要求2所述的方法，其中，所述基于脉冲参数生成控制脉冲，并基于所述控制脉冲，获取时序演化算符，包括：
将所述脉冲参数输入室温测控设备，以生成第一控制脉冲和第二控制脉冲；
使用所述第一控制脉冲和所述第二控制脉冲在量子硬件上运行量子任务；
基于量子过程层析算法，得到第一时序演化算符和第二时序演化算符，其中，所述第一时序演化算符用于获取所述纠缠容量，所述第二时序演化算符用于获取所述梯度信息。
4.根据权利要求3所述的方法，其中，所述基于所述梯度信息更新所述脉冲参数，包括：
获取预设的学习率，并基于所述梯度信息和所述学习率，对所述脉冲参数进行更新。
5.根据权利要求4所述的方法，其中，所述获取初始量子态，基于所述初始量子态和所述参数量子电路，获取所述目标分子的分子基态能量，包括：
将所述参数化量子电路应用在所述初始量子态上，以生成所述初始量子态对应的末态；
基于所述末态以及哈密顿量，获取所述目标分子的所述分子基态能量。
6.一种量子本征求解器的实现装置，包括：
获取模块，用于获取具有高纠缠容量的两比特量子门；
生成模块，用于基于变分参数生成目标分子对应的参数化量子电路，其中，所述参数化量子电路包括所述高纠缠容量的两比特量子门和单比特量子门；
计算模块，用于获取初始量子态，基于所述初始量子态和所述参数量子电路，获取所述目标分子的分子基态能量；
确定模块，用于响应于所述分子基态能量收敛，则基于所述变分参数生成所述目标分子的目标分子基态能量；
更新模块，用于响应于所述分子基态能量未收敛，则更新所述参数化量子电路的所述变分参数，并返回基于更新后的所述参数化量子电路实现更新后的所述分子基态能量的获取，直至所述更新后的所述目标分子的所述分子基态能量收敛。
7.根据权利要求6所述的装置，其中，所述获取模块，还用于：
基于脉冲参数生成控制脉冲，并基于所述控制脉冲，获取时序演化算符；
获取所述时序演化算符的纠缠容量和所述纠缠容量对应的梯度信息；
响应于所述纠缠容量未收敛，则基于所述梯度信息更新所述脉冲参数，并返回执行后续操作；
响应于所述纠缠容量收敛，则基于当前的所述脉冲参数生成所述高纠缠容量的两比特量子门。
8.根据权利要求7所述的装置，其中，所述获取模块，还用于：
将所述脉冲参数输入室温测控设备，以生成第一控制脉冲和第二控制脉冲；
使用所述第一控制脉冲和所述第二控制脉冲在量子硬件上运行量子任务；
基于量子过程层析算法，得到第一时序演化算符和第二时序演化算符，其中，所述第一时序演化算符用于获取所述纠缠容量，所述第二时序演化算符用于获取所述梯度信息。
9.根据权利要求8所述的装置，其中，所述获取模块，还用于：
获取预设的学习率，并基于所述梯度信息和所述学习率，对所述脉冲参数进行更新。
10.根据权利要求9所述的装置，其中，所述计算模块，还用于：
将所述参数化量子电路应用在所述初始量子态上，以生成所述初始量子态对应的末态；
基于所述末态以及哈密顿量，获取所述目标分子的所述分子基态能量。
11.一种电子设备，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1-5中任一项所述的方法。
12.一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1-5中任一项所述的方法。
13.一种计算机程序产品，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1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110785435.1A CN113517040B (zh) | 2021-07-12 | 2021-07-12 | 量子本征求解器的实现方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110785435.1A CN113517040B (zh) | 2021-07-12 | 2021-07-12 | 量子本征求解器的实现方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113517040A true CN113517040A (zh) | 2021-10-19 |
| CN113517040B CN113517040B (zh) | 2022-03-15 |
Family
ID=78067217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110785435.1A Active CN113517040B (zh) | 2021-07-12 | 2021-07-12 | 量子本征求解器的实现方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113517040B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115101140A (zh) * | 2022-06-08 | 2022-09-23 | 北京百度网讯科技有限公司 | 确定分子的基态特征的方法、设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107231214A (zh) * | 2017-06-12 | 2017-10-03 | 哈尔滨工程大学 | 基于演化混沌量子神经网络的最优多用户检测方法 |
| US20190095811A1 (en) * | 2017-09-22 | 2019-03-28 | International Business Machines Corporation | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines |
| CN111523672A (zh) * | 2020-04-21 | 2020-08-11 | 北京百度网讯科技有限公司 | 一种包含多个耦合器件的超导电路架构及超导量子芯片 |
| CN111599414A (zh) * | 2020-03-25 | 2020-08-28 | 清华大学 | 一种基于量子计算机的全量子分子模拟方法 |
| WO2021050541A1 (en) * | 2019-09-13 | 2021-03-18 | The University Of Chicago | System and method of partial compilation with variational algorithms for quantum computers |
| CN112529195A (zh) * | 2020-12-10 | 2021-03-19 | 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 |
| CN112529202A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、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 |
| WO2021062357A1 (en) * | 2019-09-27 | 2021-04-01 | X Development Llc | Generating mixed states and finite-temperature equilibrium states of quantum systems |
| CN112749809A (zh) * | 2021-01-14 | 2021-05-04 | 北京百度网讯科技有限公司 | 构造量子仿真系统的方法和装置 |
| CN112801281A (zh) * | 2021-03-22 | 2021-05-14 | 东南大学 | 基于量子化生成模型和神经网络的对抗生成网络构建方法 |
-
2021
- 2021-07-12 CN CN202110785435.1A patent/CN113517040B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107231214A (zh) * | 2017-06-12 | 2017-10-03 | 哈尔滨工程大学 | 基于演化混沌量子神经网络的最优多用户检测方法 |
| US20190095811A1 (en) * | 2017-09-22 | 2019-03-28 | International Business Machines Corporation | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines |
| US20190251466A1 (en) * | 2017-09-22 | 2019-08-15 | International Business Machines Corporation | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines |
| CN111095307A (zh) * | 2017-09-22 | 2020-05-01 | 国际商业机器公司 | 用于量子计算机器的硬件高效的变分量子本征值求解器 |
| WO2021050541A1 (en) * | 2019-09-13 | 2021-03-18 | The University Of Chicago | System and method of partial compilation with variational algorithms for quantum computers |
| WO2021062357A1 (en) * | 2019-09-27 | 2021-04-01 | X Development Llc | Generating mixed states and finite-temperature equilibrium states of quantum systems |
| CN111599414A (zh) * | 2020-03-25 | 2020-08-28 | 清华大学 | 一种基于量子计算机的全量子分子模拟方法 |
| CN111523672A (zh) * | 2020-04-21 | 2020-08-11 | 北京百度网讯科技有限公司 | 一种包含多个耦合器件的超导电路架构及超导量子芯片 |
| CN112529195A (zh) * | 2020-12-10 | 2021-03-19 | 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 |
| 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 |
| CN112529202A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、装置、设备、存储介质及产品 |
| CN112749809A (zh) * | 2021-01-14 | 2021-05-04 | 北京百度网讯科技有限公司 | 构造量子仿真系统的方法和装置 |
| CN112801281A (zh) * | 2021-03-22 | 2021-05-14 | 东南大学 | 基于量子化生成模型和神经网络的对抗生成网络构建方法 |
Non-Patent Citations (4)
| Title |
|---|
| ANDREAS J. C. WOITZIK 等: "Entanglement production and convergence properties of the variational quantum eigensolver", 《PHYSICAL REVIEW》 * |
| SHIJIE WEI 等: "A Full Quantum Eigensolver for Quantum Chemistry Simulations", 《RESEARCH》 * |
| STEFAN BAUML 等: "Resource theory of entanglement for bipartite quantum channels", 《ARXIV:1907.04181V1》 * |
| 郭光灿 等: "量子计算机研究进展", 《南京邮电大学学报（自然科学版）》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115101140A (zh) * | 2022-06-08 | 2022-09-23 | 北京百度网讯科技有限公司 | 确定分子的基态特征的方法、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113517040B (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN112990472B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
| CN112561068B (zh) | 模拟方法、计算设备、经典设备、存储设备及产品 | |
| CN114580647B (zh) | 量子系统的模拟方法、计算设备、装置及存储介质 | |
| CN113496285A (zh) | 基于量子电路的数据处理方法及装置、电子设备和介质 | |
| 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 | |
| CN113705793B (zh) | 决策变量确定方法及装置、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 | |
| CN113065659A (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
| CN114418103B (zh) | 基态能量的确定方法、装置、设备及存储介质 | |
| CN114037084B (zh) | 量子测量设备校准方法及装置、电子设备和介质 | |
| CN114580649B (zh) | 消除量子泡利噪声的方法及装置、电子设备和介质 | |
| CN114492823B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
| CN113313261B (zh) | 函数处理方法、装置及电子设备 | |
| CN114239840A (zh) | 量子信道噪声系数估计方法及装置、电子设备和介质 | |
| Wang et al. | State preparation boosters for early fault-tolerant quantum computation | |
| CN114997407B (zh) | 量子测量设备的噪声消除方法及装置、电子设备和介质 | |
| CN115101140B (zh) | 确定分子的基态特征的方法、设备及存储介质 | |
| CN114429218A (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
| CN114548413A (zh) | 量子电路操作方法及装置、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 | |
| 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 | |
| CN114462614A (zh) | 量子噪声强度确定方法及装置、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 |
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 |