CN114970866B - 一种量子计算任务计算方法、装置及可读存储介质 - Google Patents
一种量子计算任务计算方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN114970866B CN114970866B CN202110191998.8A CN202110191998A CN114970866B CN 114970866 B CN114970866 B CN 114970866B CN 202110191998 A CN202110191998 A CN 202110191998A CN 114970866 B CN114970866 B CN 114970866B
- Authority
- CN
- China
- Prior art keywords
- quantum
- bit
- task
- computing task
- calibrated
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 52
- 239000002096 quantum dot Substances 0.000 claims abstract description 135
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000002787 reinforcement Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000306 component Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明公开了一种量子计算任务计算方法、装置及可读存储介质,包括:基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:所述当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,所述量子芯片信息由所述量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定;基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作。基于本发明的方法,可以在量子芯片上同时运行量子计算任务和校准操作,提高了量子计算任务的准确性和执行效率。
Description
技术领域
本发明涉及量子计算领域,尤其是涉及一种量子计算任务计算方法、装置及可读存储介质。
背景技术
量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。量子计算机的特点主要有运行速度较快、处置信息能力较强、应用范围较广等。与一般计算机比较起来,信息处理量愈多,对于量子计算机实施运算也就愈加有利,也就更能确保运算具备精准性。
量子芯片之于量子计算机就相当于CPU之于传统计算机,量子芯片是量子计算机的核心部件。随着量子计算相关技术的不断研究推进,量子芯片上的量子比特位数也在逐年增加,可以预见的是,后续会出现更大规模的量子芯片,届时量子芯片中的量子比特位数将会更多,量子计算机中也会搭载更大规模的量子芯片。随着量子芯片中量子比特位数的增加,在使用过程中必然会面临一些量子比特出现参数漂移的问题,此时就需要对这些量子比特进行相应的校准操作。
发明人发现当前的量子计算任务会随着量子计算机需要进行量子比特的线下校准而中止,必须等到相应的量子比特校准完成后才能继续执行量子计算任务,极大地影响了量子计算任务的执行效率。
因此,如何提高量子计算任务的执行效率成为本领域亟待解决的技术问题。
发明内容
本发明的目的在于提供一种量子计算任务计算方法、装置及可读存储介质,提高了量子计算任务的执行效率。
本申请一方面提供一种量子计算任务计算方法,包括:
基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:所述当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,所述量子芯片信息由所述量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定;
基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作。
如上所述的量子计算任务计算方法,其中,优选的是,基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作两者同时结束。
如上所述的量子计算任务计算方法,其中,优选的是,基于待执行量子计算任务的时间信息确定基于所述待校准比特区域进行的量子比特校准操作的开始时间。
如上所述的量子计算任务计算方法,其中,优选的是,基于待执行量子计算任务的时间信息确定所述量子比特校准操作作用在部分或者全部所述待校准比特区域。
如上所述的量子计算任务计算方法,其中,优选的是,基于对所述待执行量子计算任务的编译处理获得所述比特信息、所述时间信息。
如上所述的量子计算任务计算方法,其中,优选的是,基于量子比特校准操作的时间信息确定基于所述任务执行比特区域进行待执行量子计算任务的计算的开始时间。
如上所述的量子计算任务计算方法,其中,优选的是,所述基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域基于强化学习算法进行。
如上所述的量子计算任务计算方法,其中,优选的是,所述强化学习算法包括DQN算法。
本申请的另一方面提供一种量子计算任务计算装置,包括:
比特区域划分模块,用于基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:所述当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,所述量子芯片信息由所述量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定。
执行模块,用于基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作。
本申请的再一方面提供一种量子计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时能实现上述任一项所述的量子计算任务计算方法。
与现有技术相比,本发明通过基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:所述当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,所述量子芯片信息由所述量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定;基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作。通过将量子芯片上的量子比特进行区域划分,划分是依据量子芯片硬件设计参数、上一次的量子计算任务结果和上一次量子比特校准操作进行的,确保每一个量子计算任务均运行在量子芯片上的参数优良的任务执行比特区域内的量子比特上,保证量子计算任务的准确性,同时,针对基于划分的任务执行比特区域以及待校准比特区域分别量子计算任务的计算和量子比特校准操作,一方面不影响量子计算任务的计算,保证了量子计算的效率,另一方面,对待校准比特区域进行校准操作,以通过校准操作为下一次区域划分提供准确度能够得到保障的量子比特,进而保证下一次量子计算任务所需要比特资源的准确性和效率,整体提高量子计算任务的准确性和执行效率。
附图说明
图1为本发明实施例提出的一种量子计算任务计算方法流程示意图;
图2为本发明实施例提出的一种量子芯片上的量子比特示意图;
图3为本发明实施例提出的一种量子计算任务计算装置示意图;
100-比特区域划分模块,101-执行模块。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
实施例1
如图1所示,本实施例提供的一种量子计算任务计算方法,包括:
步骤S10:基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,量子芯片信息由量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定。
在目前量子领域,量子芯片的类型有多种,例如超导体系、半导体体系、离子阱体系等。任意一种体系的量子芯片,均是在衬底或者晶圆上通过芯片工艺流程形成的集成多个量子比特(也可称之为量子位)的芯片结构,量子比特用于运行计算任务。每一个量子比特都具有相应的硬件结构以及对应硬件结构的硬件设计参数(固有参数),比如量子比特的阻抗、感抗等参数;硬件设计参数是决定量子芯片工作性能的重要参数之一。
量子芯片除了具有固定的硬件设计参数之外,量子芯片还具有工作参数,即量子芯片上的量子比特工作时的参数,例如调控频率、逻辑门参数等。其中,工作参数是可以通过施加调控信号进行调整的。因此,基于量子芯片的硬件设计参数、工作参数对量子比特进行调控,可以通过量子芯片完成各种量子计算任务。可以预想到的是,由于量子比特的可调性,可以通过对工作参数的调整,实现对量子比特的校准工作,保证量子计算任务结果的精确性。
因此,可以基于待执行的量子计算任务所需要的比特信息、以及量子芯片上当前量子比特的状态信息,将量子芯片上划分为任务执行比特区域和待校准比特区域。可以理解为,任务执行比特区域内的量子比特可以用于进行量子计算任务,而待校准比特区域内的量子比特需要通过施加调控信号进行校准。比特信息可以包括量子比特数量、逻辑门数量等,每一个待执行的量子计算任务都有对应的比特信息。
为了确保在量子芯片上运行的量子计算任务的准确性,需要对量子芯片上的量子比特的当前状态信息进行评估,选择性能参数最优的量子比特运行待执行的量子计算任务。如上面,当前量子比特状态信息包括量子芯片硬件设计参数、以及实时的工作参数(即量子芯片信息),可见量子芯片信息会随着量子计算任务的改变而变化。由于待执行的量子计算任务会有多个,因此,在每一个量子计算任务结束时,需要基于本次量子计算任务的结果,对运行本次量子计算任务的量子比特的工作参数进行评估,当出现某个量子比特的工作参数恶化时,需要将对该量子比特进行校准工作,即将该量子比特划分到待校准比特区域;此外,处于待校准比特区域内的量子比特在完成校准之后,会作为下一次区域划分的依据。示例性的,将校准后且校准结果良好的量子比特划分到任务执行比特区域,用于下一个待执行的量子计算任务。
步骤S20:基于任务执行比特区域进行待执行量子计算任务的计算,并基于待校准比特区域进行量子比特校准操作。
通过步骤S10将量子芯片划分任务执行比特区域以及待校准比特区域,并借助任务执行比特区域内的量子比特进行待执行量子计算任务,并对待校准比特区域的量子比特进行校准操作。随着每一个量子计算任务的运行结果、每一次校准结果,量子芯片信息是动态变化的,对应的量子芯片上的任务执行比特区域以及待校准比特区域也是变化的。通过同步的运行量子计算任务和校准操作,可以确保每一个量子计算任务均运行在量子芯片上参数优良的任务执行比特区域内的量子比特上,保证量子计算任务的准确性,并且在量子计算任务进行时,同步对待校准比特区域内的量子比特进行校准,以通过校准操作为下一次区域划分提供准确度能够得到保障的量子比特,进而保证下一次量子计算任务所需要比特资源的准确性和效率,整体提高量子计算任务的准确性和执行效率。
本发明通过基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,量子芯片信息由量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定;基于任务执行比特区域进行待执行量子计算任务的计算,并基于待校准比特区域进行量子比特校准操作。划分是依据量子芯片硬件设计参数、上一次的量子计算任务结果和上一次量子比特校准操作进行的,确保每一个量子计算任务均运行在量子芯片上的参数优良的任务执行比特区域内的量子比特上,保证量子计算任务的准确性,同时,针对基于划分的任务执行比特区域以及待校准比特区域分别量子计算任务的计算和量子比特校准操作,一方面不影响量子计算任务的计算,保证了量子计算的效率,另一方面,对待校准比特区域进行校准操作,以通过校准操作为下一次区域划分提供准确度能够得到保障的量子比特,进而保证下一次量子计算任务所需要比特资源的准确性和效率,整体提高量子计算任务的准确性和执行效率。
作为本申请实施例的一种实施方式,在量子芯片上基于任务执行比特区域进行待执行量子计算任务的计算,并基于待校准比特区域进行量子比特校准操作两者同时结束。通过任务执行比特区域内的量子比特执行完该次待执行量子计算任务的计算之后,需要对该次计算结果进行读取和处理;此外,当对待校准比特区域内的量子比特进行校准操作之后,也需要对校准之后的量子比特进行读取和测量。因此,可以将待执行量子计算任务的计算和量子比特校准操作同时结束,便于联合读取,提高读取操作的效率。
需要说明的是,待执行量子计算任务的计算和量子比特校准操作可以在对量子芯片进行性能测试实验时同时结束。在通过量子芯片进行多个量子计算任务时,借助任务执行比特区域进行待执行量子计算任务的计算和借助待校准比特区域进行量子比特校准操作可以不仅可以同时进行,还可以是独立的操作流程。通过对上一次的量子计算任务的计算结果、上一次的校准结果实时的更新待校准比特区域和任务执行比特区域,在每一次的量子计算任务完成时,采用更新后的任务执行比特区域的量子比特进行下一个的量子计算任务。即借助任务执行比特区域进行待执行量子计算任务是按照计算任务序列依次执行的;而借助待校准比特区域进行量子比特校准操作是按需进行的。比如当量子芯片上所有的量子比特的当前量子比特状态信息均是合格的,无须校准的,此时任务执行比特区域即为量子芯片上的全部区域。
作为本申请实施例的一种实施方式,在具体执行量子比特校准操作时,基于待执行量子计算任务的时间信息确定基于待校准比特区域进行的量子比特校准操作的开始时间。待校准比特区域的划分需要评估量子芯片执行上一次量子计算任务的结果,当通过上一次量子计算任务的结果发现其中某一个量子比特的性能参数恶化时,需要将该量子比特划分到待校准比特区域进行校准工作。可以预见的是,对待校准比特区域进行的量子比特校准操作的开始时间是与待执行量子计算任务的时间信息相关的。
作为本申请实施例的一种实施方式,基于待执行量子计算任务的时间信息确定量子比特校准操作作用在部分或者全部待校准比特区域。
待校准比特区域会随着当前执行的量子计算任务的结束而更新,保证下一个待执行量子计算任务需要的比特信息能够在量子芯片上得到保障,比如量子芯片上的任务执行比特区域内的量子比特数量是否能够满足下一个待执行量子计算任务所需。并且对待校准比特区域的量子比特进行校准时,需要评估是进行对待校准比特区域内的全部量子比特进行校准还是部分校准。
具体的,通过对待校准比特区域内的量子比特进行校准的时间进行评估,确定在当前量子计算任务的持续时间内(或者说下一个待执行量子计算任务开始之前),是否能够保证通过校准操作之后更新的任务执行比特区域内的量子比特数量,可以够满足下一个待执行量子计算任务所需。当对待校准比特区域的量子比特进行校准操作的时间很快,在下一个待执行量子计算任务开始之前可以完成全部待校准操作时,即可以选择对待校准比特区域内的全部量子比特进行校准;反之,当校准操作所需要的时间较长,在下一个待执行量子计算任务之前无法完成对待校准比特区域内的全部量子比特进行校准时,可以选择对待校准比特区域内的部分量子比特进行校准,以保证下一个待执行量子计算任务运行时,量子芯片上的任务执行比特区域内的量子比特数量能满足比特信息需求。
作为本申请实施例的一种实施方式,在获取待执行量子计算任务的比特信息、时间信息时,基于对待执行量子计算任务的编译处理获得比特信息、时间信息。具体的,可以通过FPGA、SoC等系统模块对待执行量子计算任务进行编译。其中,量子计算任务可以为多个,基于时序排成阵列形式,通过编译获得每一个待执行量子计算任务对应的比特信息和时间信息。
随着量子芯片上的量子比特数量越来越多,量子芯片上不仅能运行一个待执行量子计算任务,还可以同时运行多个待执行量子计算任务。需要基于量子比特校准操作的时间信息确定基于任务执行比特区域进行待执行量子计算任务的计算的开始时间。
具体的,当任务执行比特区域内的部分量子比特用于当前待执行量子计算任务所需时,可以对任务执行比特区域内其余的量子比特数量进行评估,判断是否能够满足下一个或者多个待执行量子计算任务所需的比特信息时,当不满足时,可以评估对待校准比特区域内的量子比特进行校准操作所需要的时间,确定通过校准操作之后,在更新的任务执行比特区域内执行下一个待执行量子计算任务的计算的开始时间。
通过对待执行量子计算任务进行编译处理,获得每个量子计算任务对应的比特信息,并对量子芯片上的实时量子比特状态信息进行评估和更新,在量子芯片上划分任务执行比特区域以及待校准比特区域,并基于在任务执行比特区域执行量子计算任务的时间、在对待校准比特区域进行校正的时间对待执行量子计算任务进行分配,使得校准操作和量子计算操作同步进行、大大的提高了提高量子计算任务的执行效率。
实施例2
本实施提供了一种基于强化学习算法进行量子芯片上的比特区域划分的方法。在进行比特区域划分时,基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域基于强化学习算法进行。例如,可以基于Transformer算法和DQN(Deep Q Network,深度Q网络)算法进行强化学习。
具体的,Transformer算法用于对当前量子比特状态信息进行强化学习,即通过量子芯片的硬件设计参数、量子芯片信息(工作参数)获得量子芯片上当前量子比特状态信息,DQN算法用于基于Transformer算法输出的前量子比特状态信息、以及待执行量子计算任务的比特信息进行强化学习,实现在量子芯片上划分任务执行比特区域以及待校准比特区域。
其中,Transformer模型由论文“Attention is All You Need”提出,我们可以将这个模型看成是一个黑箱操作。那么拆开这个黑箱,可以看到它是由编码组件、解码组件和它们之间的连接组成。编码组件部分由一堆编码器(encoder)构成(例如可由6个编码器叠在一起,还可以有更多编码器,可根据实际需要来选择)。解码组件部分也是由相同数量(与编码器对应)的解码器(decoder)组成的。所有的编码器在结构上都是相同的,但它们没有共享参数。每个解码器都可以分解成两个子层。从编码器输入的内容首先会经过一个自注意力(self-attention)层。自注意力层的输出会传递到前馈(feed-forward)神经网络中。每个输入位置对应的前馈神经网络都完全一样。解码器中也有编码器的自注意力(self-attention)层和前馈(feed-forward)层。除此之外,这两个层之间还有一个注意力层,用来关注输入的相关部分。
利用Transformer模型来根据量子芯片的硬件设计参数以及量子芯片信息可以对量子芯片中的各个量子比特的状态进行有效预测,可以认为Transformer模型的输入为量子芯片的硬件结构以及量子芯片信息,Transformer模型的输出为量子芯片中每个量子比特的状态信息。可以采用对每个量子比特分别权重标记的方式来表示量子比特状态信息,我们可以假设权重标记的范围为0到1。其中,0表示量子比特的状态最佳,可以正常执行量子计算任务;1表示量子比特的偏移很严重,已无法正常执行量子计算任务。0和1之前的权重表示量子比特状态趋势,越靠近0,量子比特的状态越好,越靠近1,量子比特的状态越差,我们还可以设定一个权重标记的阈值,阈值设置为0.6,权重标记大于等于0.6的量子比特如果进行量子计算任务,其带来的计算结果的误差是不被接受的,而权重标记小于0.6的量子比特如果进行量子计算任务,其带来的计算结果的误差是可以接受的。
以图2中的量子芯片上的量子比特结构为例,结合一个具体示例来说明下如何利用权重标记对量子芯片进行区域划分。
假设当前的量子计算任务需要使用9个量子比特,而根据上次量子计算任务的执行结果或者上次校准操作的结果显示量子比特q5处于参数漂移的状态,但是其漂移量不是很严重,也就是说对于量子计算任务的执行结果影响不是很大,此时,Transformer模型将量子比特q5的权重标记赋值为0.3,第二决策单元在划分本次量子计算任务的任务执行比特区域时,会暂时将量子比特q5划分到任务执行比特区域内,但是,如果下次的量子计算任务不需要用到量子比特q5,就会在下次量子计算任务执行时,对量子比特q5进行校准操作。另外,若量子比特q5的参数漂移非常严重,可能会导致量子计算任务的结果严重失真,此时,Transformer模型将量子比特q5的权重标记赋值为0.8,那么,第二决策单元则会下发一个延时指令,使得当前的量子计算任务延时一段时间再执行,在延时的这段时间内将量子比特q5划分到待校准比特区域,并对量子比特q5进行校准操作,Transformer模型会对量子比特q5的权重标记进行重新赋值,例如赋值为0。等到校准操作完成后,在继续量子计算任务的执行,此时,权重标记为0的量子比特q5就被释放出来可以进行正常的量子计算任务了。
需要注意的是,上述示例中所提出的权重标记设置为0到1,仅是为了便于本领域技术人员理解本申请的技术方案,不能理解为对本申请的任何限制性描述。在具体实施过程中,本领域技术人员可根据具体需要来进行适应性的调整权重标记的范围。同理,对于权重标记的阈值设置,在本实施例中设置为0.6,在其它实施例中,需要根据实际情况来选择,在此不做限制,对于其它情况的阈值设置方案,在此也不一一赘述。
此外,DQN模型具有状态集合(State)、动作集合(Action)以及回报集合(Reward)。其中,状态集合内包括量子芯片的硬件设计参数、量子比特状态信息、量子计算任务列表信息。动作集合内包括不采取行动、将量子比特划分到任务执行比特区域、将量子比特划分到待校准比特区域。回报集合内包括通过将一定时间内执行的量子计算任务数量与标准情况对比,设定的奖励值与惩罚值;一定时间内整体量子比特状态与标准情况对比,设定的奖励值与惩罚值。通过状态集合、动作集合以及回报集合可以对DQN模型进行训练,并获取训练完成后的DQN模型。将量子比特状态信息输入到DQN模型中进行决策,获取匹配当前量子计算任务的最佳结果。基于DQN模型,将任务信息以及从Transformer模型中输出的各个量子比特的权重标记,可以将量子芯片动态划分为任务执行比特区域以及待校准比特区域,并且可在二者之间做一个权衡,确保量子计算任务最大程度运行在量子芯片上量子比特状态最佳的区域,并且根据权重标记实时获取那些需要进行校准操作的量子比特,以此实现对量子芯片的实时线上校准,确保量子芯片的性能表现处于最佳状态。可以理解的是,一个量子芯片中包含了多个量子比特,在执行某一次量子计算任务时,若不需要全部的量子比特参与计算,那么可供选择的量子比特线路组合有很多种,基于DQN模型的学习方式有助于量子芯片在不同的量子比特线路组合的离散动作空间内寻找最优的策略,对先验规则依赖较少,通过环境和量子计算机系统的交互与奖惩方式进行建模,通过神经网络的深度学习工具,能充分考虑环境的不确定性,最终完成量子计算机系统“趋利避害”的策略性学习。
实施例3
如图3所示,基于同一发明构思,本实施例提出一种量子计算任务计算装置10,量子计算任务计算装置10包括:
比特区域划分模块100,用于基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域;其中:当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,量子芯片信息由量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定。
执行模块101,用于基于任务执行比特区域进行待执行量子计算任务的计算,并基于待校准比特区域进行量子比特校准操作。
可以理解的是,比特区域划分模块100、执行模块101可以合并在一个装置中实现,或者其中的任意一个模块可以被拆分成多个子模块,或者,比特区域划分模块100、执行模块101中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个功能模块中实现。根据本发明的实施例,比特区域划分模块100、执行模块101中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,比特区域划分模块100、执行模块101中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
实施例4
基于同一发明构思,本发明还提出一种量子计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被一处理器执行时能实现上述特征描述中任一项的量子计算任务计算方法。
量子计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备,例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。量子计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所描述的计算机程序可以从量子计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机程序,并转发该计算机程序,以供存储在各个计算/处理设备中的可读存储介质中。用于执行本发明操作的计算机程序可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机程序的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”或“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (10)
1.一种量子计算任务计算方法,其特征在于,包括:
基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域; 其中:将性能参数最优的量子比特划分到所述任务执行比特区域,将工作参数恶化的量子比特划分到所述待校准比特区域,所述当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,所述量子芯片信息由所述量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定,所述量子芯片信息随着量子计算任务的改变而变化,在每一个量子计算任务结束时,基于本次量子计算任务的结果,对运行本次量子计算任务的量子比特的工作参数进行评估,当出现某个量子比特的工作参数恶化时,对该量子比特进行校准工作,处于待校准比特区域内的量子比特在完成校准之后,会作为下一次区域划分的依据;
基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作。
2.如权利要求1所述的方法,其特征在于,基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作,两者同时结束。
3.如权利要求2所述的方法,其特征在于,基于待执行量子计算任务的时间信息确定基于所述待校准比特区域进行的量子比特校准操作的开始时间。
4.如权利要求2所述的方法,其特征在于,基于待执行量子计算任务的时间信息确定所述量子比特校准操作作用在部分或者全部所述待校准比特区域。
5.如权利要求3或4任一项所述的方法,其特征在于,基于对所述待执行量子计算任务的编译处理获得所述比特信息、所述时间信息。
6.如权利要求2所述的方法,其特征在于,基于量子比特校准操作的时间信息确定基于所述任务执行比特区域进行待执行量子计算任务的计算的开始时间。
7.如权利要求1所述的方法,其特征在于,所述基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域基于强化学习算法进行。
8.如权利要求7所述的方法,其特征在于,所述强化学习算法包括深度Q网络算法。
9.一种量子计算任务计算装置,其特征在于,所述装置包括:
比特区域划分模块,用于基于待执行量子计算任务的比特信息与当前量子比特状态信息在量子芯片上划分任务执行比特区域以及待校准比特区域; 其中:将性能参数最优的量子比特划分到所述任务执行比特区域,将工作参数恶化的量子比特划分到所述待校准比特区域,所述当前量子比特状态信息由量子芯片硬件设计参数和量子芯片信息决定,所述量子芯片信息由所述量子芯片执行上一次量子计算任务的结果和上一次量子比特校准操作确定,所述量子芯片信息随着量子计算任务的改变而变化,在每一个量子计算任务结束时,基于本次量子计算任务的结果,对运行本次量子计算任务的量子比特的工作参数进行评估,当出现某个量子比特的工作参数恶化时,对该量子比特进行校准工作,处于待校准比特区域内的量子比特在完成校准之后,会作为下一次区域划分的依据;
执行模块,用于基于所述任务执行比特区域进行待执行量子计算任务的计算,并基于所述待校准比特区域进行量子比特校准操作。
10.一种量子计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被执行时能实现权利要求1至8中任一项所述的量子计算任务计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110191998.8A CN114970866B (zh) | 2021-02-20 | 2021-02-20 | 一种量子计算任务计算方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110191998.8A CN114970866B (zh) | 2021-02-20 | 2021-02-20 | 一种量子计算任务计算方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114970866A CN114970866A (zh) | 2022-08-30 |
CN114970866B true CN114970866B (zh) | 2023-12-12 |
Family
ID=82953953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110191998.8A Active CN114970866B (zh) | 2021-02-20 | 2021-02-20 | 一种量子计算任务计算方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114970866B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115146781B (zh) * | 2022-09-01 | 2022-12-06 | 合肥本源量子计算科技有限责任公司 | 联合读取信号的参数获取方法、装置及量子控制系统 |
CN117744819A (zh) * | 2022-09-14 | 2024-03-22 | 本源量子计算科技(合肥)股份有限公司 | 评测量子设备性能的方法、装置、存储介质及电子装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523671A (zh) * | 2019-02-02 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 量子比特校准装置、测控系统及测控方法 |
CN111722084A (zh) * | 2020-06-29 | 2020-09-29 | 济南浪潮高新科技投资发展有限公司 | 一种超导量子芯片参数自动校准方法及相关组件 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2018230440B2 (en) * | 2017-03-10 | 2022-11-17 | Rigetti & Co, Llc | Performing a calibration process in a quantum computing system |
US11048839B2 (en) * | 2019-03-29 | 2021-06-29 | International Business Machines Corporation | Adaptive error correction in quantum computing |
-
2021
- 2021-02-20 CN CN202110191998.8A patent/CN114970866B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523671A (zh) * | 2019-02-02 | 2020-08-11 | 阿里巴巴集团控股有限公司 | 量子比特校准装置、测控系统及测控方法 |
CN111722084A (zh) * | 2020-06-29 | 2020-09-29 | 济南浪潮高新科技投资发展有限公司 | 一种超导量子芯片参数自动校准方法及相关组件 |
Non-Patent Citations (1)
Title |
---|
《超导量子计算任意波形发生器输出一致性校准的设计与实现》;吕蕾 等;《无线通信技术》;第29卷(第2期);57-61 * |
Also Published As
Publication number | Publication date |
---|---|
CN114970866A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114970866B (zh) | 一种量子计算任务计算方法、装置及可读存储介质 | |
Bak | nnenum: Verification of relu neural networks with optimized abstraction refinement | |
KR20160143548A (ko) | 인공 신경 네트워크를 자동으로 조정하는 방법 및 장치 | |
KR20160143505A (ko) | 신경망의 연산량을 줄이는 방법 및 시스템 | |
Sokolov | Dag-like communication and its applications | |
US20210232753A1 (en) | Ml using n-gram induced input representation | |
US20200250529A1 (en) | Arithmetic device | |
Wintersperger et al. | QPU-system co-design for quantum HPC accelerators | |
Leal et al. | Fpga acceleration of ros2-based reinforcement learning agents | |
Shin et al. | Towards specification-directed program repair | |
Mohi-Aldeen et al. | Optimal path test data generation based on hybrid negative selection algorithm and genetic algorithm | |
US10268798B2 (en) | Condition analysis | |
Zeljić et al. | An approximation framework for solvers and decision procedures | |
JP2021111143A (ja) | 学習プログラム,学習方法および推定装置 | |
CN114970867B (zh) | 量子计算机系统以及任务调度方法 | |
KR20220051903A (ko) | 회로 모델을 생성하는 방법 및 이를 이용한 집적 회로의 제조 방법 | |
Häner et al. | Lowering the T-depth of quantum circuits via logic network optimization | |
Zeljić et al. | Approximations for model construction | |
KR20230132369A (ko) | 양자 회로에서의 리소스 감소 | |
CN115329971A (zh) | 消除振幅阻尼噪声的方法及装置、电子设备和介质 | |
US20210304059A1 (en) | Method for selecting datasets for updating an artificial intelligence module | |
Avis et al. | Polynomial size linear programs for problems in P | |
CN115293353A (zh) | 量子计算机及其运行方法、可读存储介质 | |
Soeken et al. | Quantum circuits for functionally controlled NOT gates | |
Choon et al. | A functional approximation comparison between neural networks and polynomial regression |
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 |
Address after: 230088 6th floor, E2 building, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province Applicant after: Benyuan Quantum Computing Technology (Hefei) Co.,Ltd. Address before: 230088 6th floor, E2 building, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province Applicant before: ORIGIN QUANTUM COMPUTING COMPANY, LIMITED, HEFEI |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |