CN113853563A - 用于高斯玻色子采样的装置和方法 - Google Patents

用于高斯玻色子采样的装置和方法 Download PDF

Info

Publication number
CN113853563A
CN113853563A CN202080037617.4A CN202080037617A CN113853563A CN 113853563 A CN113853563 A CN 113853563A CN 202080037617 A CN202080037617 A CN 202080037617A CN 113853563 A CN113853563 A CN 113853563A
Authority
CN
China
Prior art keywords
input
optical modes
gbs
rbs
light
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202080037617.4A
Other languages
English (en)
Other versions
CN113853563B (zh
Inventor
K·布拉德勒
D·苏
N·基勒兰
M·舒尔德
Z·维努恩
L·海尔特
B·莫里森
D·玛勒
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.)
Zanadu Quantum Technology Co ltd
Original Assignee
Zanadu Quantum Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zanadu Quantum Technology Co ltd filed Critical Zanadu Quantum Technology Co ltd
Publication of CN113853563A publication Critical patent/CN113853563A/zh
Application granted granted Critical
Publication of CN113853563B publication Critical patent/CN113853563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06N10/40—Physical realisations or architectures of quantum processors or components for manipulating qubits, e.g. qubit coupling or qubit control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • 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
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)

Abstract

一种装置包括光源，所述光源用于在压缩状态中提供多个输入光学模式。该装置还包括互连的可重构分束器(RBS)网络，其被配置为对多个输入光学模式执行酉变换，以产生多个输出光学模式。光子计数检测器阵列与互连RBS网络进行光通信，并且被配置为在酉变换之后测量多个输出光学模式的每个模式中的光子数。该装置还包括可操作地耦合到光源和互连RBS网络的控制器。控制器被配置成控制光的压缩状态的压缩因子、酉变换的角度或酉变换的相位中的至少一个。

Description

用于高斯玻色子采样的装置和方法
相关申请的交叉引用
本申请要求于2019年5月22日提交的标题为“用于高斯玻色子采样的装置和方法”的美国临时专利申请No.62/851,312的利益和优先权，其全部内容全部通过引用并入本文。
技术领域
一个或多个实施例涉及高斯玻色子采样。
背景技术
与经典算法相比，采用通用量子计算的算法通常保证快得多的计算速度。然而，迄今为止，没有已知的硬件能够在大规模问题上运行这些算法，更不用说以容错方式了。
发明内容
本文描述的一些实施例一般涉及高斯玻色子采样，而且，特别是在光子平台上执行高斯玻色子采样。在一些实施例中，一种装置包括光源，该光源被配置为以光的压缩状态提供多个输入光学模式。该装置还包括与光源进行光通信的互连可重构分束器(RBS)网络。互连RBS网络被配置为对多个输入光学模式执行酉变换,以产生多个输出光学模式。光子计数检测器的阵列与互连RBS的网络进行光通信，并且被配置为在酉变换之后测量多个输出光学模式的每个模式中的光子数。该装置还包括可操作地耦合到光源和互连RBS网络的控制器。控制器被配置为控制光的压缩状态的压缩因子、酉变换的角度或酉变换的相位中的至少一个。
附图说明
附图主要用于说明目的，并且不旨在限制本文所述的主题的范围。附图不一定按比例；在一些情况下，本文公开的公开主题的各个方面可以在附图中放大显示或放大，以促进对不同特征理解。在附图中，相似的附图标记通常指相似的特征(例如，功能相似和/或结构相似的元件)。
图1示出了根据实施例的用于高斯玻色子采样(GBS)的装置的示意图。
图2示出了根据实施例的使用空间编码的GBS系统的示意图。
图3示出了根据实施例的在集成光子电路上实现的用于执行GBS的量子处理单元(QPU)的示意图。
图4A-4B示出了根据实施例的可以在图3所示的QPU中使用的功率划分模块的示意图。
图5示出了根据实施例的可用于为GBS产生位移压缩光的位移模块的示意图。
图6示出了说明根据实施例的操作GBS设备的方法的框图。
图7示出了根据实施例的向用户提供对量子硬件设置的访问的GBS系统的示意图。
图8示出了说明根据实施例的使用GBS设备解决图(graph)问题的方法的框图。
具体实施方式
鉴于实现通用量子计算的挑战，替代的非通用量子计算模型目前正在积极研究下。一种这样的模型是高斯玻色子采样(GBS)。GBS系统以M个模式准备量子谐波振荡器的集合(例如，光场模式)的输入压缩的真空状态或压缩相干状态，将它们输入到N模式线性光学干涉仪，并检测干涉仪的N个输出模式的每一个的光子数。换句话说，GBS系统从光子数基础的输出的概率分布来采样。
图1示出了根据实施例的GBS的装置100的示意图。装置100包括输入状态产生器110以准备光(例如，光学模式)的所需输入状态，然后是线性干涉仪120，用以在从输入状态产生器110接收的光的输入状态上执行酉变换。检测器130被用于测量线性干涉仪120的输出(例如，输出光学模式，也被称为变换光学模式)。输入状态产生器110和线性干涉仪120的组合也被称为量子处理单元(QPU)150，并且虚线内的组件也被称为量子硬件(QH)160。
除了QH 160之外，装置100还包括用于控制输入状态产生器110的操作的输入控制器115、用于控制线性干涉仪120的操作的干涉仪控制器125、以及用于控制检测器130的操作的检测控制器135。此外，主控制器140用于协调和/或控制三个控制器115、125和135的操作。控制器115、125和135可以包括一个或多个字段-可编程门阵列(FPGA)、专用集成电路(ASIC)、图形处理单元(GPU)和/或中央处理单元(CPU)。与定制集成电路相比，FPGA、ASIC、GPU和/或CPU的使用可以导致提高的操作速度、可靠性和灵活性，以及更低的货币成本。
在一些实施例中，控制器115、125和135可以包括运行驱动器以执行控制逻辑并致动各种子系统硬件元件的小型计算机。主控制器140可以包括协调子控制器115、125和135的控制逻辑的计算机。例如，主控制器140可以被配置为接收来自用户的指令，然后将接收的指令发送到一个或多个特定的子控制器。
在一些实施例中，输入状态产生器110被配置为产生输入状态，如光束或光脉冲(例如，压缩光)。在这些实施例中，输入状态产生器110也被称为光源110。例如，输入状态产生器110转换激光并通过非线性光学元件产生总数为M个的光的压缩的和/或位移压缩的状态，其可以由
Figure BDA0003366022090000031
表示，其中
Figure BDA0003366022090000032
Figure BDA0003366022090000033
并且
Figure BDA0003366022090000034
i是模式号，ri是压缩因子，并且ai是湮灭运算符。在一些实施例中，可以独立地调整每个模式中的压缩因子和位移，以便将不同的应用程序编码到装置100中。在一些实施例中，对于每种模式，位移变量α也可以是不同的，即，在上述等式中，每个模式i具有相应位移αi。
线性干涉仪120被配置为在最多N个输入模式上执行酉操作，并因此用由
Figure BDA0003366022090000041
表示的模式i中的光子，将输入模式运算符
Figure BDA0003366022090000042
变换为输出模式运算符
Figure BDA0003366022090000043
其中U是酉运算符。不同的酉运算符Uij可以被编程到线性干涉仪120中，以用于装置100中的QH 160的每次运行。
装置100中的检测器130具有光子计数能力(即，检测器130被配置为测量线性干涉仪120的每个输出模式中的光子数)。不受任何特定理论或操作模式的约束，线性干涉仪120的每个输出模式可以由投影值测量元素
Figure BDA0003366022090000044
表示。
由输入状态产生器110(即，状态编码)产生的模式i可以对应于任何适当的量子谐波振荡器模式的集合。这里使用光场模式作为说明示例。通常，光场模式可以用频率/时间、偏振和空间分布表征。因此，可以采用各种编码方案来为装置100准备适当的光场模式以执行GBS。
在一些实施例中，输入状态产生器110可以被配置为使用空间编码产生光学模式。在这些实施例中，不同的光学模式以不在空间中重叠的横向场分布为特征。例如，不同的光学模式可以包括单独的光束，其可以在自由空间中或在单独的光波导中传播。
在一些实施例中，装置100可以包括多个波导以传播空间编码的光学模式。例如，线性干涉仪120可以包括M个输入端口以接收M个输入光学模式，并且每个端口可以耦合到传播不同输入光学模式的输入波导。另外，线性干涉仪120的输出模式也可以通过波导被传输到检测器130。在这种情况下，检测器130可以包括光子计数检测器的阵列，每个检测器耦合到线性干涉仪120的相应输出端口，以测量从输出端口传送的输出光学模式中的光子数。
在一些实施例中，输入状态产生器110可以被配置为使用时间编码产生光学模式。在这些实施例中，不同的光学模式以在空间中不重叠的纵向分布为特征。例如，每个光学模式可以包括单个纵向路径中的明确定义的光学脉冲。
在一些实施例中，输入状态产生器110可以被配置为使用频率编码产生光学模式。在这些实施例中，不同的光学模式以频率不重叠的频率分布为特征(即，每个光学模式具有不同的频率或波长)。在一些实施例中，输入状态产生器110可以采用多于一个的编码方案来准备输入光学模式(即，使用混合方案)。
图2示出了根据实施例的使用空间编码的GBS系统200的示意图。系统200包括用于将系统联网到用户终端201的服务器210。用户终端201可以包括用于访问系统200的任何用户硬件。可以在本地或通过因特网连接实现访问。系统200还包括用于控制系统200、接收用户指令和/或向用户提供状态信息和计算结果的主单元240。
在系统200中，使用QPU 250来执行GBS。QPU 250可以基本上类似于图1所示和上文所述的QPU 150(例如，包括输入状态产生器和线性干涉仪)。在一些实施例中，QPU 250可以被配置为光子芯片(更多细节参见下面图3-4)。QPU驱动器252可操作地耦合到QPU 250，以用于配置、编程和操作QPU 250的元件。例如，QPU驱动器252可以包括用于包括在QPU 250中的芯片上电气元件(例如，移相器)的合适电压/电流驱动器。另外，锁定环控制器254用于与QPU 250相关联的任何主动反馈系统，例如用于谐振装置的锁定环。QPU驱动器252和/或锁定环控制器254可以包括一个或多个FPGA、ASIC、GPU和/或CPU。
QPU 250也可操作地耦合到QPU环境控制器255，QPU环境控制器255被配置为控制QPU 250的机械、热和/或光学环境。例如，QPU环境控制器255可以被配置为确保QPU 250在稳定的环境(例如，低水平的温度波动等)内操作。QPU环境控制器255可以包括一个或多个FPGA、ASIC、GPU和/或CPU。一个或多个监控器光电二极管260可操作地耦合到QPU 250和QPU环境控制器255，以用于评估QPU元件的稳定性。监控器光电二极管260可以被配置为测量QPU 250的操作参数(例如，光输出)，并向QPU环境控制器255提供测量，以允许QPU环境控制器255产生适当的控制信号。
系统200还包括泵浦源220，以向QPU 250内的输入状态产生器提供泵浦光束，来产生适当的输入状态。泵浦控制器225可操作地耦合到泵浦源220以控制泵浦源220的操作。泵浦控制器225可以包括一个或多个FPGA、ASIC，GPU和/或CPU。在一些实施例中，泵浦源220可以包括激光器。
QPU 250的输出由检测器阵列230监控，该检测器阵列230包括光子计数检测器的集合，例如光子数解析过渡边缘传感器、超导纳米线光子计数检测器和/或雪崩光电二极管。检测器阵列230由检测控制器235控制。例如，检测控制器235可以调节检测器阵列230的偏置电压，以提高检测效率。检测控制器235可以包括一个或多个FPGA、ASIC、GPU和/或CPU。在一些实施例中，可以采用可选的低温控制器234来控制支持检测器阵列230的操作的低温系统(图2中未示出)。数据采集系统(DAQ)232可操作地耦合到检测器阵列230，以将检测器阵列230的输出信号转换为表示光子数读数的一系列整数，然后该一系列整数可以被报告给用户(例如，经由用户终端201)。
图3示出了根据实施例的在集成光子电路上实现以执行GBS的量子处理单元(QPU)300的示意图。QPU 300包括输入状态产生器310和干涉仪320，输入状态产生器310和干涉仪320在基板305中制造(也被称为平台305)。基板可包括以下的一个或多个：硅、氧化硅(例如，二氧化硅)、氮化硅等。输入状态产生器310包括功率划分模块(PDM)312、压缩器314、滤波器316和可选位移模块318(以产生位移压缩的光)。干涉仪320包括输入端口322、用于执行酉变换的RBS网络325以及输出端口328。
QPU 300还包括可操作地耦合到PDM 312、压缩器314、滤波器316、位移模块318和RBS网络325的QPU驱动器340，以控制它们的操作。另外，每个上述元件具有相应的监控器(例如，光电检测器和电子设备)，以用于监控该元件的光学状态输出。更具体地，PDM 312耦合到PDM监控器313，压缩器314耦合到压缩器监控器315，滤波器316耦合到滤波器监控器317，位移模块318耦合到位移监控器319，以及RBS网络325耦合到干涉仪监控器324。所有监控器313、315、317、319和324也可操作地耦合到QPU驱动器340。在图3中，细线(例如，在每个监控器和其对应元件之间)表示光信号，并且带有箭头的粗线(例如，QPU驱动器340与输入状态产生器310中的组件和干涉仪320之间)指示电信号。
针对光学模式的高约束，可以为了低光学损耗和高折射率对比度而选择平台305。因此，得到的构件块(例如，波导)可以用于构造大深度光学电路或电路元件(例如，PDM312、压缩器314、位移模块318或这些元件之间的连接等)，其中光学模式可以传播长距离。在一些实施例中，平台305包括绝缘体上硅晶圆，其支持光波导结构和集成光子元件。
除了良好的无源性能外，波导材料还可以具有高二阶或三阶非线性光学响应，以便诱导有效的参量荧光，其可以被输入状态产生器310采用以产生压缩的光。在一些实施方案中，波导材料可包括氮化硅、硅纳米线、铌酸锂和氮化铝等。
在一些实施例中，可以使用涉及多个波导层的制造平台来制造QPU 300，该制造平台可以提供增强的设计灵活性。例如，可以在氮化硅波导层上制造非线性光学组件(例如，压缩器314)，并且干涉仪320可以在硅层上实现。在这些实施例中，可以采用层间耦合器来允许在不同层之间传送光。
在一些实施例中，在QPU 300中的一些活动组件(例如，干涉仪320)中具有可调性和可编程性可以是有益的。可以通过来自QPU驱动器340的电输入来实现可调性和可编程性。在一些实施例中，热光相移器、电光相移器或任何其他适当类型的相移器可以沿着光波导结构集成，以便于实现可调性和可编程性。
在QPU 300中，输入状态产生器310被配置为产生压缩的和/或位移压缩的光的状态，用于输入到线性光学干涉仪320中。作为输入，状态发生器310转换相干激光以驱动非线性光学过程，来产生压缩和执行相干位移。通常，压缩器和位移器(例如，314和318)通过相互相干的光束泵浦，并且采用PDM 312取得一个或多个相互相干的激光输入光束，并产生多个相位锁定和相互相干的输出激光束以驱动压缩器和位移器。然后将PDM 312的输出引导到压缩器314和位移模块318。
在一些实施例中，位移模块318可以是可选的(即，进入干涉仪320的输入光学模式不包括位移)。在这些实施例中，PDM 312可以被配置为提供高功率激光束阵列来泵浦压缩器314。在一些实施例中，进入干涉仪320的输入光学模式包括位移的压缩光。
在这些实施例中，PDM 312被配置为以较低功率提供至少一个附加输出，以用作相干位移光束。通常，驱动非线性过程以产生压缩光的泵浦光束的波长(即，泵浦波长)与产生的压缩光的波长(即，压缩光波长)不同。因此，位移光束的波长(即位移波长)也不同于泵浦波长。此外，对于许多模式的系统(即大M系统，其中M是光学模式的数量)，高光学功率需求可以使得在单个通道中接收泵浦光功率的全部所需的量具有挑战性。
在一些实施例中，QPU 300可以包括分束器，以将泵浦光束划分成多个单独的泵浦光束(例如，M个泵浦光束)并且可以监控它们，以提供关于该组被划分的输入泵浦光束之间的相对相位的信息。然后将相位信息提供给QPU驱动器340，以反馈给相关输入泵浦并锁定它们的相对相位。如本文所使用的，分束器(BS)是指经由例如定向耦合器或多模干涉仪将功率从两个输入模式传输到两个输出模式的组件。
在一些实施例中，所使用的分束器可以包括可重构分束器(RBS)，其具有可调的功率分束比。例如，RBS可以包括由两个后续分束器形成的马赫-曾德尔(Mach-Zehnder)干涉仪，在一个中间臂中具有可调谐移相器(TPS)，以在四个端口之间提供可控的传输比。如本文所使用的，TPS是放置在提供可控光学相位延迟的波导的路径附近或路径中的元件。TPS可以热光地或电光地(或通过任何其他适当的机制)操作。通常，TPS可以通过施加到包括TPS的光子芯片上的电触点的输入电压进行调谐。
在一些实施例中，可以通过利用芯片上分束器(例如，定向耦合器)，在每个输入泵浦光束进入PDM 312时，分接其一小部分来获取相位信息。每个分接的部分可以通过另一个分束器与相邻的分接的部分发生干涉，并且该分束器产生的光输出可供光电检测器使用。QPU驱动器340可以使用来自入射到这些光电检测器上的信号的信息来反馈和锁定相对泵浦输入相位。在一些实施例中，在泵浦光束进入QPU 300之前致动反馈。在一些实施例中，反馈经由来自QPU驱动器340的电信号，由集成在PDM 312中的TPS单元致动。
位移光束(在图3中标记为“芯片输入”)相对于泵浦光束相位稳定也是有益的。因此，PDM 312可以包括监控器来探测这个相对相位。由于位移波长通常与泵浦波长不同，位移光束与泵浦光束的干涉可能无法有效提取相对相位信息。为了解决这个问题，在与泵浦光束和位移光束相同的光学通道中携带的单独控制光束可以用于探测位移光束和泵浦光束的相对相位。控制光束的波长不同于使用的任何其他波长(包括泵浦光束波长、位移光束波长，和产生的压缩光的波长)。此外，控制光束的波长与压缩光的波长之间的差异可以足够大，以有利于在光子计数检测器检测到量子光之前，对控制光束进行高消光滤波。相位信息是通过将不同通道中的控制光束相互干扰，并测量干扰后产生的控制光束的幅度来提取的。
在PDM 312的这个锁相层之后，输入泵浦光束被划分，以产生平衡的输出泵浦光束(例如，M个输出泵浦光束)以驱动压缩器314。在一些实施例中，该划分可以通过一组分束器树来实现。在一些实施例中，该划分可以通过干涉仪网络来实现。在泵浦光束被引导到压缩器314之前，对每个输出泵浦光束的光功率进行独立控制(例如，使用RBS)也是有益的。
取决于压缩器314的性质，输出泵浦光束(即，驱动压缩器314的光束)可以是连续的、脉冲的、单色的，或者是在不同的波长的一个或多个连续和一个或多个脉冲输入的组合。例如，压缩器314可以使用强连续驱动光束和另一波长的弱脉冲光束来产生压缩光。可以在2020年5月12日发布的题为“用于压缩光产生的集成设备”的美国专利号10,649,307中找到该产生压缩光的方案的更多细节，该专利的全部内容在此并入本文。在这种情况下，PDM 312允许基于压缩器314的操作，适当地路由双色输入。如果泵浦光束的两个不同波长分量在QPU之前在单独的通道中被携带，则可以并入类似的相位稳定机制，以提供有关必要的相对相位的信息。
在一些实施例中，PDM 312被配置为使用在多个输入之间划分的双色泵浦，以及在每个输入中单独的位移光束和控制光束来操作。在这些实施例中，PDM 312操作如下。首先，PDM 312在分开的通道中接收：(i)处于第一波长(连续或脉冲)的一个或多个泵浦输入；(ii)处于第二波长(连续或脉冲)的一个或多个泵浦输入；(iii)以适合相干位移的模式的处于第三波长的一个输入。用于探测相位移的控制光束在任何输入通道中共同传播，其中传播光束具有和其他光束显著不同的波长。
然后，PDM 312获取关于输入的相对相位的信息。该信息可以经由光电检测监控器(例如，313)提供给外部驱动器(例如，340)。外部驱动器然后调制移相器(例如，在PDM 312内或在PDM 312之前)以致动相移，来校正各输入之间的相移并产生锁相泵浦光束。PDM 312然后将锁相泵划分成适当数量的具有可变功率的输出并将它们引导至压缩器314。PDM 312还将锁相位移光束引导至位移模块318。
图4A示出了根据实施例的可以在图3所示的QPU 300中使用的PDM 400的示意图。PDM 400可以将输入信号401任意地划分为2N个输出通道(即，如图4A所示的P1到P2N)。PDM400包括2N个RBS单元401(1)至410(2N)，并且每个RBS单元410包括用于接收输入信号的输入端口和用于传送两个输出信号的两个输出端口。在每个RBS 410中，第一输出端口将第一输出信号传送到集成延迟线(IDL)单元，该集成延迟线(IDL)单元可以将第一输出信号的相位延迟期望的量。这些延迟可以使PDM 400的输出阵列同步。每个RBS(例如，410(N))的第二输出端口将第二输出信号传送到下一个RBS(例如，410(N+1))的输入端口，即第二输出信号用作下一个RBS的输入信号。对于最后一个RBS(即RBS 2N)，第二输出信号可用作校准的测试通道。
每个RBS(即，T1,T2,…T2N)的传输比可以由每个RBS中相应的移相器(例如，设置在RBS的一个臂上的TPS)控制。这些RBS单元被配置为在每个通道中提供期望的输出功率，其可以由PDM 400的配置确定。例如，奇数输出通道可以携带用于驱动压缩器(例如，图3中的314)的泵浦光，并且偶数输出通道可以携带用于执行位移(例如，图3中的318)的光。也就是说，j＝1,2,3,…,N的第(2j-1)个输出对应于携带用于第j个压缩器-位移器的压缩器元件的泵浦光的通道，而第(2j)个输出对应于第j个压缩器-位移器的位移器输入端。
用于产生输出功率分数的预先确定的序列的RBS设置可以如下确定。假设功率Pi位于输出通道i。那么PDM的输入功率Pin(忽略损耗)可以被写为：
Pin＝∑iPi. (1)
从第i个RBS的输出中出现的总功率的分数αi为αi＝Pi/P0；因此第一个RBS的输出通道功率传输比率为,1＝α1，第i个RBS(对于i>1)的输出通道功率传输比率为：
Figure BDA0003366022090000111
在某些情况下，可以调整这些比率(αi)以考虑传播损耗。例如，可以在PDM 400的校准期间确定比率(αi)的调整。或者，可以响应于例如环境参数(诸如温度)的变化在PDM400的操作期间执行比率(αi)的调整。
对于脉冲操作，IDL单元可以被放置在输出端口之前的每个通道中，以提供平衡每个通道的光路长度的合适的时间延迟。以这种方式，单个输入脉冲可以作为一组时间同步的输出脉冲出现。
本文描述的PDM 400可以被理解为有向二叉树的子集，其中每个RBS对应于树的一个节点，并且居间波导对应于连接它们的分支。
或者，PDM可以通过全二叉树来实现。在这种情况下，PDM可以包括RBS层的级联。图4B示出了基于全二叉树结构的PDM 420的示意图。第一层包括RBS 430(1)，第二层包括RBS430(2)和430(3)。出于说明的目的，图4B显示了两层。每层RBS可以被拆分为两个通道，直到实现输出模式的所需数量。该方法可以使用较少的RBS单元(对于大N，大约为2倍)，但在水平维度上可以具有更大的深度。根据占用空间的限制，PDM可以被这种全树系统取代。
以上描述的构建PDM 400和420的两种方法都为每个所需的输出设置使用全局重新配置。通常，可以调整每个RBS以改变在任何通道中的输出功率。尽管该方案可能增加控制系统的复杂性，但其具有能源效率的显著优势，因为所有输入功率都被使用。因此，这些方法也被称为功率高效方案。
或者，PDM的另一种方案可以对每个RBS使用固定分光比，随后是用于控制输出的衰减器(即，等分方案)。这种方法可以有更简单的控制系统，但在操作期间可能会损耗一些输入功率(例如，在衰减器处)。
若干因素可以影响关于使用哪种方案的决定。例如，对于涉及实际模拟中的大压缩级别、大数量模式(例如，5-10个的模式)，以及来自PDM的大输出功率的模拟，功率效率方案是有利的。在另一个示例中，如果需要简化控制系统，也可以使用等分方案，然后是可变衰减。
返回参考图3，压缩器314被配置为产生具有可调压缩的压缩光。在一些实施例中，压缩器314的输出包括频率退化的单模式压缩状态。在一些实施例中，压缩器314的输出包括通过利用多个频率、极化或时间仓的双模式或多模式压缩状态。
可以使用各种方法来通过压缩器314产生压缩光。通常，压缩器314使用在二阶或三阶非线性光学介质中的参数相互作用，来产生压缩光，即，自发参数下变换或自发四波混频。在一些实施例中，压缩器314采用双泵浦方案，以经由谐振结构(例如微环谐振器)中的自发四波混频来产生压缩光。在一些实施例中，压缩器314采用单泵浦方案，以经由谐振结构中的自发四波混频来产生压缩光。在一些实施例中，自发四波混频可发生在长波导段中(例如，使用双泵或单泵方案)。
在一些实施例中，压缩器314可以在谐振结构(例如微环谐振器或耦合微环谐振器的系统)中使用自发参数下转换，以产生压缩光。在一些实施例中，自发参数下转换可以发生在相位匹配的波导段，或准相位匹配的周期性极化波导段中。
在一些实施例中，在本文描述的压缩光产生的每种方法中，压缩器314中可以包括辅助结构，以增强所产生的压缩光的特性。例如，在谐振结构(例如，微环)中，其对于容纳具有高逃逸效率(即，产生的压缩光耦合到谐振结构外部的效率)的产生的压缩光的谐振是有益的。例如，这可以通过将相应的谐振模式与谐振结构进行强烈过耦合来实现。
压缩器314的输出的压缩因子可以由QPU驱动器340调整(例如，由用户手动调整或根据特定协议自动调整)。在一些实施例中，可以控制输入泵浦功率以将可变量的光泵浦功率传送到每个压缩器314(例如，通过PDM 312的设置)。在一些实施例中，对于谐振压缩器，可以调整谐振器中泵浦光束远离谐振模式的失谐以改变压缩因子。在一些实施例中，来自QPU驱动器340的信号被用来致动芯片上可调移相器，其继而实现上述调整。
在一些实施例中，压缩器314还包括用于稳定的监控和主动反馈(特别是对于谐振压缩器结构)。在这些实施例中，提供关于每个压缩器314的状态的信息的光信号被供应给与QPU驱动器340通信的一组监控光电检测器(例如，315)。然后携带电反馈信号340从QPU驱动器到芯片(即在基板305中制造的组件)，以致动稳定变化，从而实现反馈回路。在一些实施方式中，可以直接从压缩器314获取用于监控的光信号。例如，当压缩器314包括谐振系统时，可以使用这种方法，在谐振系统中泵浦光可以在单独的光通道中，从产生的压缩光，被携带到压缩器314并从压缩器314中被提取。在一些实施方式中，如下文所讨论的，可以从滤波器316的输出端口获取光信号。
在一些实施例中，用于压缩器314的一些或全部光泵浦功率经由用于压缩光的相同光通道被带走。在这些实施例中，在干涉仪320之前转移(divert)尽可能大的一部分(例如，大约99％或更多)的泵浦光可以是有用的。这种转移具有至少两个好处。首先，转移可以经由压缩器后泵浦光，为监控和锁定提供有关压缩器状态的光学信息。其次，转移可以减少或避免在压缩器314之后，从由泵浦光驱动的不需要的非线性效应(例如自发拉曼散射或四波混频)产生的噪声。
在QPU 300中，用于压缩314的泵浦光的转移由滤波器316完成。可以采用各种类型的滤波机制来构造滤波器316。在一些实施例中，滤波器316包括一个或多个分插环形滤波器，该滤波器被配置为在传输压缩光的同时将泵浦光束耦合出去。在一些实施例中，滤波器316包括非对称马赫-曾德干涉仪(AMZI)。在一些实施例中，滤波器316包括晶格滤波器(也称为级联AMZI)。在一些实施例中，滤波器316包括布拉格光栅结构。在一些实施例中，滤波器316包括耦合环形结构。在一些实施例中，可以采用TPS单元来为滤波器316施加偏置。
图5示出了根据实施例的可以用于为GBS产生位移压缩光的位移模块500的示意图。位移模块500也可以用作图3所示的QPU 300中的位移模块318。位移模块500包括RBS530(1)至530(N)的阵列。每个RBS 530(j)接收来自对应压缩器510(j)的第一输入光束和第二输入光束(即位移光束)520(j)，其中j＝1，2…N。压缩器510(1)到510(N)可以共同形成图3中的压缩器314。
如图5所示，可以通过将由PDM(例如，图3中的PDM 312)提供的位移光束与压缩器314提供的压缩光(例如，在滤光器316之后)混合来实现位移。混合可以在RBS上执行，该RBS被偏置为对压缩光的透射率接近100％。这可以避免对压缩光路增加显著的损耗，同时允许根据由QPU驱动器设置的每个RBS的透射比实现可变位移。位移光束520的相位可以由在RBS530之前的传播位移光束520的输入波导段上的TPS元件控制。
每个RBS 530具有两个输出端口。一个端口被配置为向干涉仪(例如，图3中的320)传送位移的压缩光。另一个端口可以被配置为提供信号以监控光电二极管，以进行状态监控、反馈和稳定。
返回参考图3，干涉仪320可以由分束器和移相器(例如，RBS)的网络实现。干涉仪320可以包括N个输入端口322和N个输出端口328，以便对N个输入光学模式执行一般变换U(N)。在一些实施例中，N*(N-1)/2个RBS和N个移相器可以经由Reck方案互连以构建干涉仪320。在这个方案中，N*(N-1)/2个RBS可以执行SU(2)变换,以及N个移相器可以执行U(1)变换。使用RBS来构建干涉仪320允许低损耗和小的物理占用空间。
QPU 300还包括检测器(图3中未示出)。在一些实施例中，还可以在相同的平台305上制造检测器。在一些实施例中，检测器可以在单独的平台上被制造，并且可以从平台305上被移除(例如，通过光纤耦合)。
QPU 300中的检测器被配置为在由干涉仪320提供的每个不同光学模式中执行光子数的读出。换句话说，QPU 300中的检测器具有光子数分辨率。在一些实施例中，检测器可以包括传感器阵列，每个传感器耦合到干涉仪320的输出端口328，并产生与在对应输出端口328中检测到的光子数相对应的数据。
在一些实施例中，检测器包括过渡边缘传感器(TES)检测器。TES检测器可以提供精确的光子数分辨率，该光子数分辨率具有可以忽略不计的暗计数和高量子效率，其对GBS应用可以是有益的。TES检测器通常在低温下工作(例如，在mK范围内)。因此，TES检测器可以经由光纤耦合到干涉仪320(而不是在平台305上制造TES检测器)。TES检测器的数据获取可以通过数字化检测器产生的电压脉冲并执行适当的计算分析以解析每个脉冲和通道中的光子数来完成。该数据获取可以通过由QPU控制系统或输入泵浦子系统提供的适当定时脉冲触发。
在一些实施例中，检测器可包括任何其他适当类型的光子计数检测器，例如单光子计数检测器(诸如超导纳米线单光子计数检测器或单光子敏感雪崩光电二极管)。在一些这样的实施例中，合适的复用方案(例如，空间、时间或模式复用)可以用于确保多于一个的光子入射到任何单个检测器元件上的低概率。这种多路复用策略可以涉及一些多倍数L的检测器，其中L是N的倍数，并且L足够大以抑制每个检测器的多光子计数事件。为确保检测器仅检测所需光子，连接到检测器的光纤可包括多级滤波。
本文参考以上图1-5描述的GBS装置可以被配置为使得输出样本(即，在输出处每个光学模式中的光子数的统计数据)包含有用信息。通过改变输入压缩和/或N模式线性干涉仪设置，可以将大量问题编码到GBS中。这些问题可以是基于图的或基于组合优化的，并且有许多实际应用，包括社会网络优化和化学。然后，可以使用来自适当编程的GBS设备的输出样本来提供编码问题的候选解决方案。这些样本可以由经典计算机处理，包括作为混合经典量子算法的一部分。结果可以作为连续算法的一部分，进一步导致GBS设备的重新配置/更新。
图6示出了根据实施例的说明操作GBS设备的方法600的框图。方法100包括将应用程序610嵌入GBS系统620(例如，在图1-5中示出和/或参考图1-5描述的任何GBS设备)。例如，GBS系统中的干涉仪的压缩因子和/或相位设置可以被配置为解决特定问题(例如，如下文所讨论的图或振动谱)。然后将GBS系统620的输出630发送到经典计算机640(或仅处理器)进行后处理(例如，分析在每个光学模式中的光子分布)，以便检索嵌入GBS系统620中的特定问题的解650。此外，可以将来自经典计算机640的经处理信息发送回应用程序610以改进嵌入(例如，调整干涉仪的输入光学模式或相位设置)。可被嵌入GBS系统620中的示例性应用包括：识别社交网络上高度关联的影响者、提高太阳能电池的效率、或缩短客户下在线订单和接收在线订单之间的时间。
本文所述的GBS设备还可以允许与用户交互，例如设置状态产生和线性光学干涉仪组件的参数。为此，执行基于GBS的应用程序的硬件可以是可编程(即，可以指定压缩参数、相干位移设置(如果适用)和干涉仪矩阵)和相应致动的。
图7示出了根据实施例的向用户提供对量子硬件设置的访问的GBS系统700的示意图。在GBS系统700中，负责输入状态准备、干涉仪转换和输出状态检测的硬件元件此后被称为量子硬件(QH)750(例如，类似于图1中的QH 160)。QH的参数设置可以通过一组经典计算机和相关联的通信接口来完成。更具体地说，主单元730专用于经由一组控制系统740来运行、监控和接收来自QH 750的结果。客户端可以经由用户接口710访问主单元730(从而访问QH750)。在一些实施例中，用户接口710本地连接到主单元730。在一些实施例中，客户端可以经由因特网访问主单元730(即，用户接口710包括网络接口)。在任何一种情况下，可以经由应用程序接口(API)将指令传递到硬件。在因特网访问模型(也称为云访问模型)中，客户端可以经由安全web链路与服务器720通信，服务器720又与主单元730通信。
如本文所述，图1-7示出的GBS设备和系统可以用于解决广泛的问题。下面将更详细地讨论两个示例，图问题和振动谱，以便于说明。
由于图问题在计算机视觉、社交网络和金融领域的应用，解决图问题具有理论和实践意义。例如，图问题的算法可以帮助识别社交网络中高度关联的影响者、提高太阳能电池的效率和缩短客户下在线订单和收到在线订单之间的时间。图问题可以通过图的邻接矩阵来指定，邻接矩阵可以通过改变输入压缩和N模式线性干涉仪设置来编码。在这种编码中，图的每个顶点对应于GBS中设备/系统的一个模式。在例如，Kamil Bradler,Pierre-LucDallaire-Demers,Patrick Rebentrost,Daiqin Su,和Christian Weedbrook的任意图完全匹配的高斯玻色子采样(Phys.Rev.A,卷98,第032310页,2018年9月)中可以找到更多细节，其全部并入本文。
图8示出了说明根据实施例的使用本文描述的GBS设备解决图问题的方法800的框图。在方法800中，使用算法和试探法820解决图问题810以达到解830，并且GBS系统850可以用于改进解。更具体地，可以首先将图问题810编码到GBS系统中(在840处)。然后从GBS系统850(例如，在图1-7中示出和参考图1-7描述的GBS系统中的任何一个)取得样本，并且在算法和启发式820内进行处理以帮助解决图问题。在一些实施例中，处理包括基于其输出对GBS设备的迭代更新。GBS计算模型可以在用于寻找稠密子图和最大集团、计算图匹配、图同构和图相似性的算法内进行调整，这些将在下面详细描述。
识别具有高关联性的子图是生物信息学、药物设计、数据挖掘、金融和社交网络社区检测中的一个相关问题。不幸的是，找到这些子图所需的计算资源随着图的大小而迅速增长。可以采用GBS以高概率随机产生高度关联的子图。此特征允许GBS改进现有的经典算法，这些算法依赖于对可能子图空间的随机搜索。
经典算法通常通过问题空间的全局探索与利用局部结构的候选解的局部搜索的混合来进行。探索和局部搜索二者都可以涉及随机元素。例如，选择一个随机子图作为起点，或者局部搜索以建立更大的集团。这些随机元素通常偏向于选择高度关联的子图，目的是找到改进的候选解。然后可以将适当编码的GBS系统用作选择高度关联子图的随机源。
图同构问题是决策问题，涉及两个等谱图(即具有相同特征谱的图)是否同构，即，它们是否通过仅重新标记它们的顶点而彼此相关。一个主要的开放问题是，是否存在可以确定两个图是否同构的多项式时间算法。事实上，图同构可能属于NP中间计算问题的类别。另一个广义问题涉及两个非同构图(包括不同顶点数的图)如何相互关联，即，图相似性问题。图同构，但主要是图相似性，为诸如计算机视觉、检测金融交易网络上的异常活动(例如欺诈性提款)以及确定分子家族的特性(例如，在制药、遗传学或生物化学)等难题提供了解决方案，而不需要它们的合成。
可以利用GBS来产生完整的一组图不变量，当且仅当这些图不变量相等时，两个图是同构的。为此，首先解释图同构和GBS之间的联系。可以通过考虑来自GBS的光子事件的循环排列来理解。一个有用的概念是轨道代表，其充当种子事件来描述形成轨道的所有排列等效的事件。例如：(0,0,1,2)的轨道描述了可能的事件(0,1,2,0)，(2,1,0,0)，等等。这些事件可以与来自GBS设备的输出样本(也称为点击模式)相关联，每个轨道都有相应的GBS概率。可以找到两个单独图的轨道概率并进行比较。如果轨道概率不同，则足以得出两个图不是同构的结论。
如上所述，该方案的实现可以通过在GBS设备上编码两个图，并且通过从GBS设备获取多个样本来评估给定轨道的概率来进行。在一些实施例中，图可以顺序地编码到GBS设备中，即，评估一个图的轨道概率，然后评估另一个图的轨道概率。在一些实施例中，图可以交替地编码到GBS设备中，即，从一个图取样然后从另一个图取样，连续更新它们的轨道概率。当还考虑实验不确定性时，可以获取足够的样本，使得它们的轨道概率不会重叠。这有助于得出两个图是非同构的结论。
为了描述GBS在图相似性问题中的应用，将GBS轨道与图论中的两个概念(k匹配和匹配多项式)联系起来也有帮助。2M个顶点上的简单(即，无向和无环)图中的k匹配是图的k个独立(不相交)边的数量。根据定义，1≤k≤M。k匹配是图匹配多项式的系数。计算匹配多项式可以是具有挑战性的计算问题，当M足够大时，这对传统计算机来说变得棘手。事实上，除了某些特殊类别的图外，没有已知的有效传统算法甚至可以近似匹配多项式。
GBS设备可用于经由使用GBS多项式来估计匹配多项式。GBS多项式与匹配多项式的阶数相同，其系数与图的k匹配相关但不相同。GBS多项式的某些项(也称为系数)可以使用GBS设备来有效估计，而且，与使用可以从图的匹配多项式中获得的信息相比，GBS多项式更适合于图同构或相似性问题。
GBS多项式可以从GBS设备的输出中提取如下。如果在每种输出模式下最多检测到一个光子，则GBS设备的输出点击模式被称为无碰撞。当在GBS设备中编码图时，可以表明观察到具有2k个光子的无碰撞轨道的概率等于GBS多项式的第k个系数。使用具有2k光子的采样轨道的重要方面是，这对于某些k是易处理的。这是因为无碰撞轨道的数量仅随经编码的图大小2M多项式增长。由于轨道概率是图不变量，它们为GBS提供了一种决定两个图是否同构的有效方法。
通过考虑以固定总光子数给出的可能轨道的所有范围，给出了图相似性的扩展。这将问题排除在无碰撞机制之外，并且因此必须相应地概括GBS多项式观点。更高阶概率分布包括不同轨道概率的组合。这些粗粒度的概率分布是另一个GBS多项式的系数，其对应于扩展图，拓展图是通过用具有自环的完整图拉伸(tensor)原始图得到的。
上述过程包括三个方面。首先，概率分布越粗粒度，就越容易使用GBS设备从它们中采样。其次，拉伸过程可以放大两个图之间的差异。正是扩展的GBS多项式系数的比较，使其非常适合图相似性问题。取具有较高光子数的粗粒度轨道，可以获得关于两个图之间差异的更精细的信息。最后，这些见解导致了匹配多项式(好似可以访问它们)和GBS多项式的比较，并且在所有情况下，结果证明GBS多项式针对检测到的较少光子数揭示了两个图的不同之处。最后一点表明，对于此类问题，GBS多项式可以比匹配多项式更强大，并且，这对算法的实验实现有影响(ramification)。
可以甚至更适合图相似性问题的GBS方案包括，初始均匀位移的压缩状态进入对图进行编码的线性干涉仪。所考虑机制可以是包含碰撞的或无碰撞的。检测到的点击模式与其粗粒度版本的比较导致了对经编码的图的相似性度量。通常，无论有或没有位移，通过GBS评估轨道分布允许用户将经编码的图与用轨道概率填充的特征向量相关联。该关联可以理解为使用GBS将图嵌入到真实空间中，其可用于制定图内核。图内核和特征向量可用在机器学习的范围内，例如用于分类和回归。这个概念可以使用诸如支持向量机和k均值聚类等方法扩展到图的分类或聚类的形式。
基于以上描述，对图问题(例如，图同构或相似性问题)的基于GBS的解决方案可以执行如下。首先，通过将图转换为高斯协方差矩阵，使图实现GBS可编码。高斯协方差矩阵用于找到GBS设备中线性干涉仪的压缩参数以及单一角度和相位值。为设置的基于位移的版本找到优化的真空位移值。然后，从GBS设备中的检测器收集点击模式的统计数据。然后通过经典的后处理获得粗粒度的统计数据。在碰撞或无碰撞制度下估计轨道概率。它们被解释为图或其拉伸扩展的GBS多项式系数。
接下来，对于图同构问题，使用估计的GBS多项式系数的差异来得出两个图不是同构的结论。对于图相似性问题，相关估计的GBS多项式系数与特征向量相关联，并在机器学习层被处理，以找出两个图的相似程度。例如，特征向量由运行机器学习算法(诸如神经网络或内核机器，等)的经典计算机处理。最后，可以将决策问题或相似性度量报告给用户。
有效地对分子振动谱建模对于理解和设计用于学术研究和工业目的二者的化学反应是有用的。准确预测分子振动谱的结构可以是一项计算密集型任务，并且通常涉及过大的计算资源，因为目标分子的大小和复杂性都在增加。因此，有效执行这些计算策略将代表化学模拟向前迈出重要一步。
GBS系统通过利用振动模式动力学和量子光学之间的关联来实现这种策略。对于具有n个振动模式的分子，GBS策略涉及n个位移压缩态的准备，n×n线性光学干涉仪和输出模式中的光子数分辨检测。在上述所有情况下，与任何已知的经典算法相比，相关的GBS算法在计算资源和/或计算步骤的数量上随问题的大小更好地缩放。
在解决振动谱问题的基于GBS的方法中(例如，图7中所示的系统)，客户端可以首先使用适当的图形或命令行用户界面，或自定义应用程序接口(API)，通过安全网络链接与服务器通信。客户端传输到服务器的信息描述了要模拟的分子结构。这些分子结构由解释器编码为物理参数(例如，光功率、分束器比和相位)，解释器可以包括在传统计算机上运行的软件。解释器将这些物理参数传递给控制系统，其包括直接与量子硬件通信的辅助驱动。量子硬件包括光学芯片和光子计数检测器。这些检测器的输出被馈送到在解码器上运行的软件，该软件将光子计数分布解析为振动谱的可用表示。该信息被传递回服务器，服务器将计算结果传递回客户端。
在一些实施例中，图7中所示的客户端访问模型可以使用分子编码方案，该方案在Huh等人的分子振动谱的玻色子采样(Nature Photonics 9,615(2015))中描述，其全部内容通过引用并入本文。解释器使用这种编码方案将要模拟的振动跃迁转化为一组参数，包括干涉仪的分束器比和相位，要由压缩器/位移器实现的压缩因子和位移。在本文描述的系统中，这些参数可以在每个模块中按照相位在芯片上控制。因此，解释器最终会指示控制系统在每个模块中设置哪些相位。控制系统将其转换为一组电压以应用于移相器。
对于解码，由检测器测量的光子计数可以精确地形成概率分布，该概率分布构成可用于重建振动谱的弗兰克-康登(Franck-Condon)(FC)因子的集合。因此，解码器可以取得该光子计数分布，将其编译成一组FC因子，并将结果经由服务器报告回客户端。
除了解决图问题和对振动谱建模之外，本文描述的GBS系统也可以用作点处理。不受任何特定理论或操作模式的约束，点处理是用于产生和解释可能出现在自然，技术和人类事务中的随机点模式的统计模型。矩阵函数点处理是一类点处理，其中观察到特定点模式的概率取决于矩阵函数(例如行列式和恒量)。行列式点处理可以应用于机器学习中的各种问题，包括文本摘要、人体姿态估计和新闻线程。然而，由于与在经典计算机上计算这些矩阵函数相关的计算困难，依赖于恒量(permanent)或哈夫尼亚(hafnian)的点处理尚未得到广泛使用。
GBS机器可以被认为是点处理，其在某些光学模式下以光子的形式产生随机点图案。GBS产生的模式的概率与指定GBS设置的矩阵的哈夫尼亚成比例。因此，可以对GBS机器进行编程以产生继承哈夫尼亚和恒量点处理的典型特征的点模式。因此，GBS克服了与在经典计算机上的哈夫尼亚和恒量点处理的应用相关的困难。以下提供了其中GBS点处理的两个示例等。
GBS点处理的一个特征是局部聚类的点模式的概率更高。GBS的这种内在聚类特性可用于诸如投资组合优化和机器学习等任务。投资组合优化的一方面是使资产多样化，以避免在一个投资组合中有高度相关的股票。GBS机器可以使用基于股票属性(例如市场价格)的时间相关性获得的股票协方差矩阵进行编程。该GBS点处理能够检测高度相关的股票，从而有助于提供多样化和稳定的投资组合。GBS点处理也可以与经典算法相结合，以提高经典机器学习聚类方法的效率。特别是，GBS点处理可用于提供更现实的聚类中心，用于启动经典聚类算法(例如k-means)。
虽然本文已经描述和图示了各种实施例，但是用于执行功能和/或获得结果和/或本文描述的一个或多个优点的各种其他手段和/或结构，以及每个这样的变化和/或修改是可能的。更一般地，本文描述的所有参数、维度、材料和配置旨在作为示例，并且实际参数、维度、材料和/或配置将取决于使用本公开的一个或多个特定应用。应当理解的是，前述实施例仅通过示例的方式呈现，并且可以用不同于具体描述和要求保护的方式来实践其他实施例。本公开的实施例针对本文描述的每个单独的特征、系统、物品、材料、套件和/或方法。此外，如果此类特征、系统、物品、材料、套件和/或方法不相互矛盾，两个或多个此类特征、系统、物品、材料、套件和/或方法的任何组合，被包括在本公开的发明范围中。
并且，各种概念也可以体现为一种或多种方法，已经提供了其示例。作为该方法的一部分执行的动作可以被以任何合适的方式进行排序。因此，实施例可以被构造为以不同于所示出的顺序执行动作，其可以包括同时执行一些动作，即使在说明性实施例中被示为顺序动作。
如本文所定义和使用的，所有定义应理解为控制字典定义，通过引用并入的文件中的定义和/或所定义术语的普通含义。
如本文所使用的，“模块”可以是例如与执行特定功能相关联的任何组件和/或可操作地耦合的电气部件的集合，并且可以包括例如存储器、处理器、电气部件迹线、光连接器、软件(在硬件中存储和执行)等。
本文在说明书和权利要求中使用的不定冠词“一”和“一个”，除非明确指出相反，否则应理解为“至少一个”。
本文在说明书和权利要求中使用的短语“和/或”应理解为表示如此结合的要素中的“一个或两个”，即，在某些情况下结合存在且在其他情况下不结合出现的要素。用“和/或”列出的多个元素应以相同的方式解释，即“一个或多个”这样连接的元素。除了由“和/或”子句具体标识的元素之外，可以可选地存在其他元素，无论与那些具体标识的元素相关或不相关。因此，作为非限制性示例，当与诸如“包括”之类的开放式语言结合使用时，对“A和/或B”的引用可以在一个实施例中仅指A(可选地包括除B之外的元素)；在另一个实施例中，仅指B(可选地包括除A之外的元素)；在又一实施例中，指A和B两者(可选地包括其他元素)；等。
如本文在说明书和权利要求中使用的，“或”应理解为与如上定义的“和/或”具有相同的含义。例如，当分隔列表中的项目时，“或”或“和/或”应被解释为包含性的，即包括至少一个，但也包括多个元素或列表中的多个元素，以及(可选)其他未列出的项目。只有明确指出相反的术语，例如“仅其中之一”或“恰好其中之一”，或当在权利要求中使用时，“由……构成”，将指代包括多个元素或列表中的元素中的恰好一个元素。一般而言，此处使用的术语“或”仅当前面有排他性术语时应解释为表示排他性的替代方案(即“一个或另一个但不是两个”)，排他性术语例如有“要么”、“其中之一”、“仅其中之一”或“恰好其中之一”。“主要由……构成”当在权利要求中使用时，应具有专利法领域中的普通含义。
如本文在说明书和权利要求中所使用的，提及一个或多个元素的列表时，短语“至少一个”应被理解为意指选自列表元素中任何一个或多个元素的至少一个元素，但不一定包括元素列表中具体列出的每个元素中的至少一个，并且不排除元素列表中元素的任何组合。该定义还允许除了在短语“至少一个”所指的元素列表中具体标识的元素之外的元素可以可选地存在，无论与那些具体标识的元素相关或不相关。因此，作为非限制性示例，“A和B中的至少一个”(或等效地，“A或B中的至少一个”，或等效地“A和/或B中的至少一个”)可以指在一个实施例中，至少一个，任选地包括多于一个A，不存在B(并且可选地包括除B之外的元素)；在另一个实施方案中，至少一个，任选地包括多于一个B，不存在A(并且可选地包括除A之外的元素)；在又一实施例中，至少一个，可选地包括多于一个A，和至少一个(可选地包括多于一个)B(和可选地包括其他元素)；等等。
在权利要求以及上述说明书中，所有过渡短语，例如“包括”，“包含”，“携带”，“具有”，“包含”，“涉及”，“持有”，“构成”，以及诸如此类，应被理解为是开放式的，即意味着包括但不限于。如美国专利局专利审查程序手册第2111.03节所述，只有过渡短语“由……组成”和“基本上由……组成”应分别是封闭或半封闭的过渡短语。

Claims (12)

1.一种装置，包括：
光源，被配置为以光的压缩状态提供多个输入光学模式；
互连可重构分束器(RBS)网络，其与光源光通信，互连RBS网络被配置为执行所述多个输入光学模式的酉变换以产生多个输出光学模式；
光子计数检测器阵列，其与互连RBS网络光通信，光子计数检测器阵列被配置为在酉变换之后测量所述多个输出光学模式的每个输出光学模式中的光子数；以及
控制器，其可操作地耦合到光源和互连RBS网络，控制器被配置为控制光的压缩状态的压缩因子、酉变换的角度或酉变换的相位中的至少一个。
2.如权利要求1所述的装置，其中光源被配置为以位移压缩状态提供多个光学模式。
3.如权利要求1所述的装置，其中光源包括：
功率划分模块(PDM)，用于接收输入光束并将输入光束划分为2N个PDM光束，其中N为正整数；以及
压缩器-位移器模块(SDM)，其与PDM光通信，用于接收所述2N个PDM光束，并产生具有N个压缩光束的所述多个输入光学模式。
4.如权利要求1所述的装置，其中互连RBS网络包括用于将所述多个输入光学模式导入互连RBS网络中的输入端口阵列，以及用于将所述多个输出光学模式发送到光子计数检测器阵列中的输出端口阵列。
5.如权利要求1所述的装置，其中，所述光子计数检测器阵列包括过渡边缘超导检测器阵列。
6.如权利要求1所述的装置，还包括：
衬底，包括硅、氧化硅或氮化硅中的至少一种，光源和互连RBS网络在衬底中被制造。
7.如权利要求1所述的装置，其中，光源被配置为提供表示图的邻接矩阵的所述多个输入光学模式，所述多个输入光学模式中的每个输入光学模式表示图的顶点。
8.如权利要求1所述的装置，其中，所述光源被配置为提供表示图的邻接矩阵的所述多个输入光学模式，所述多个输入光学模式中的每个输入光学模式表示图的顶点，所述装置还包括：
处理器，其可操作地耦合到光子计数检测器阵列，所述处理器被配置为在酉变换之后，基于所述多个输出光学模式的每个输出光学模式中的光子数，在图中找到稠密子图。
9.如权利要求1所述的装置，其中，光源被配置为提供表示图的邻接矩阵的所述多个输入光学模式，所述多个输入光学模式中的每个光学模式表示图的顶点，所述装置还包括：
处理器，其可操作地耦合到光子计数检测器阵列，所述处理器被配置为在酉变换之后，基于所述多个输出光学模式的每个输出光学模式中的光子数，计算用于确定图同构的图不变量和用于图同构和相似性的GBS多项式。
10.如权利要求1所述的装置，其中光源被配置为提供表示图的邻接矩阵的所述多个输入光学模式，所述多个光学模式中的每个输入光学模式表示图的顶点，所述装置还包括：
处理器，其可操作地耦合到光子计数检测器阵列，所述处理器被配置为，在酉变换之后，基于所述多个输出光学模式中的每个输出光学模式中的光子数来评估图同构。
11.如权利要求1所述的装置，还包括：
用户界面，其可操作地耦合到光源和互连RBS网络，所述用户界面被配置为接收由用户提供的关于分子结构的信息；以及
解释器，其可操作地耦合到用户界面，用于基于关于分子结构的信息产生控制信号，所述控制器被配置为使光源响应于控制信号产生所述多个输入光学模式。
12.如权利要求1所述的装置，还包括：
解码单元，其可操作地耦合到光子计数检测器阵列，并且被配置为将通过光子计数检测器阵列获取的检测信号阵列转换成分子振动谱的表示。
CN202080037617.4A 2019-05-22 2020-05-20 用于高斯玻色子采样的装置和方法 Active CN113853563B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962851312P 2019-05-22 2019-05-22
US62/851,312 2019-05-22
PCT/CA2020/050675 WO2020232546A1 (en) 2019-05-22 2020-05-20 Apparatus and methods for gaussian boson sampling

Publications (2)

Publication Number Publication Date
CN113853563A true CN113853563A (zh) 2021-12-28
CN113853563B CN113853563B (zh) 2023-01-31

Family

ID=73459241

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080037617.4A Active CN113853563B (zh) 2019-05-22 2020-05-20 用于高斯玻色子采样的装置和方法

Country Status (6)

Country Link
US (2) US11593699B2 (zh)
EP (1) EP3973366A4 (zh)
JP (1) JP2022533053A (zh)
CN (1) CN113853563B (zh)
CA (1) CA3139835C (zh)
WO (1) WO2020232546A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114513712A (zh) * 2022-03-16 2022-05-17 中国科学院半导体研究所 多模式光路由单元
CN115116564A (zh) * 2022-07-26 2022-09-27 之江实验室 基于可编程量子计算的反向虚拟筛选平台及方法

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113853563B (zh) 2019-05-22 2023-01-31 赞纳杜量子技术股份有限公司 用于高斯玻色子采样的装置和方法
US11815696B1 (en) 2019-09-12 2023-11-14 Xanadu Quantum Technologies Inc. Apparatus and methods for generating non-gaussian states from gaussian states
US11962353B2 (en) 2022-04-06 2024-04-16 Qubit Moving And Storage, Llc Method and system for identifying entangled photons with one-way classical information sharing
US11614771B2 (en) 2020-11-25 2023-03-28 Qubit Moving And Storage, Llc Method for synchronizing and locking clocks
US11367014B2 (en) 2020-05-05 2022-06-21 Qubit Moving And Storage, Llc System and method for quantum cache
US11616644B2 (en) 2020-11-25 2023-03-28 Qubit Moving And Storage, Llc System and method of verification and authentication using entangled photons
US12003626B2 (en) 2020-11-25 2024-06-04 Qubit Moving And Storage, Llc System and method of verification, authentication, and/or certification using entangled photons
EP4009247A1 (en) * 2020-12-01 2022-06-08 Multiverse Computing S.L. Methods and apparatuses for operating a gaussian boson sampling quantum device as an annealer
CN112511298B (zh) * 2020-12-02 2022-03-18 中南大学 基于玻色采样的随机数生成方法及量子密钥分发方法
US20220222548A1 (en) * 2021-01-12 2022-07-14 Multiverse Computing S.L. Methods and apparatuses for optimal decision with quantum device
US11933608B2 (en) 2022-05-19 2024-03-19 Qubit Moving And Storage, Llc Quantum interferometer with improved entangled photon identification
US12007272B2 (en) 2022-10-15 2024-06-11 Qubit Moving And Storage, Llc Entangled photon identification system and method for quantum optical measurement

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108957903A (zh) * 2018-06-27 2018-12-07 武汉工程大学 一种利用非线性光学晶体制备光子对的方法
CN109477938A (zh) * 2016-06-02 2019-03-15 麻省理工学院 用于光学神经网络的设备和方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003256668A (ja) * 2002-02-27 2003-09-12 Hitoshi Goto 分子構造情報提供システム
US10534189B2 (en) 2012-11-27 2020-01-14 The Board Of Trustees Of The Leland Stanford Junior University Universal linear components
CN103791845B (zh) * 2014-01-21 2016-06-22 山西大学 基于激光高阶横模的光学横向小位移的测量方法及装置
US20160156466A1 (en) 2014-02-26 2016-06-02 Brian Kirby System and method for quantum key distribution over large distances
WO2016028363A2 (en) * 2014-06-06 2016-02-25 Massachusetts Institute Of Technology Methods, systems, and apparatus for programmable quantum photonic processing
US10041863B2 (en) * 2015-04-03 2018-08-07 Pepsico, Inc. Method of measuring carbonation levels in open-container beverages
US10809592B2 (en) * 2017-08-18 2020-10-20 Xanadu Quantum Technologies Inc. Methods and apparatus for producing highly tunable squeezed light
CA3093174A1 (en) 2018-05-01 2019-11-07 Xanadu Quantum Technologies Inc. Integrated devices for squeezed light generation
US10763974B2 (en) * 2018-05-15 2020-09-01 Lightmatter, Inc. Photonic processing systems and methods
CN113853563B (zh) 2019-05-22 2023-01-31 赞纳杜量子技术股份有限公司 用于高斯玻色子采样的装置和方法
US11815696B1 (en) 2019-09-12 2023-11-14 Xanadu Quantum Technologies Inc. Apparatus and methods for generating non-gaussian states from gaussian states
US20230042396A1 (en) 2021-06-24 2023-02-09 Xanadu Quantum Technologies Inc. Methods for in-situ characterization of gaussian boson sampling (gbs) devices

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109477938A (zh) * 2016-06-02 2019-03-15 麻省理工学院 用于光学神经网络的设备和方法
CN108957903A (zh) * 2018-06-27 2018-12-07 武汉工程大学 一种利用非线性光学晶体制备光子对的方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A. E. LITA 等: "Superconducting Transition-Edge Sensors Optimized for High-Efficiency Photon-Number Resolving Detectors", 《PROCEEDINGS OF SPIE –THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING》 *
ANDREA CRESPI等: "Experimental boson sampling in arbitrary integrated photonic circuits", 《HTTPS://ARXIV.ORG/PDF/1212.2783.PDF》 *
C. F. LO 等: "Generalized multimode squeezed states", 《PHYSICAL REVIEW A》 *
DANIEL J. BROD等: "Photonic implementation of boson sampling: a review", 《ADVANCED PHOTONICS 网络出版》 *
JACQUES CAROLAN等: "Universal linear optics", 《SCIENCE》 *
JOONSUK HUH 等: "Boson Sampling for Molecular Vibronic Spectra", 《HTTP://ARXIV.ORG/PDF/1412.8427.PDF》 *
JUAN MIGUEL ARRAZOLA等: "Using Gaussian Boson Sampling to Find Dense Subgraphs", 《PHYSICAL REVIEW LETTERS 121, 030503 (2018)》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114513712A (zh) * 2022-03-16 2022-05-17 中国科学院半导体研究所 多模式光路由单元
CN114513712B (zh) * 2022-03-16 2023-03-14 中国科学院半导体研究所 多模式光路由单元
CN115116564A (zh) * 2022-07-26 2022-09-27 之江实验室 基于可编程量子计算的反向虚拟筛选平台及方法
CN115116564B (zh) * 2022-07-26 2022-11-25 之江实验室 基于可编程量子计算的反向虚拟筛选平台及方法

Also Published As

Publication number Publication date
US20220051124A1 (en) 2022-02-17
CN113853563B (zh) 2023-01-31
US11593699B2 (en) 2023-02-28
US11972323B2 (en) 2024-04-30
CA3139835C (en) 2022-07-19
WO2020232546A1 (en) 2020-11-26
US20230177374A1 (en) 2023-06-08
JP2022533053A (ja) 2022-07-21
EP3973366A4 (en) 2023-04-19
EP3973366A1 (en) 2022-03-30
CA3139835A1 (en) 2020-11-26

Similar Documents

Publication Publication Date Title
CN113853563B (zh) 用于高斯玻色子采样的装置和方法
Madsen et al. Quantum computational advantage with a programmable photonic processor
Bandyopadhyay et al. Hardware error correction for programmable photonics
Brod et al. Photonic implementation of boson sampling: a review
Metcalf et al. Multiphoton quantum interference in a multiport integrated photonic device
US11681201B2 (en) Training of photonic reservoir computing systems
US20220069990A1 (en) Physical unclonable function from an integrated photonic interferometer
Tillmann et al. On unitary reconstruction of linear optical networks
Ma et al. High-density integrated photonic tensor processing unit with a matrix multiply compiler
Borghi Phase-resolved joint spectra tomography of a ring resonator photon pair source using a silicon photonic chip
Huang et al. Easily scalable photonic tensor core based on tunable units with single internal phase shifters
Yun et al. Distributed geometric quantum computation based on the optimized-control-technique in a cavity-atom system via exchanging virtual photons
Ashner et al. Photonic reservoir computer using speckle in multimode waveguide ring resonators
Walmsley Light in quantum computing and simulation: perspective
Somhorst et al. Quantum photo-thermodynamics on a programmable photonic quantum processor
Delhom et al. Entanglement from superradiance and rotating quantum fluids of light
US11475683B2 (en) Object classification system and method
Gautam et al. Experimental demonstration of the dynamics of quantum coherence evolving under a PT-symmetric Hamiltonian on an NMR quantum processor
Gao et al. Experimental collision-free dominant boson sampling
Tan et al. Single perceptron at 12 GigaOPs based on a microcomb for versatile, high-speed scalable, optical neural networks
Li et al. Calibration and high fidelity measurement of a quantum photonic chip
Manfreda-Schulz et al. Generating high-dimensional entanglement using a foundry-fabricated photonic integrated circuit
Peserico et al. Design and testing of silicon photonic 4F system for convolutional neural networks
Adam et al. Single-photon sources based on incomplete binary-tree multiplexers with optimized inputs
Lima et al. Integrated photonic circuits for contextuality tests via sequential measurements in three-level quantum systems

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