CN114492811B - 量子连通图谱的优化方法、装置、终端及存储介质 - Google Patents
量子连通图谱的优化方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN114492811B CN114492811B CN202011143309.8A CN202011143309A CN114492811B CN 114492811 B CN114492811 B CN 114492811B CN 202011143309 A CN202011143309 A CN 202011143309A CN 114492811 B CN114492811 B CN 114492811B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- matrix
- quantum
- allocated
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 184
- 238000004891 communication Methods 0.000 claims abstract description 89
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 239000002096 quantum dot Substances 0.000 claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims description 108
- 238000004590 computer program Methods 0.000 claims description 6
- 229940050561 matrix product Drugs 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 11
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000006880 cross-coupling reaction Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例提供一种量子连通图谱的优化方法、装置、终端及存储介质，通过获取各待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵，然后根据互强度矩阵和距离矩阵，获得待分配节点与优化子图谱中每个中介节点之间的加权距离，由此根据加权距离，按照互强度矩阵依次将各待分配节点分配连接至优化子图谱中对应的目标中介节点上。采用上述分配方式，能够有效减少分配后的待分配节点在执行量子比特逻辑门时的交换门操作次数，进而缩短量子算法的运行时间，提高算法执行效果。
Description
技术领域
本申请涉及量子计算技术领域，具体而言，涉及一种量子连通图谱的优化方法、装置、终端及存储介质。
背景技术
随着量子计算技术的普及，实施量子计算的量子芯片，成为了研究的重点对象。量子芯片相对较传统的集成芯片，具有强大的并行计算能力，且并行计算能力随着量子芯片的位数(量子比特数)呈指数式提升。
相关技术中，量子算法是在量子线路中进行模拟，并需要在量子芯片上运行的用于实施量子计算的方法。经本申请发明人研究发现，当一些量子算法编译到量子芯片上时，会出现量子比特与相邻量子比特之间的耦合数量过多的情况，导致超出了量子芯片的耦合数量限制，从而大幅降低了对该量子比特的调控能力，使得执行量子计算的精度大大降低。
基于此，发明人经过创造性研究，通过对量子算法的量子连通图谱中的优化节点对应增加的辅助节点，以形成优化子图谱后，重新对优化节点进行优化，进而可以使得在量子芯片上运行该量子算法时，一个量子比特与尽可能少的相邻量子比特执行量子比特逻辑门，降低多个量子比特上施加的量子比特逻辑门对该量子比特的影响。然而，当增加辅助节点后，在对其余待分配节点进行连接分配的过程中，如果原本连接在同一个图谱节点上的两个不同图谱节点需要执行量子比特逻辑门，由于现在连接在了两个不同的图谱节点上，因此需要引入交换门操作，会导致算法深度的增加，当交换门次数较多的时候，会明显延长量子算法的运行时间，无法达到较好的算法执行效果。
发明内容
基于现有设计的不足，本申请提供一种量子连通图谱的优化方法、装置、终端及存储介质，能够有效减少分配后的待分配节点在执行量子比特逻辑门时的交换门操作次数，进而缩短量子算法的运行时间，提高算法执行效果。
根据本申请的第一方面，提供一种量子连通图谱的优化方法，所述方法包括：
获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱，其中，所述优化节点为所述量子连通图谱中连通度超过待应用量子芯片的连通度阈值的图谱节点，在所述量子连通图谱中，位于所述优化子图谱中的图谱节点为中介节点，位于所述优化子图谱之外的图谱节点为待分配节点；
获取各所述待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵；其中，所述互强度矩阵用于表征所述待分配节点的节点价值，所述距离矩阵用于表征所述待分配节点与所述优化子图谱中每个中介节点之间的距离；
根据所述互强度矩阵和所述距离矩阵，获得所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离；
根据所述加权距离，按照所述互强度矩阵依次将各所述待分配节点分配连接至所述优化子图谱中对应的目标中介节点上。
在第一方面的一种可能的实施方式中，所述获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱的步骤，包括：
获取目标量子算法的量子连通图谱，所述量子连通图谱包括多个图谱节点以及两个图谱节点之间的连线，其中，所述图谱节点用于表示所述目标量子算法中的逻辑比特，所述连线用于表示两个所述逻辑比特之间的量子比特逻辑门；
从所述量子连通图谱中确定优化节点，其中，所述优化节点为所述量子连通图谱中连通度大于待应用量子芯片的连通度阈值的图谱节点；
根据预设方式确定一个优化节点对应增加的辅助节点，并根据所述优化节点与所述对应增加的辅助节点组成中介节点；
将所述中介节点之间通过连线连通以生成优化子图谱，其中，所述优化子图谱中所有中介节点的连通度不大于所述连通度阈值。
在第一方面的一种可能的实施方式中，获取各所述待分配节点的距离矩阵的步骤，包括：
针对每个所述待分配节点，计算所述待分配节点与所述优化子图谱中每个中介节点之间的距离；
将计算的每个距离排列为所述待分配节点的距离矩阵。
在第一方面的一种可能的实施方式中，获取各所述待分配节点与其它待分配节点之间的互强度矩阵的步骤，包括：
获取各所述待分配节点与其它待分配节点之间的邻接矩阵，所述邻接矩阵用于表示所述待分配节点与其它每个待分配节点之间施加的量子比特逻辑门时的次数；
获取各所述待分配节点与其它待分配节点之间的交换次数矩阵，所述交换次数矩阵用于表示所述待分配节点与其它每个待分配节点分别连接在优化子图谱中的两个直接连接的中介节点上后引入的交换门操作次数；
计算第一预设权重与所述邻接矩阵之间的第一权重矩阵，并计算第二预设权重与所述交换次数矩阵之间的第二权重矩阵，其中，所述第一预设权重和所述第二预设权重的相加值为一；
将所述第一权重矩阵和所述第二权重矩阵的相加矩阵确定为所述待分配节点与其它待分配节点之间的互强度矩阵。
在第一方面的一种可能的实施方式中，所述根据所述互强度矩阵和所述距离矩阵，获得所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离的步骤，包括：
将待分配节点的所述互强度矩阵，和所述待分配节点与所述优化子图谱中每个中介节点之间的距离矩阵的矩阵乘积，分别确定为所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离。
在第一方面的一种可能的实施方式中，所述根据所述加权距离，按照所述互强度矩阵依次将各所述待分配节点分配连接至所述优化子图谱中对应的目标中介节点上的步骤，包括：
从各所述待分配节点中选择互强度矩阵之和中最大值对应的待分配节点作为待连接节点；
针对所述待连接节点，获取距离所述待连接节点第一加权距离的中介节点作为候选中介节点；
判断所述候选中介节点是否满足预设条件，其中，所述预设条件为所述候选中介节点的当前连通度不大于所述连通度阈值，并且所述量子连通图谱中不存在交叉连线；
当所述候选中介节点满足所述预设条件时，将所述候选中介节点确定为与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点，且所述目标中介节点的当前连通度加1；
当所述候选中介节点不满足所述预设条件时，将距离所述待连接节点第二加权距离的中介节点作为新的候选中介节点，返回判断所述候选中介节点是否满足预设条件的步骤，直至获得满足所述预设条件的距离所述待连接节点第N加权距离的候选中介节点，将所述候选中介节点确定为与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点，且所述目标中介节点的当前连通度加1；
其中，所述第一加权距离、第二加权距离、…、所述第N加权距离依次增大；
计算已分配连接的所述待连接节点的互强度矩阵之和，并从所述互强度矩阵之和中选择最大值对应的待分配节点作为下一个待连接节点，返回执行针对所述待连接节点，获取距离所述待连接节点第一加权距离的中介节点作为候选中介节点的步骤。
在第一方面的一种可能的实施方式中，在根据所述加权距离，按照所述互强度矩阵依次将各所述待分配节点分配连接至所述优化子图谱中对应的目标中介节点上的步骤之后，所述方法还包括：
获取每个所述优化子图谱对应的完成待分配节点分配的目标量子连通图谱；
针对每个所述目标量子连通图谱，计算所述目标量子连通图谱的加权求和矩阵，所述加权求和矩阵为所述目标量子连通图谱中各所述待分配节点与其它待分配节点之间的距离矩阵和互强度矩阵的加权求和值；
将所述加权求和矩阵最小的目标量子连通图谱确定为最优量子连通图谱；
基于所述最优量子连通图谱在所述待应用量子芯片中运行所述目标量子算法。
根据本申请的第二方面，提供一种量子连通图谱的优化装置，所述装置包括：
第一获取模块，用于获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱，其中，所述优化节点为所述量子连通图谱中连通度超过待应用量子芯片的连通度阈值的图谱节点，在所述量子连通图谱中，位于所述优化子图谱中的图谱节点为中介节点，位于所述优化子图谱之外的图谱节点为待分配节点；
第二获取模块，用于获取各所述待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵；其中，所述互强度矩阵用于表征所述待分配节点的节点价值，所述距离矩阵用于表征所述待分配节点与所述优化子图谱中每个中介节点之间的距离；
获得模块，用于根据所述互强度矩阵和所述距离矩阵，获得所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离；
分配模块，用于根据所述加权距离，按照所述互强度矩阵依次将各所述待分配节点分配连接至所述优化子图谱中对应的目标中介节点上。
根据本申请的第三方面，提供一种计算机终端，包括机器可读存储介质和处理器，所述机器可读存储介质中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行第一方面中任意一种可能的实施方式所述的量子连通图谱的优化方法。
根据本申请的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被计算机执行时，实现第一方面中任意一种可能的实施方式所述的量子连通图谱的优化方法。
基于上述任一方面，本申请通过获取各待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵，然后根据互强度矩阵和距离矩阵，获得待分配节点与优化子图谱中每个中介节点之间的加权距离，由此根据加权距离，按照互强度矩阵依次将各待分配节点分配连接至优化子图谱中对应的目标中介节点上。采用上述分配方式，能够有效减少分配后的待分配节点在执行量子比特逻辑门时的交换门操作次数，进而缩短量子算法的运行时间，提高算法执行效果。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。
图1示出了本申请实施例所提供的量子连通图谱的优化方法的流程示意图之一；
图2示出了图1中步骤S110的子步骤流程示意图；
图3示出了图1中步骤S140的的子步骤流程示意图；
图4示出了一种可替代实施例的待优化的量子连通图谱示意图；
图5示出了一种可替代实施例的包括优化节点对应的优化子图谱的量子连通图谱示意图；
图6示出了一种可替代实施例的待分配节点的互强度矩阵示意图；
图7示出了一种可替代实施例的子步骤S141中获取第一个待分配节点的流程示意图；
图8示出了一种可替代实施例的子步骤S141中获取其它待分配节点的流程示意图；
图9示出了一种可替代实施例的优化之后的量子连通图普示意图；
图10示出了本申请实施例所提供的量子连通图谱的优化方法的流程示意图之二；
图11示出了本申请实施例所提供的量子连通图谱的优化装置的功能模块示意图；
图12示出了本申请实施例所提供的用于实现上述的量子连通图谱的优化方法的计算机终端的结构示意框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。
应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其它操作，也可以从流程图中移除一个或多个操作。
请参照图1，示出了本申请实施例提供的量子连通图谱的优化方法的交互流程示意图，应当理解，在其它实施例中，本实施例的量子连通图谱的优化方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。该量子连通图谱的优化方法的详细步骤介绍如下。
步骤S110，获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱。
本实施例中，量子连通图谱可以包括多个图谱节点以及两个图谱节点之间的连线，图谱节点可以用于表示目标量子算法中的逻辑比特，连线可以用于表示两个逻辑比特之间的量子比特逻辑门。
其中，该量子连通图谱可以基于该目标量子算法中的逻辑比特以及任意两个量子比特上施加的量子比特逻辑门的次数获得。其中，量子比特可以是指一种可以同时处于基态|0>、激发态|1>以及叠加态(α|0>+β|1>)的的物理体系。在数学上，量子比特可以由希尔伯特空间上的态矢量表示。量子线路是通过同时操纵若干个量子比特实现的。
量子线路是量子程序的一种表示形式，可以由一连串初始位于|0>态的量子比特以及后续的若干个量子逻辑门组成，由测量操作作为结尾(不一定每个比特都需要被测量)。通常，每个量子程序可以最终被分解为只由基本量子逻辑门序列构成的量子程序。此外，量子比特逻辑门可以是指一些可逆的幺正变换，可以用于操纵若干个量子比特，让这些量子比特向目标态演化，演化最终态即为量子计算的结果。
本实施例中，优化节点可以是指量子连通图谱中连通度大于待应用量子芯片的连通度阈值的图谱节点。其中，连通度可以用于表示量子比特与相邻量子比特之间的耦合数量情况，考虑到相关技术中的量子芯片通常属于二维结构，而量子比特之间的耦合通常是通过具体的耦合结构(例如电容、电感、谐振腔等)实现的，因此当量子连通图谱中的某个图谱节点的连通度大于待应用量子芯片的连通度阈值时，即超出了待应用量子芯片的耦合数量限制时，则会大幅降低对该逻辑比特对应的量子比特的调控能力，使得执行量子计算的精度大大降低。因此，需要对量子连通图谱中连通度大于待应用量子芯片的连通度阈值的图谱节点进行优化，即，需要将量子连通图谱中连通度大于待应用量子芯片的连通度阈值的图谱节点确定为优化节点。
这样，通过对量子连通图谱中连通度大于待应用量子芯片的连通度阈值的图谱节点进行优化，使得一个量子比特与尽可能少的相邻量子比特执行量子比特逻辑门，降低多个量子比特上施加的量子比特逻辑门对该量子比特的影响，进而提高对该量子比特的调控精度，使得目标量子算法中在单个量子比特上施加的量子比特逻辑门的效果能够在待应用量子芯片上更精确地运行。
在此基础上，在量子连通图谱中，需要对优化节点的连通度进行优化，即可通过增加辅助节点的方式，使得部分其它谱图节点连接到辅助节点，其中，优化节点和辅助节点是通过连线连通的。由优化节点和辅助节点通过连线连通的结构构成优化子图谱，并将优化子图谱中的优化节点和辅助节点统称为中介节点，位于优化子图谱之外的图谱节点可以理解为待分配节点。可以想到的是，由于将优化节点替换为由中介节点组成的优化子图谱，那么待分配节点在替换之前是连接到优化节点的，在替换后，需要进行连线分配以使得待分配节点连接到优化子图谱中的各个中介节点上。
步骤S120，获取各待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵。
其中，互强度矩阵可以用于表征待分配节点的节点价值，也即待分配节点在整个量子连通图谱中的重要性，可以理解，通常节点价值越大，对应的该待分配节点在量子算法中的优先级越高。此外，距离矩阵可以用于表征待分配节点与优化子图谱中每个中介节点之间的距离。
步骤S130，根据互强度矩阵和距离矩阵，获得待分配节点与优化子图谱中每个中介节点之间的加权距离。
步骤S140，根据加权距离，按照互强度矩阵依次将各待分配节点分配连接至优化子图谱中对应的目标中介节点上。
基于上述步骤，本实施例通过获取各待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵，然后根据互强度矩阵和距离矩阵，获得待分配节点与优化子图谱中每个中介节点之间的加权距离，由此根据加权距离，按照互强度矩阵依次将各待分配节点分配连接至优化子图谱中对应的目标中介节点上。采用上述分配方式，能够有效减少分配后的待分配节点在执行量子比特逻辑门时的交换门操作次数，进而缩短量子算法的运行时间，提高算法执行效果。
在一种可能的实施方式中，对于步骤S110，请进一步参阅图2，可以通过以下示例性的实施方式来实现，详细描述如下。
子步骤S111，获取目标量子算法的量子连通图谱。
例如在一种可能的实施方式中，在获取目标量子算法的量子连通图谱的过程中，可以获得该量子算法中的逻辑比特以及任意两个量子比特上施加的量子比特逻辑门的次数，然后，基于任意两个量子比特上施加的量子比特逻辑门的次数可以获得反映逻辑比特相互作用关系的邻接矩阵，邻接矩阵可以表示任意两个量子比特上施加的量子比特逻辑门的次数，从而将邻接矩阵转换为量子连通图谱。
可以理解，在其它可能的实施方式中，目标量子算法的量子连通图谱也可以采用其它任意可行的方式获得，例如还可以直接获取到反映逻辑比特相互作用关系的邻接矩阵来确定量子连通图谱。
子步骤S112，从量子连通图谱中确定优化节点。
例如，可以计算量子连通图谱中每个图谱节点连接的连线数量，作为连通度，然后将量子连通图谱中连通度大于连通度阈值的图谱节点确定为优化节点。
子步骤S113，根据预设方式确定一个优化节点对应增加的辅助节点，并根据优化节点与对应增加的辅助节点组成中介节点。
本实施例中，可以通过预设方式确定增加的辅助节点的数量，从而对应增加相应数量的辅助节点，以与优化节点组成目标节点。可选地，预设方式可以是从一预设正整数值起逐步递增的方式，也可以是基于预设公式确定的方式，具体不作限定。
子步骤S114，将中介节点之间通过连线连通以生成优化子图谱。
本实施例中，通过将目标节点之间通过连线连通以生成目标优化子图谱，需要使得目标优化子图谱中所有目标节点的连通度不大于连通度阈值。
如此，可以将生成的每个优化子图谱去替换原有的优化节点与外部的待分配节点连接，从而可以有效降低原有的优化节点的连通度，进而便于提高后续应用到量子芯片时的算法执行效果。
在一种可能的实施方式中，对于步骤S120，在获取各待分配节点的距离矩阵的过程中，针对每个待分配节点，可以计算待分配节点与优化子图谱中每个中介节点之间的距离，然后将计算的每个距离排列为待分配节点的距离矩阵Dml。
在一种可能的实施方式中，对于步骤S120，在获取各待分配节点与其它待分配节点之间的互强度矩阵的过程中，可以获取各待分配节点与其它待分配节点之间的邻接矩阵wml。其中，邻接矩阵wml可以用于表示待分配节点与其它每个待分配节点之间施加的量子比特逻辑门时的次数。
其次，可以获取各待分配节点与其它待分配节点之间的交换次数矩阵sml。其中，交换次数矩阵sml可以用于表示待分配节点与其它每个待分配节点分别连接在优化子图谱中的两个直接连接的中介节点上后引入的交换门操作次数。例如，假设待分配节点A1连接在优化子图谱中的中介节点A1，待分配节点A2连接在优化子图谱中的中介节点A2，中介节点A1和中介节点A2直接相连，那么交换次数矩阵sml可以包括待分配节点A1与待分配节点A2在需要执行量子比特逻辑门时的交换门操作次数。
在此基础上，可以计算第一预设权重与邻接矩阵wml之间的第一权重矩阵，并计算第二预设权重与交换次数矩阵sml之间的第二权重矩阵。其中，第一预设权重和第二预设权重的相加值为一。然后，将第一权重矩阵和第二权重矩阵的相加矩阵确定为待分配节点与其它待分配节点之间的互强度矩阵。
例如，假设第一预设权重为a，那么第二预设权重为1-a，那么互强度矩阵Iml＝awml+(1-a)sml。其中值得说明的是，该第一预设权重可以通过大量实验数据统计后确定，例如在一种可替代的示例中，该第一预设权重a的值可以为0.5。
在一种可能的实施方式中，对于步骤S130，在根据互强度矩阵和距离矩阵，获得待分配节点与优化子图谱中每个中介节点之间的加权距离的过程中，可以将待分配节点的互强度矩阵∑Iml，和待分配节点与优化子图谱中每个中介节点之间的距离矩阵Dml的矩阵乘积∑ImlDml，分别确定为待分配节点与优化子图谱中每个中介节点之间的加权距离。
在上述描述的基础上，在一种可能的实施方式中，对于步骤S140，可以通过以下示例性的子步骤来实现，详细描述如下。
子步骤S141，从各待分配节点中选择互强度矩阵之和中最大值对应的待分配节点作为待连接节点。
如图4所示的量子连通图谱，作为一种可能的实施方式，图谱节点6为优化节点，需要通过增加辅助比特的方式将优化节点6转换为对应的优化子图谱，例如如图5所示，其中，图谱节点8则表示辅助节点，图谱节点6和图谱节点8构成针对优化节点6的优化子图谱。
如图6所示，针对图5的量子连通图谱，计算优化子图谱之外的待分配节点的互强度矩阵。其中，图中第一列和第一行均表示各待分配节点，第二行和第二列均表示待分配节点0的互强度矩阵∑I0l，第三行和第三列均表示待分配节点1的互强度矩阵∑I1l……以此类推。需要说明的是，同一数字的行和列的互强度矩阵，可以是完全相同的，是针对同一个待分配节点的。
基于图6所示的各待分配节点的互强度矩阵，即可以确定待连接节点。例如，通过计算可以获得：待分配节点0的互强度矩阵∑I0l＝42，待分配节点1的互强度矩阵∑I1l＝10，待分配节点2的互强度矩阵∑I2l＝45，待分配节点3的互强度矩阵∑I3l＝104，待分配节点4的互强度矩阵∑I4l＝36，待分配节点5的互强度矩阵∑I5l＝93，待分配节点7的互强度矩阵∑I7l＝82；因此，先确定待分配节点3作为待连接节点。
子步骤S142，针对待连接节点，获取距离待连接节点第一加权距离的中介节点作为候选中介节点。
如图5所示，针对前述子步骤S141获得的待分配节点3作为待连接节点，需要分配连接到优化子图谱中的中介节点6或中介节点8中的一个。具体的，分别计算该待连接节点与中介节点6和中介节点8的第一加权距离∑(I36D36、I38D38、)，选择符合第一加权距离要求的中介节点作为候选中介节点，比如，在本次计算中，可以选择中介节点6。
子步骤S143，判断候选中介节点是否满足预设条件。
其中，该预设条件可以为：候选中介节点的当前连通度不大于连通度阈值，并且量子连通图谱中不存在交叉连线。
其中，可以检测量子连通图谱是否为可平面图谱，即检测量子连通图谱中的各个连线之间是否存在交叉点。即当存在任意两个连线之间存在交叉点时，则可判定量子连通图谱中存在交叉连线。当所有连线之间均不存在任何交叉点时，则可判定量子连通图谱中不存在交叉连线。
当量子连通图谱不是可平面图谱的时候，表示量子连通图谱存在交叉连线，即对应的量子芯片结构中需要实现交叉耦合的情况，而实际的量子芯片结构是二维点阵结构，是无法实现量子比特之间的交叉耦合对应的具体结构，因此需要使得量子连通图谱中不存在交叉连线。
当候选中介节点满足预设条件时，执行子步骤S144，具体描述如下。
子步骤S144，将候选中介节点确定为与待连接节点对应的目标中介节点，并连接待连接节点与目标中介节点，且目标中介节点的当前连通度加1。
如图5所示，针对前述子步骤S141获得的待分配节点3作为待连接节点，以及步骤S142获得的中介节点6作为候选中介节点6，通过子步骤S143判断候选中介节点6符合预设条件，将中介节点6定义为目标中介节点；即可以将待分配节点3连接到目标中介节点6，连接之后，需要将目标中介节点6的当前连通度加1，比如在待分配节点3未连接到目标中介节点6之前，目标中介节点6的连通度为1，那么连接之后目标中介节点6的当前连通度为2。当待分配节点3连接到目标中介节点6之后，还需要继续针对其它待分配节点与目标中介节点进行连接。
当候选中介节点不满足预设条件时，执行子步骤S145，具体描述如下。
子步骤S145，将距离待连接节点第二加权距离的中介节点作为新的候选中介节点，返回子步骤S143。在此过程中，继续重复上述步骤，直至获得满足预设条件的距离待连接节点第N加权距离的候选中介节点，再将候选中介节点确定为与待连接节点对应的目标中介节点，并连接待连接节点与目标中介节点，且目标中介节点的当前连通度加1。
需要说明的是，每当目标中介节点上连接一个待分配节点之后，该目标中介节点的当前连通度都会加1，当该目标中介节点的当前连通度达到连通度阈值要求时；针对其它的待分配节点，不能再分配连接到该目标中介节点上，需要分配连接到其它目标中介节点上。通过设置的第二加权距离确定下一个目标中介节点。
以图5为例，当目标中介节点6上分配连接了若干待分配节点之后，当前连通度达到连通度阈值要求时，其它的待分配节点需要分配连接到目标中介节点8上。
子步骤S146，计算已分配连接的待连接节点的互强度矩阵，并从互强度矩阵中选择互强度矩阵之和中最大值对应的待分配节点作为下一个待连接节点，返回执行子步骤S142。
通过步骤S144，将待分配节点连接到目标中介节点上之后，需要继续针对其它的待分配节点进行分配连接。在选择下一个待分配节点时，需要优先考虑与已分配连接的待连接节点的互强度矩阵，选择互强度矩阵之和中最大值对应的待分配节点作为下一个待连接节点，即下一个待分配节点与已分配连接的待连接节点之间相互作用强度高(施加的量子逻辑门次数多)，这样可以避免相互作用强度高的两个待分配节点连接到不同的目标中介节点上，针对此两个待分配节点对应的逻辑比特进行量子逻辑门操作时，不需要增加大量的交换门即可直接进行，缩短了量子算法运行的时间，提高了量子算法的精度。
如图6和图7所示，例如，将待分配节点3连接到目标中介节点6上之后，计算节点3的互强度矩阵之和，需要说明的是，此时仅有一个节点3，节点3的互强度矩阵仅为图6中的第5列或第5行，可以直观的看到在这一列矩阵中最大值为35，对应的是待分配节点5，即将待分配节点5确定为下一个待分配节点，并返回子步骤S142，依次执行后面步骤，将待分配节点5也分配连接到目标节点6上。
如图8所示，当已分配的待连接节点有两个，即节点3和节点5时，在选择下一个待分配节点时，需要将节点3和节点5的互强度矩阵求和。例如，将节点3对应的第5行互强度矩阵与节点5对应的第7行互强度矩阵求和，或者将节点3对应的第5列互强度矩阵与节点5对应的第7列互强度矩阵求和，求和之后获得节点3和节点5的互强度矩阵之和，进而在互强度矩阵之和中选择最大值对应的节点作为下一个待连接节点，即待分配节点7。
以此类推，当已分配的待连接节点有N个时，在选择下一个待分配节点时，需要将已分配的N个待连接节点的互强度矩阵求和，并从求和之后获得的互强度矩阵中选取最大值对应的待分配节点为下一个待连接节点。
如图9所示，按照上述的待分配节点的确定方法以及待分配节点与目标中介节点的连接方法，图4所示的量子连通图谱通过优化之后可以得到图9所示的结果。
其中，第一加权距离、第二加权距离、…、第N加权距离依次增大，也即第一加权距离、第二加权距离、…、第N加权距离按照由小到大的顺序依次遍历。如此，按照上述分配方式，能够尽可能地将重要性更高的待连接节点分配给加权距离更短的中介节点进行连线连接，并且，针对已分配连接的待连接节点再计算互强度矩阵之和来选择下一个待连接节点，可以最大程度地减少交换门的施加，从而能够有效减少分配后的待分配节点在执行量子比特逻辑门时的交换门操作次数，进而缩短量子算法的运行时间，提高算法执行效果。此外，在一些其它可能的实施方式中，针对子步骤S141，也可以按照互强度矩阵的大小顺序，依次从各待分配节点中选择一待分配节点作为待连接节点。
如图10所示，在一种可能的实施方式中，在上述步骤S140之后，考虑到通常优化子图谱不仅限于一个，因此最终生成的目标量子连通图谱也不仅限于一个，为了筛选出最优目标量子连通图谱，以达到最佳的算法执行效果，本申请实施例所提供的量子连通图谱的优化方法还可以包括以下步骤，详细描述如下。
步骤S150，获取每个优化子图谱对应的完成待分配节点分配的目标量子连通图谱。
本实施例中，在完成上述每个待分配节点与优化子图谱中的中介节点的分配后，即可生成对应的目标量子连通图谱，也即目标量子连通图谱由上述每个待分配节点、优化子图谱中的中介节点以及上述每个待分配节点与对应的中介节点之间的连线构成。
步骤S160，针对每个目标量子连通图谱，计算目标量子连通图谱的加权求和矩阵。
本实施例中，目标量子连通图谱的加权求和矩阵可以为该目标量子连通图谱中各待分配节点与其它待分配节点之间的距离矩阵Dml和互强度矩阵Iml的加权求和值∑mlDmlIml。
步骤S170，将加权求和矩阵最小的目标量子连通图谱确定为最优量子连通图谱。
步骤S180，基于最优量子连通图谱在待应用量子芯片中运行目标量子算法。
基于同一发明构思，请参阅图11，示出了本申请实施例提供的量子连通图谱的优化装置110的功能模块示意图，本实施例可以根据上述的方法实施例对量子连通图谱的优化装置110进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。比如，在采用对应各个功能划分各个功能模块的情况下，图11示出的量子连通图谱的优化装置110只是一种装置示意图。其中，量子连通图谱的优化装置110可以包括第一获取模块111、第二获取模块112、获得模块113以及分配模块114，下面分别对该量子连通图谱的优化装置110的各个功能模块的功能进行详细阐述。
第一获取模块111，用于获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱，其中，优化节点为量子连通图谱中连通度超过待应用量子芯片的连通度阈值的图谱节点，在量子连通图谱中，位于优化子图谱中的图谱节点为中介节点，位于优化子图谱之外的图谱节点为待分配节点。可以理解，该第一获取模块111可以用于执行上述步骤S110，关于该第一获取模块111的详细实现方式可以参照上述对步骤S110有关的内容。
第二获取模块112，用于获取各待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵。其中，互强度矩阵用于表征待分配节点的节点价值，距离矩阵用于表征待分配节点与优化子图谱中每个中介节点之间的距离。可以理解，该第二获取模块112可以用于执行上述步骤S120，关于该第二获取模块112的详细实现方式可以参照上述对步骤S120有关的内容。
获得模块113，用于根据互强度矩阵和距离矩阵，获得待分配节点与优化子图谱中每个中介节点之间的加权距离。可以理解，该获得模块113可以用于执行上述步骤S130，关于该获得模块113的详细实现方式可以参照上述对步骤S130有关的内容。
分配模块114，用于根据加权距离，按照互强度矩阵依次将各待分配节点分配连接至优化子图谱中对应的目标中介节点上。可以理解，该分配模块114可以用于执行上述步骤S140，关于该分配模块114的详细实现方式可以参照上述对步骤S140有关的内容。
在一种可能的实施方式中，第一获取模块111具体用于：
获取目标量子算法的量子连通图谱，量子连通图谱包括多个图谱节点以及两个图谱节点之间的连线，其中，图谱节点用于表示目标量子算法中的逻辑比特，连线用于表示两个逻辑比特之间的量子比特逻辑门；
从量子连通图谱中确定优化节点，其中，优化节点为量子连通图谱中连通度大于待应用量子芯片的连通度阈值的图谱节点；
根据预设方式确定一个优化节点对应增加的辅助节点，并根据优化节点与对应增加的辅助节点组成中介节点；
将中介节点之间通过连线连通以生成优化子图谱，其中，优化子图谱中所有中介节点的连通度不大于连通度阈值。
在一种可能的实施方式中，第二获取模块112具体用于：
针对每个待分配节点，计算待分配节点与优化子图谱中每个中介节点之间的距离；
将计算的每个距离排列为待分配节点的距离矩阵。
在一种可能的实施方式中，第二获取模块112具体用于：
获取各待分配节点与其它待分配节点之间的邻接矩阵，邻接矩阵用于表示待分配节点与其它每个待分配节点之间施加的量子比特逻辑门时的次数；
获取各待分配节点与其它待分配节点之间的交换次数矩阵，交换次数矩阵用于表示待分配节点与其它每个待分配节点分别连接在优化子图谱中的两个直接连接的中介节点上后引入的交换门操作次数；
计算第一预设权重与邻接矩阵之间的第一权重矩阵，并计算第二预设权重与交换次数矩阵之间的第二权重矩阵，其中，第一预设权重和第二预设权重的相加值为一；
将第一权重矩阵和第二权重矩阵的相加矩阵确定为待分配节点与其它待分配节点之间的互强度矩阵。
在一种可能的实施方式中，获得模块113具体用于：
将待分配节点的互强度矩阵，和待分配节点与优化子图谱中每个中介节点之间的距离矩阵的矩阵乘积，分别确定为待分配节点与优化子图谱中每个中介节点之间的加权距离。
在一种可能的实施方式中，分配模块114具体用于：
从各待分配节点中选择互强度矩阵之和中最大值对应的待分配节点作为待连接节点；
针对待连接节点，获取距离待连接节点第一加权距离的中介节点作为候选中介节点；
判断候选中介节点是否满足预设条件，其中，预设条件为候选中介节点的当前连通度不大于连通度阈值，并且量子连通图谱中不存在交叉连线；
当候选中介节点满足预设条件时，将候选中介节点确定为与待连接节点对应的目标中介节点，并连接待连接节点与目标中介节点，且目标中介节点的当前连通度加1；
当候选中介节点不满足预设条件时，将距离待连接节点第二加权距离的中介节点作为新的候选中介节点，返回判断候选中介节点是否满足预设条件的步骤，直至获得满足预设条件的距离待连接节点第N加权距离的候选中介节点，将候选中介节点确定为与待连接节点对应的目标中介节点，并连接待连接节点与目标中介节点，且目标中介节点的当前连通度加1；
其中，第一加权距离、…、第N加权距离依次增大；
计算已分配连接的待连接节点的互强度矩阵，并从互强度矩阵中选择互强度矩阵之和中最大值对应的待分配节点作为下一个待连接节点，返回执行针对待连接节点，获取距离待连接节点第一加权距离的中介节点作为候选中介节点的步骤。
在一种可能的实施方式中，量子连通图谱的优化装置110还可以包括算法运行模块，具体用于：
获取每个优化子图谱对应的完成待分配节点分配的目标量子连通图谱；
针对每个目标量子连通图谱，计算目标量子连通图谱的加权求和矩阵，加权求和矩阵为目标量子连通图谱中各待分配节点与其它待分配节点之间的距离矩阵和互强度矩阵的加权求和值；
将加权求和矩阵最小的目标量子连通图谱确定为最优量子连通图谱；
基于最优量子连通图谱在待应用量子芯片中运行目标量子算法。
基于同一发明构思，请参阅图12，示出了本申请实施例提供的用于执行上述量子连通图谱的优化方法的计算机终端100的结构示意框图，该计算机终端100可以包括量子连通图谱的优化装置110、机器可读存储介质120和处理器130。
本实施例中，机器可读存储介质120与处理器130均位于计算机终端100中且二者分离设置。然而，应当理解的是，机器可读存储介质120也可以是独立于计算机终端100之外，且可以由处理器130通过总线接口来访问。可替换地，机器可读存储介质120也可以集成到处理器130中，例如，可以是高速缓存和/或通用寄存器。
量子连通图谱的优化装置110可以包括存储在机器可读存储介质120的软件功能模块(例如图11中所示的第一获取模块111、第二获取模块112、获得模块113以及分配模块114)，当处理器130执行量子连通图谱的优化装置110中的软件功能模块时，可以实现前述方法实施例提供的量子连通图谱的优化方法。
由于本申请实施例提供的计算机终端100是上述计算机终端100执行的量子连通图谱的优化方法实施例的另一种实现形式，且计算机终端100可用于执行上述方法实施例提供的量子连通图谱的优化方法，因此其所能获得的技术效果可参考上述方法实施例，在此不再赘述。
以上所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。通常在附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，在附图中提供的本申请的实施例的详细描述并非旨在限制本申请的保护范围，而仅仅是表示本申请的选定实施例。因此，本申请的保护范围应以权利要求的保护范围为准。此外，基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下可获得的所有其它实施例，都应属于本申请保护的范围。
Claims (10)
1.一种量子连通图谱的优化方法，其特征在于，所述方法包括：
获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱，其中，所述优化节点为所述量子连通图谱中连通度超过待应用量子芯片的连通度阈值的图谱节点，在所述量子连通图谱中，位于所述优化子图谱中的图谱节点为中介节点，位于所述优化子图谱之外的图谱节点为待分配节点；
获取各所述待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵；其中，所述互强度矩阵用于表征所述待分配节点的节点价值，所述距离矩阵用于表征所述待分配节点与所述优化子图谱中每个中介节点之间的距离；
根据所述互强度矩阵和所述距离矩阵，获得所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离；
从各所述待分配节点中选择互强度矩阵之和中最大值对应的待分配节点作为待连接节点；
根据所述加权距离确定所述优化子图谱中与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点；
计算已分配连接的所述待连接节点的互强度矩阵之和，并从已分配连接的所述待连接节点的互强度矩阵之和中选择最大值对应的待分配节点作为下一个待连接节点，返回执行根据所述加权距离将确定对应的目标中介节点，并连接所述待连接节点与所述目标中介节点的步骤，直至所述待分配节点均分配连接至所述目标中介节点。
2.根据权利要求1所述的量子连通图谱的优化方法，其特征在于，所述获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱的步骤，包括：
获取目标量子算法的量子连通图谱，所述量子连通图谱包括多个图谱节点以及两个图谱节点之间的连线，其中，所述图谱节点用于表示所述目标量子算法中的逻辑比特，所述连线用于表示两个所述逻辑比特之间的量子比特逻辑门；
从所述量子连通图谱中确定优化节点；
根据预设方式确定一个优化节点对应增加的辅助节点，并根据所述优化节点与所述对应增加的辅助节点组成中介节点；
将所述中介节点之间通过连线连通以生成优化子图谱，其中，所述优化子图谱中所有中介节点的连通度不大于所述连通度阈值。
3.根据权利要求1所述的量子连通图谱的优化方法，其特征在于，获取各所述待分配节点的距离矩阵的步骤，包括：
针对每个所述待分配节点，计算所述待分配节点与所述优化子图谱中每个中介节点之间的距离；
将计算的每个距离排列为所述待分配节点的距离矩阵。
4.根据权利要求1所述的量子连通图谱的优化方法，其特征在于，获取各所述待分配节点与其它待分配节点之间的互强度矩阵的步骤，包括：
获取各所述待分配节点与其它待分配节点之间的邻接矩阵，所述邻接矩阵用于表示所述待分配节点与其它每个待分配节点之间施加的量子比特逻辑门时的次数；
获取各所述待分配节点与其它待分配节点之间的交换次数矩阵，所述交换次数矩阵用于表示所述待分配节点与其它每个待分配节点分别连接在优化子图谱中的两个直接连接的中介节点上后引入的交换门操作次数；
计算第一预设权重与所述邻接矩阵之间的第一权重矩阵，并计算第二预设权重与所述交换次数矩阵之间的第二权重矩阵，其中，所述第一预设权重和所述第二预设权重的相加值为一；
将所述第一权重矩阵和所述第二权重矩阵的相加矩阵确定为所述待分配节点与其它待分配节点之间的互强度矩阵。
5.根据权利要求1所述的量子连通图谱的优化方法，其特征在于，所述根据所述互强度矩阵和所述距离矩阵，获得所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离的步骤，包括：
将待分配节点的所述互强度矩阵，和所述待分配节点与所述优化子图谱中每个中介节点之间的距离矩阵的矩阵乘积，分别确定为所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离。
6.根据权利要求1-5中任意一项所述的量子连通图谱的优化方法，其特征在于，所述根据所述加权距离确定所述优化子图谱中与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点的步骤，包括：
针对所述待连接节点，获取距离所述待连接节点第一加权距离的中介节点作为候选中介节点；
判断所述候选中介节点是否满足预设条件，其中，所述预设条件为所述候选中介节点的当前连通度不大于所述连通度阈值，并且所述量子连通图谱中不存在交叉连线；
当所述候选中介节点满足所述预设条件时，将所述候选中介节点确定为与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点，且所述目标中介节点的当前连通度加1；
所述计算已分配连接的所述待连接节点的互强度矩阵之和，并从已分配连接的所述待连接节点的互强度矩阵之和中选择最大值对应的待分配节点作为下一个待连接节点，返回执行根据所述加权距离将确定对应的目标中介节点，并连接所述待连接节点与所述目标中介节点的步骤，直至所述待分配节点均分配连接至所述目标中介节点的步骤，包括：
当所述候选中介节点不满足所述预设条件时，将距离所述待连接节点第二加权距离的中介节点作为新的候选中介节点，返回判断所述候选中介节点是否满足预设条件的步骤，直至获得满足所述预设条件的距离所述待连接节点第N加权距离的候选中介节点，将所述候选中介节点确定为与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点，且所述目标中介节点的当前连通度加1；
其中，所述第一加权距离、第二加权距离、…、所述第N加权距离依次增大；
计算已分配连接的所述待连接节点的互强度矩阵之和，并从所述互强度矩阵之和中选择最大值对应的待分配节点作为下一个待连接节点，返回执行针对所述待连接节点，获取距离所述待连接节点第一加权距离的中介节点作为候选中介节点的步骤。
7.根据权利要求1-5中任意一项所述的量子连通图谱的优化方法，其特征在于，在所述待分配节点均分配连接至所述目标中介节点的步骤之后，所述方法还包括：
获取每个所述优化子图谱对应的完成待分配节点分配的目标量子连通图谱；
针对每个所述目标量子连通图谱，计算所述目标量子连通图谱的加权求和矩阵，所述加权求和矩阵为所述目标量子连通图谱中各所述待分配节点与其它待分配节点之间的距离矩阵和互强度矩阵的加权求和值；
将所述加权求和矩阵最小的目标量子连通图谱确定为最优量子连通图谱；
基于所述最优量子连通图谱在所述待应用量子芯片中运行所述目标量子算法。
8.一种量子连通图谱的优化装置，其特征在于，所述装置包括：
第一获取模块，用于获取目标量子算法的量子连通图谱中针对每个优化节点的至少一个优化子图谱，其中，所述优化节点为所述量子连通图谱中连通度超过待应用量子芯片的连通度阈值的图谱节点，在所述量子连通图谱中，位于所述优化子图谱中的图谱节点为中介节点，位于所述优化子图谱之外的图谱节点为待分配节点；
第二获取模块，用于获取各所述待分配节点的距离矩阵以及与其它待分配节点之间的互强度矩阵；其中，所述互强度矩阵用于表征所述待分配节点的节点价值，所述距离矩阵用于表征所述待分配节点与所述优化子图谱中每个中介节点之间的距离；
获得模块，用于根据所述互强度矩阵和所述距离矩阵，获得所述待分配节点与所述优化子图谱中每个中介节点之间的加权距离；
分配模块，用于从各所述待分配节点中选择互强度矩阵之和中最大值对应的待分配节点作为待连接节点；根据所述加权距离确定所述优化子图谱中与所述待连接节点对应的目标中介节点，并连接所述待连接节点与所述目标中介节点；计算已分配连接的所述待连接节点的互强度矩阵之和，并从已分配连接的所述待连接节点的互强度矩阵之和中选择最大值对应的待分配节点作为下一个待连接节点，返回执行根据所述加权距离将确定对应的目标中介节点，并连接所述待连接节点与所述目标中介节点的步骤，直至所述待分配节点均分配连接至所述目标中介节点。
9.一种计算机终端，其特征在于，包括机器可读存储介质和处理器，所述机器可读存储介质中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-7中任意一项中所述的量子连通图谱的优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被计算机执行时，实现权利要求1-7中任意一项中所述的量子连通图谱的优化方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011143309.8A CN114492811B (zh) | 2020-10-23 | 2020-10-23 | 量子连通图谱的优化方法、装置、终端及存储介质 |
| US18/029,569 US11934919B2 (en) | 2020-09-30 | 2021-09-29 | Method, apparatus, terminal and storage medium for quantum topology graph optimization |
| PCT/CN2021/121735 WO2022068880A1 (zh) | 2020-09-30 | 2021-09-29 | 一种量子拓扑图优化方法、装置、终端及存储介质 |
| EP21874535.4A EP4224377A1 (en) | 2020-09-30 | 2021-09-29 | Quantum topology graph optimization method and apparatus, terminal, and storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011143309.8A CN114492811B (zh) | 2020-10-23 | 2020-10-23 | 量子连通图谱的优化方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114492811A CN114492811A (zh) | 2022-05-13 |
| CN114492811B true CN114492811B (zh) | 2024-05-07 |
Family
ID=81470627
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011143309.8A Active CN114492811B (zh) | 2020-09-30 | 2020-10-23 | 量子连通图谱的优化方法、装置、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114492811B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117408346B (zh) * | 2023-10-25 | 2024-06-11 | 北京中科弧光量子软件技术有限公司 | 一种量子线路确定方法、装置和计算设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107248888A (zh) * | 2017-05-25 | 2017-10-13 | 东南大学 | 提高量子通信网络连通性的纠缠粒子对分发节点部署方法 |
| CN108701263A (zh) * | 2015-12-30 | 2018-10-23 | 谷歌有限责任公司 | 量子统计机器 |
| CN110826719A (zh) * | 2019-10-14 | 2020-02-21 | 合肥本源量子计算科技有限责任公司 | 一种量子程序的处理方法、装置、存储介质和电子装置 |
| CN110942151A (zh) * | 2019-09-17 | 2020-03-31 | 合肥本源量子计算科技有限责任公司 | 一种量子态层析方法及装置 |
| CN111461334A (zh) * | 2020-03-30 | 2020-07-28 | 北京百度网讯科技有限公司 | 量子电路的处理方法、装置及设备 |
| WO2020151129A1 (zh) * | 2019-01-25 | 2020-07-30 | 合肥本源量子计算科技有限责任公司 | 量子机器学习框架构建方法、装置、量子计算机及计算机存储介质 |
| CN111598249A (zh) * | 2020-05-19 | 2020-08-28 | 北京百度网讯科技有限公司 | 确定近似量子门的方法、装置、经典计算机和存储介质 |
| CN111656375A (zh) * | 2017-11-30 | 2020-09-11 | 1Qb信息技术公司 | 使用量子经典计算硬件用于量子计算使能的分子从头算模拟的方法和系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11321609B2 (en) * | 2016-10-19 | 2022-05-03 | Samsung Electronics Co., Ltd | Method and apparatus for neural network quantization |
| US10706365B2 (en) * | 2018-09-27 | 2020-07-07 | International Business Machines Corporation | Local optimization of quantum circuits |
| US11455564B2 (en) * | 2018-10-21 | 2022-09-27 | President And Fellows Of Harvard College | Qubit allocation for noisy intermediate-scale quantum computers |
-
2020
- 2020-10-23 CN CN202011143309.8A patent/CN114492811B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108701263A (zh) * | 2015-12-30 | 2018-10-23 | 谷歌有限责任公司 | 量子统计机器 |
| CN107248888A (zh) * | 2017-05-25 | 2017-10-13 | 东南大学 | 提高量子通信网络连通性的纠缠粒子对分发节点部署方法 |
| CN111656375A (zh) * | 2017-11-30 | 2020-09-11 | 1Qb信息技术公司 | 使用量子经典计算硬件用于量子计算使能的分子从头算模拟的方法和系统 |
| WO2020151129A1 (zh) * | 2019-01-25 | 2020-07-30 | 合肥本源量子计算科技有限责任公司 | 量子机器学习框架构建方法、装置、量子计算机及计算机存储介质 |
| CN110942151A (zh) * | 2019-09-17 | 2020-03-31 | 合肥本源量子计算科技有限责任公司 | 一种量子态层析方法及装置 |
| CN110826719A (zh) * | 2019-10-14 | 2020-02-21 | 合肥本源量子计算科技有限责任公司 | 一种量子程序的处理方法、装置、存储介质和电子装置 |
| CN111461334A (zh) * | 2020-03-30 | 2020-07-28 | 北京百度网讯科技有限公司 | 量子电路的处理方法、装置及设备 |
| CN111598249A (zh) * | 2020-05-19 | 2020-08-28 | 北京百度网讯科技有限公司 | 确定近似量子门的方法、装置、经典计算机和存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 3-puzzle量子计算的酉变换矩阵及逻辑线路;许精明;阮越;;量子电子学报(第04期);全文 * |
| A Quantum Computational Compiler and Design Tool for Technology-Specific Targets;Kaitlin N.Smith;《IEEE Xplore》;全文 * |
| 基于原子系统的量子网络研究;刘艳红;《万方数据库》;全文 * |
| 线性最近邻量子电路状态分析及最优逻辑综合;徐海;管致锦;程学云;朱鹏程;;量子电子学报(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114492811A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112016691B (zh) | 一种量子线路的构建方法及装置 | |
| CN116109121B (zh) | 基于大数据分析的用户需求挖掘方法及系统 | |
| CN112381231B (zh) | 一种量子拓扑图优化方法、装置、终端及存储介质 | |
| CN111552509A (zh) | 一种接口间依赖关系的确定方法及装置 | |
| Vasicek et al. | How to evolve complex combinational circuits from scratch? | |
| CN114492811B (zh) | 量子连通图谱的优化方法、装置、终端及存储介质 | |
| CN116126947B (zh) | 应用于企业管理系统的大数据分析方法及系统 | |
| CN116109630B (zh) | 基于传感器采集和人工智能的图像分析方法及系统 | |
| Mishra et al. | A review of random test case generation using genetic algorithm | |
| CN113158435B (zh) | 基于集成学习的复杂系统仿真运行时间预测方法与设备 | |
| CN112765827B (zh) | 一种功能相关系统的可靠性分析方法 | |
| CN114511089B (zh) | 量子连通图谱的连通度优化方法、装置、终端及存储介质 | |
| US11934919B2 (en) | Method, apparatus, terminal and storage medium for quantum topology graph optimization | |
| Krishna et al. | Optimization of wire-length and block rearrangements for a modern IC placement using evolutionary techniques | |
| CN104778088A (zh) | 一种基于减少进程间通信开销的并行i/o优化方法与系统 | |
| CN114529001B (zh) | 量子算法的指标评估方法、装置、终端及存储介质 | |
| Chiu et al. | A genetic algorithm for reliability-oriented task assignment with k/spl tilde/duplications in distributed systems | |
| CN114372539B (zh) | 基于机器学习框架的分类方法及相关设备 | |
| CN114529002A (zh) | 量子连通图谱的聚团划分方法、装置、终端及存储介质 | |
| Mohtavipour et al. | A large-scale application mapping in reconfigurable hardware using deep graph convolutional network | |
| CN115859897A (zh) | 模型的生成方法、版图面积预测方法、装置及相关设备 | |
| CN114329853B (zh) | 一种量子拓扑图优化方法、装置、终端及存储介质 | |
| CN111178529B (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
| Drechsler et al. | Genetic Alogrithms in Computer Aided Design of Integrated Circuits | |
| CN114358291B (zh) | 量子连通图的交叉连线处理方法、装置、终端及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Country or region after: China Address after: 230000, floor 6, E2 building, phase II, innovation industrial park, No. 2800, innovation Avenue, high tech Zone, Hefei, Anhui Province Applicant after: Benyuan Quantum Computing Technology (Hefei) Co.,Ltd. Address before: 230000, floor 6, E2 building, phase II, innovation industrial park, No. 2800, innovation Avenue, high tech Zone, Hefei, Anhui Province Applicant before: ORIGIN QUANTUM COMPUTING COMPANY, LIMITED, HEFEI Country or region before: China |
|
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Kong Weicheng Inventor before: Kong Weicheng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |