CN115115055B - 联合读取信号的参数优化方法、装置及量子控制系统 - Google Patents

联合读取信号的参数优化方法、装置及量子控制系统 Download PDF

Info

Publication number
CN115115055B
CN115115055B CN202211058891.7A CN202211058891A CN115115055B CN 115115055 B CN115115055 B CN 115115055B CN 202211058891 A CN202211058891 A CN 202211058891A CN 115115055 B CN115115055 B CN 115115055B
Authority
CN
China
Prior art keywords
values
parameters
optimized
read
fidelity
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
Application number
CN202211058891.7A
Other languages
English (en)
Other versions
CN115115055A (zh
Inventor
赵勇杰
宋垚
张昂
方双胜
石汉卿
孔伟成
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.)
Benyuan Quantum Computing Technology Hefei Co ltd
Original Assignee
Origin Quantum Computing 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 Origin Quantum Computing Technology Co Ltd filed Critical Origin Quantum Computing Technology Co Ltd
Priority to CN202211058891.7A priority Critical patent/CN115115055B/zh
Publication of CN115115055A publication Critical patent/CN115115055A/zh
Application granted granted Critical
Publication of CN115115055B publication Critical patent/CN115115055B/zh
Priority to PCT/CN2023/113157 priority patent/WO2024046115A1/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
    • G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G06F13/38—Information transfer, e.g. on bus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/76—Architectures of general purpose stored program computers
    • G06F15/78—Architectures of general purpose stored program computers comprising a single central processing unit
    • G06F15/7807—System on chip, i.e. computer system on a single chip; System in package, i.e. computer system on one or more chips in a single package
    • G06F15/7817—Specially adapted for signal processing, e.g. Harvard architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Evolutionary Computation (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种联合读取信号的参数优化方法，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述优化方法包括：获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder‑Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。

Description

联合读取信号的参数优化方法、装置及量子控制系统
技术领域
本发明属于量子计算领域，尤其涉及一种联合读取信号的参数优化方法、装置及量子控制系统。
背景技术
量子比特信息是指量子比特所具有的量子态，基本的量子态是|0>态和|1>态，量子比特被操作之后，量子比特的量子态发生改变，在量子芯片上，则体现为量子芯片被执行后，量子比特所具备的量子态发生变化即量子芯片的执行结果，该执行结果由量子比特读取信号（一般为模拟信号）携带并传出的。
通过量子比特读取信号快速测量量子比特量子态的过程是了解量子芯片执行性能的关键工作，量子比特测量结果的高保真度一直是量子计算行业持续追求的重要指标。量子比特读取信号的参数对量子比特的测量结果的保真度高低影响很大，为了获取较高的量子比特读取保真度，需要对量子比特读取信号的参数进行优化以获取量子比特读取信号的最优参数。
现有技术掌握较为成熟的为不受其他量子比特影响的单个量子比特的测量结果确定，但是多个关联量子比特具有更实用和广大的应用前景，运行量子计算任务的多个关联量子比特，多个关联量子比特的测量结果的确定尤为重要。使用联合读取信号能够同时读取多个量子比特的量子态信息，然而，现有的联合读取信号的读取保真度相较于量子比特的单独读取的读取保真度中还存在一定程度的差异。
为了使得联合读取的读取保真度达到理想的水平，需要提供一种联合读取信号的参数优化方法。
需要说明的是，公开于本申请背景技术部分的信息仅仅旨在加深对本申请一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种联合读取信号的参数优化方法、装置及量子控制系统，以解决现有技术中的不足，能够提高联合读取信号的读取保真度。
为了实现上述目的，本申请第一方面提出了一种联合读取信号的参数优化方法，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述参数优化方法包括：
获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；
分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；
基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；
基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
可选的，所述损失函数包括交叉熵损失函数，所述交叉熵损失函数为：
Figure 416448DEST_PATH_IMAGE001
其中，pi为第i个量子比特的联合读取保真度理论预期，qi为执行联合读取获取的第i个量子比特的读取保真度，H表示交叉熵。
可选的，所述基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，包括：
利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，包括：
步骤A：对基于所述损失函数获取的2N+2个函数值进行排序H（X1）≤H（X2）≤H（X3）……≤H（XN）≤……H（X2N+1）≤H（X2N+2），其中，H（Xi）表示第i（i∈[1，2N+2]）组所述待优化参数的值对应于所述损失函数的函数值；
步骤B：确定2N+2组所述待优化参数的值中除去最差组后剩余其他组的平均值X0，所述最差组对应的所述损失函数的函数值最大；
步骤C：基于平均值X0按照计算公式Xr=X0＋α（X0－X2N+2）获取第一参数Xr，其中，α为预设的反射系数，基于具有所述第一参数Xr的所述联合读取信号执行联合读取，并获取第一函数值H（Xr）；
步骤D：若所述第一函数值H（Xr）满足第一预设条件，则获取所述第一参数Xr作为最优参数。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤E：若所述第一函数值H（Xr）不满足所述第一预设条件，且所述第一函数值H（Xr）满足H（X1）≤H（Xr）＜H（X2N+1），则使得X2N+2=Xr，并返回执行步骤A。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤F：若所述第一函数值H（Xr）满足H（Xr）＜H（X1），则根据计算公式Xe=X＋γ(Xr－X0)更新获取第二参数Xe，其中，γ为预设的扩展系数，基于具有所述第二参数Xe的所述联合读取信号执行联合读取，并获取第二函数值H（Xe）；
步骤G：若所述第二函数值H（Xe）满足第一预设条件，获取所述第二参数Xe作为最优参数。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤H：若所述第二函数值H（Xe）不满足所述第一预设条件，则判断所述第二函数值H（Xe）是否满足H（Xe）＜H（Xr），若是，则使得X2N+2=Xe，并返回步骤A；若否，则使得X2N+2=Xr，并返回执行步骤A。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤I：若所述第一函数值H（Xr）不满足第一预设条件且满足H（X2N+1）≤H（Xr）＜H（X2N+2），则根据计算公式Xoc=X0+ρ(Xr－X0)更新获取第三参数Xoc，其中，ρ为预设的压缩系数，基于具有所述第三参数Xoc的所述联合读取信号执行联合读取，并获取第三函数值H（Xoc）；
步骤J：若所述第三函数值H（Xoc）满足第一预设条件，则获取所述第三参数Xoc为最优参数。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤K：若所述第三函数值H（Xoc）不满足第一预设条件，则判断所述第三函数值H（Xoc）是否满足H（Xoc）≤H（Xr），若是则使得X2N+2=Xoc，并返回步骤A；若否，则执行步骤L；
步骤L：根据计算公式Vi=X1+σ（Xi-X1）更新所述联合读取信号的参数获得第五参数Vi，其中，σ为预设的收缩系数，并使得Xi=Vi，i∈[2，2N+2]，返回执行步骤A。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤M：若所述第一函数值H（Xr）不满第一预设条件且满足H（X2N+2）≤H（Xr），则根据计算公式Xic=X0＋ρ（X2N+1－X0）更新获取第四参数Xic，其中，ρ为预设的压缩系数，基于具有所述第四参数Xic的所述联合读取信号执行联合读取，并获取第四函数值H（Xic）；
步骤N：若第四函数值H（Xic）满足第一预设条件，则获取第四参数Xic作为最优参数。
可选的，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤O：若所述第四函数值H（Xic）不满足第一预设条件，则判断所述第四函数值H（Xic）是否满足H（Xic）≤H（X2N+2）,若是则使得X2N+2=Xic，并返回步骤A；若否，则执行步骤L；
步骤L：根据计算公式Vi=X1+σ（Xi-X1）更新所述联合读取信号的参数获得第五参数Vi，其中，σ为预设的收缩系数，并使得Xi=Vi，i∈[2，2N+2]，返回执行步骤A。
可选的，采用所述N个量子比特单独读取时的读取保真度作为所述联合读取保真度理论预期。
第二方面，本申请提供一种联合读取信号的参数优化装置，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述优化装置包括：
初始值获取模块，其被配置为获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；
第一读取保真度获取模块，其被配置为分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；
函数值获取模块，其被配置为基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；
优化模块，其被配置为基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
第三方面，本申请提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被执行时能实现本申请第一方面提供的所述联合读取信号的参数优化方法。
第四方面，本申请提供一种量子控制系统，包括本申请第二方面提供的所述联合读取信号的参数优化装置，能实现本申请第一方面提供的所述联合读取信号的参数优化方法。
与现有技术相比，具有以下有益效果：
本申请提出的联合读取信号的参数优化方法，获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。本申请利用损失函数的函数值评价一组参数值下的联合读取信号的读取保真度与联合读取保真度理论预期的差异，并通过Nelder-Mead算法优化所述联合读取信号的待优化参数的值，直至获取一组参数下的联合读取信号对应的损失函数的函数值满足第一预设条件，获取对应的参数值作为最优参数。本申请技术方案通过损失函数与Nelder-Mead算法结合优化所述待优化参数的值，能够获取读取保真度与联合读取保真度理论预期最接近的一组参数值，因此能够提高联合读取的保真度。
本申请提出的所述联合读取信号的参数优化装置、可读存储介质以及量子控制系统，与本申请提出的所述联合读取信号的参数优化方法属于同一发明构思，因此具有相同的有益效果，在此不做赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一量子芯片的结构示意图；
图2为本申请一实施例提供的所述联合读取信号的参数优化方法的流程示意图；
图3为本申请一实施例提供的所述联合读取信号的参数优化装置的结构示意图。
具体实施方式
以下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。根据下面的描述和权利要求书，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。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“左”、“右”等指示的方位或者位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个、三个等，除非另有明确具体的限定。
本申请实施例提供的方法可以应用于计算机终端、或者称为量子计算机。
在量子计算机中，量子芯片是执行量子计算的处理器，参阅图1，图1为一量子芯片的结构示意图，从图中可以看出，所述量子芯片上集成有多个一一对应的且相互耦合的量子比特和读取腔，各读取腔远离对应量子比特的一端均连接至集成设置在量子芯片上的读取信号传输线，各量子比特均耦合连接有XY信号传输线和Z信号传输线。XY信号传输线用于接收量子态调控信号，Z信号传输线用于接收磁通量调控信号，磁通量调控信号包括偏置电压信号和/或脉冲偏置调控信号，所述偏置电压信号和所述脉冲偏置调控信号均可以对所述量子比特的比特频率进行调控，读取信号传输线用于接收读取信号和发射读取反馈信号。
量子比特的调控及处理过程，简述如下：
利用Z信号传输线上的磁通量调控信号将量子比特的频率调整到工作频率，此时通过XY信号传输线施加量子态调控信号对处于初始态的量子比特进行量子态调控，采用读取腔读取调控后的量子比特的量子态。具体地，通过读取信号传输线施加载频脉冲信号，通常称之为“读取探测信号”（以下简称“读取信号”），读取信号通常是频率为4~8GHz的微波信号，通过解析读取信号传输线输出的读取反馈信号确定量子比特所处于的量子态。读取腔能够根据读取量子比特的量子态的根本原因在于，量子比特的不同量子态对读取腔产生的色散频移不同，从而使得量子比特的不同量子态对施加在读取腔上的读取信号具有不同的响应，该响应信号称为读取反馈信号。仅当量子比特的读取信号的载频与读取腔的固有频率（也叫谐振频率，以下简称“腔频”）非常靠近时，读取腔才会因量子比特的不同量子态对读取信号的响应有明显差异。即读取反馈信号具有最大化的可区分度。基于此，通过解析一定脉冲长度的读取反馈信号确定量子比特所处于的量子态，例如，将每一次采集的读取反馈信号转换为正交平面坐标系（即IQ平面坐标系）的一个坐标点，根据坐标点的位置以及读取判据确定对应的量子态是|0>态，还是|1>态，可以理解的是，|0>态、|1>态是量子比特的两个本征态。
现有技术掌握了较为成熟的不受其它量子比特影响的单个量子比特的测量结果确定，但是多个关联量子比特具有更实用和广大的应用场景。示例性的，运行双量子逻辑门的两个关联量子比特或者运行多量子逻辑门的多个关联量子比特。再示例性的，运行量子计算任务的多个关联量子比特，在这些示例中，多个关联量子比特的测量结果的确定尤为重要。然而，联合读取的读取保真度与量子比特单独读取时还存在一定的差距，不提高联合读取的读取保真度，就无法将联合读取实际应用到量子计算中。
为了提高联合读取的读取保真度，本申请一实施例提供一种联合读取信号的参数优化方法，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述参数优化方法包括：
步骤S1：获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；
步骤S2：分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；
步骤S3：基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；
步骤S4：基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
本申请利用损失函数的函数值评价一组参数值下的联合读取信号的读取保真度与联合读取保真度理论预期的差异，并通过Nelder-Mead算法优化所述联合读取信号的待优化参数的值，直至获取一组参数下的联合读取信号对应的损失函数的函数值满足第一预设条件，获取对应的参数值作为最优参数。本申请的技术方案通过损失函数与Nelder-Mead算法结合优化所述待优化参数的值，能够获取读取保真度与联合读取保真度理论预期最接近的一组参数值，因此能够提高联合读取的保真度。
所述步骤S1中，共获取了2N+2组所述初始值，每组所述初始值包括了所述N个基带频率、所述N个幅值以及一个所述读取功率中的任意一种或者多种，每一组所述初始值用于生成一个所述联合读取信号。
所述基带频率基于参与联合读取的N个所述量子比特的腔频进行设置，所述读取功率基于参与联合读取的N个量子比特单独读取时的读取功率进行设置，所述幅值基于所述联合读取信号的读取功率以及参与联合读取的N个量子比特单独读取中读取信号的幅值进行设置。通过根据参与联合的所述N个量子比特在单独读取过程中的参数设置联合读取参数，能够节省优化所述待优化参数的时间，提高优化效率。
另外地，所述初始值也可以设置为其他的数值，在此不做具体限制。
所述步骤S2中，利用2N+2组初始值执行联合读取，获取2N+2组第一读取保真度，每组所述第一读取保真度包括对参与到联合读取的各个量子比特的读取保真度。
所述步骤S3中，利用损失函数获取所述2N+2组第一读取保真度与联合读取保真度理论预期的差异。
具体地，所述损失函数包括交叉熵损失函数，所述交叉熵损失函数为：
Figure 342816DEST_PATH_IMAGE002
其中，pi为第i个量子比特的联合读取保真度理论预期，qi为执行联合读取获取的第i个量子比特的读取保真度，H表示交叉熵。
所述交叉熵损失函数的函数值越小，则执行联合读取的读取保真度与联合读取保真度理论预期越接近。因此，为了获取损失函数最小的函数值，本申请进一步采用了Nelder-Mead算法对所述待优化参数进行优化。
本实施例中，采用各个量子比特单独读取时的读取保真度作为各个量子比特联合读取保真度理论预期，在其他实施例中，也可以手动设置各个量子比特在联合读取中的联合读取保真度理论预期。
需要说明的是，Nelder-Mead算法是基于单纯形的概念构造解的迭代优化策略。对于M维的优化问题，Nelder-Mead算法首先选择M+1个点，使其构成一个初始单纯形，接着通过人为设计的一系列规则对单纯形顶点进行迭代更新，使得产生的单纯形能够朝着函数值极小点收敛，每次迭代针对单纯形的每个点计算目标函数值，目标函数值最大的点将被另外的点代替，直到单纯形收敛到目标函数的局部极小点。大致过程如下：
比较所有单纯形顶点的函数值，获取函数值最大的单纯形顶点和函数值最小的单纯形顶点；再计算除函数值最大的单纯形顶点之外的其他单纯形顶点的质心点，在函数值最大的单纯形顶点与质心点连线方向上，计算函数值最大的单纯形顶点的反射点、扩展点、压缩点；若没有找到反射点、扩展点、压缩点，则在函数值最大的单纯形顶点到函数值最小的单纯形顶点的线段上计算一个收缩点；若在反射点、扩展点、压缩点和收缩点中存在一个最佳点，则使用这个最佳点作为一个新的单纯形顶点替代函数值最大的单纯形顶点，重新构建M+1维单纯形；如此进行，直到找到一个函数值最小的单纯形顶点。
Nelder-Mead算法秉承保证每一次迭代比前一次更优的基本思想，先找出一个基本可行解，看是否是最优解，若不是，则按照一定的法则迭代到另一改进后更优的基本可行解，再鉴别，若仍不是，则再迭代，按此重复进行。因基本可行解的个数有限，故经有限次迭代必能得出问题的最优解。
在本申请实施例中，寻找所述联合读取信号的最优参数即为Nelder-Mead算法的优化问题，其中联合读取信号参数所包含的对应于N个量子比特的基带频率、对应于N个量子比特的幅值以及一个读取功率的任意一种或者多种是优化问题的维度M。2N+2组所述待优化参数是Nelder-Mead算法的单纯形顶点，基于特定的所述联合读取信号参数获取损失函数的最小函数值是Nelder-Mead算法的目标函数。
其中，为了有效提高联合读取的读取保真度，优选的是，每组所述联合读取信号的参数包括对应于N个量子比特的基带频率、对应于N个量子比特的幅值以及一个读取功率，此时维度M为2N+1。
作为本申请的一种实施方式，所述基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，包括：
利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
作为本申请的一种实施方式，所述第一预设条件为：
所述损失函数的函数值小于预设的第一阈值。
需要注意的是，所述第一阈值根据需要的联合读取精度进行设置，在此不做具体限制。
作为本申请实施例的一种实施方式，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，包括：
步骤A：对基于所述损失函数获取的2N+2个函数值进行排序H（X1）≤H（X2）≤H（X3）……≤H（XN）≤……H（X2N+1）≤H（X2N+2），其中，H（Xi）表示第i（i∈[1，2N+2]）组所述待优化参数的值对应于所述损失函数的函数值；
另外，在实际应用中，可以首先判断2N+2个所述函数值是否满足所述第一预设条件，若否则执行步骤B。
步骤B：确定2N+2组所述待优化参数的值中除去最差组后剩余其他组的平均值X0，所述最差组对应的所述损失函数的函数值最大；
步骤C：基于平均值X0按照计算公式Xr=X0＋α（X0－X2N+2）获取第一参数Xr，其中，α为预设的反射系数，基于具有所述第一参数Xr的所述联合读取信号执行联合读取，并获取第一函数值H（Xr）；
其中，所述第一参数Xr即为前文所述的反射点，其中反射系数α>0，一般取α=1。
步骤D：若所述第一函数值H（Xr）满足第一预设条件，则获取所述第一参数Xr作为最优参数。
步骤E：若所述第一函数值H（Xr）不满足所述第一预设条件，且所述第一函数值H（Xr）满足H（X1）≤H（Xr）＜H（X2N+1），则使得X2N+2=Xr，并返回执行步骤A。
步骤F：若所述第一函数值H（Xr）不满足所述第一预设条件且满足H（Xr）＜H（X1），则根据计算公式Xe=X＋γ(Xr－X0)更新获取第二参数Xe，其中，γ为预设的扩展系数，基于具有所述第二参数Xe的所述联合读取信号执行联合读取，并获取第二函数值H（Xe）；
其中，所述第二参数Xe为前文所述的扩展点，γ＞1为预设的扩展系数，一般取γ＝2。
步骤G：若所述第二函数值H（Xe）满足第一预设条件，获取所述第二参数Xe作为最优参数。
步骤H：若所述第二函数值H（Xe）不满足所述第一预设条件，则判断所述第二函数值H（Xe）是否满足H（Xe）＜H（Xr），若是，则使得X2N+2=Xe，并返回步骤A；若否，则使得X2N+2=Xr，并返回执行步骤A。
步骤I：若所述第一函数值H（Xr）不满足第一预设条件且满足H（X2N+1）≤H（Xr）＜H（X2N+2），则根据计算公式Xoc=X0+ρ(Xr－X0)更新获取第三参数Xoc，其中，ρ为预设的压缩系数，基于具有所述第三参数Xoc的所述联合读取信号执行联合读取，并获取第三函数值H（Xoc）；
其中，所述第三参数为前文所述压缩点之一的外压缩点，0＜ρ＜1为预设的压缩系数，一般取ρ=0.5。
步骤J：若所述第三函数值H（Xoc）满足第一预设条件，则获取所述第三参数Xoc为最优参数。
步骤K：若所述第三函数值H（Xoc）不满足第一预设条件，则判断所述第三函数值H（Xoc）是否满足H（Xoc）≤H（Xr），若是则使得X2N+2=Xoc，并返回步骤A；若否，则执行步骤L；
步骤L：根据计算公式Vi=X1+σ（Xi-X1）更新所述联合读取信号的参数获得第五参数Vi，其中，σ为预设的收缩系数，并使得Xi=Vi，i∈[2，2N+2]，返回执行步骤A。
步骤M：若所述第一函数值H（Xr）不满第一预设条件且满足H（X2N+2）≤H（Xr），则根据计算公式Xic=X0＋ρ（X2N+1－X0）更新获取第四参数Xic，其中，ρ为预设的压缩系数，基于具有所述第四参数Xic的所述联合读取信号执行联合读取，并获取第四函数值H（Xic）；
其中，所述第四参数Xic为前文所述的压缩点之一内压缩点。
步骤N：若第四函数值H（Xic）满足第一预设条件，则获取第四参数Xic作为最优参数。
步骤O：若所述第四函数值H（Xic）不满足第一预设条件，则判断所述第四函数值H（Xic）是否满足H（Xic）≤H（X2N+2）,若是则使得X2N+2=Xic，并返回步骤A；若否，则执行步骤L。
基于同一发明构思，本申请实施例提供一种联合读取信号的参数优化装置，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述优化装置包括：
初始值获取模块110，其被配置为获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；
第一读取保真度获取模块120，其被配置为分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；
函数值获取模块130，其被配置为基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；
优化模块140，其被配置为基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
基于同一发明构思，本申请实施例还提供一种可读存储介质，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本申请提供的所述联合读取信号的参数优化方法。
基于同一发明构思，本申请还提供一种量子控制系统，包括本申请实施例提供的所述联合读取信号的参数优化装置，能实现本申请一实施例提供的所述联合读取信号的参数优化方法。
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 (15)

1.一种联合读取信号的参数优化方法，其特征在于，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述优化方法包括：
获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；
分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；
基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；
基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
2.如权利要求1所述的联合读取信号的参数优化方法，其特征在于，所述损失函数包括交叉熵损失函数，所述交叉熵损失函数为：
Figure 586346DEST_PATH_IMAGE001
其中，pi为第i个量子比特的联合读取保真度理论预期，qi为执行联合读取获取的第i个量子比特的读取保真度，H表示交叉熵。
3.如权利要求1所述的联合读取信号的参数优化方法，其特征在于，所述基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，包括：
利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
4.如权利要求3所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，包括：
步骤A：对基于所述损失函数获取的2N+2个函数值进行排序H（X1）≤H（X2）≤H（X3）……≤H（XN）≤……H（X2N+1）≤H（X2N+2），其中，H（Xi）表示第i组所述待优化参数的值对应于所述损失函数的函数值，i∈[1，2N+2]；
步骤B：确定2N+2组所述待优化参数的值中除去最差组后剩余其他组的平均值X0，所述最差组对应的所述损失函数的函数值最大；
步骤C：基于平均值X0按照计算公式Xr=X0＋α（X0－X2N+2）获取第一参数Xr，其中，α为预设的反射系数，基于具有所述第一参数Xr的所述联合读取信号执行联合读取，并获取第一函数值H（Xr）；
步骤D：若所述第一函数值H（Xr）满足第一预设条件，则获取所述第一参数Xr作为最优参数。
5.如权利要求4所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤E：若所述第一函数值H（Xr）不满足所述第一预设条件，且所述第一函数值H（Xr）满足H（X1）≤H（Xr）＜H（X2N+1），则使得X2N+2=Xr，并返回执行步骤A。
6.如权利要求4所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤F：若所述第一函数值H（Xr）不满足所述第一预设条件且满足H（Xr）＜H（X1），则根据计算公式Xe=X＋γ(Xr－X0)更新获取第二参数Xe，其中，γ为预设的扩展系数，基于具有所述第二参数Xe的所述联合读取信号执行联合读取，并获取第二函数值H（Xe）；
步骤G：若所述第二函数值H（Xe）满足所述第一预设条件，获取所述第二参数Xe作为最优参数。
7.如权利要求6所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤H：若所述第二函数值H（Xe）不满足所述第一预设条件，则判断所述第二函数值H（Xe）是否满足H（Xe）＜H（Xr），若是，则使得X2N+2=Xe，并返回步骤A；若否，则使得X2N+2=Xr，并返回执行步骤A。
8.如权利要求4所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤I：若所述第一函数值H（Xr）不满足所述第一预设条件且满足H（X2N+1）≤H（Xr）＜H（X2N+2），则根据计算公式Xoc=X0+ρ(Xr－X0)更新获取第三参数Xoc，其中，ρ为预设的压缩系数，基于具有所述第三参数Xoc的所述联合读取信号执行联合读取，并获取第三函数值H（Xoc）；
步骤J：若所述第三函数值H（Xoc）满足所述第一预设条件，则获取所述第三参数Xoc为最优参数。
9.如权利要求8所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤K：若所述第三函数值H（Xoc）不满足所述第一预设条件，则判断所述第三函数值H（Xoc）是否满足H（Xoc）≤H（Xr），若是则使得X2N+2=Xoc，并返回步骤A；若否，则执行步骤L；
步骤L：根据计算公式Vi=X1+σ（Xi-X1）更新所述联合读取信号的参数获得第五参数Vi，其中，σ为预设的收缩系数，并使得Xi=Vi，i∈[2，2N+2]，返回执行步骤A。
10.如权利要求4所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤M：若所述第一函数值H（Xr）不满所述第一预设条件且满足H（X2N+2）≤H（Xr），则根据计算公式Xic=X0＋ρ（X2N+1－X0）更新获取第四参数Xic，其中，ρ为预设的压缩系数，基于具有所述第四参数Xic的所述联合读取信号执行联合读取，并获取第四函数值H（Xic）；
步骤N：若第四函数值H（Xic）满足所述第一预设条件，则获取第四参数Xic作为最优参数。
11.如权利要求10所述的联合读取信号的参数优化方法，其特征在于，所述利用Nelder-Mead算法不断更新所述待优化参数的值，分别基于优化后的值执行联合读取以获取相应的读取保真度，并基于获取的读取保真度及所述联合读取保真度理论预期获取对应的所述损失函数的函数值，直至获取的所述损失函数的函数值满足第一预设条件，获取对应的所述待优化参数的值作为所述联合读取信号的最优参数，还包括：
步骤O：若所述第四函数值H（Xic）不满足所述第一预设条件，则判断所述第四函数值H（Xic）是否满足H（Xic）≤H（X2N+2）,若是则使得X2N+2=Xic，并返回步骤A；若否，则执行步骤L；
步骤L：根据计算公式Vi=X1+σ（Xi-X1）更新所述联合读取信号的参数获得第五参数Vi，其中，σ为预设的收缩系数，并使得Xi=Vi，i∈[2，2N+2]，返回执行步骤A。
12.如权利要求1所述的联合读取信号的参数优化方法，其特征在于，采用所述N个量子比特单独读取时的读取保真度作为所述联合读取保真度理论预期。
13.一种联合读取信号的参数优化装置，其特征在于，所述联合读取信号用于同时读取N个量子比特的量子态信息，所述优化装置包括：
初始值获取模块，其被配置为获取2N+2组所述联合读取信号中待优化参数的初始值，每组所述待优化参数包括一读取功率、对应于所述N个量子比特的N个基带频率及N个幅值中的任意一种或多种；
第一读取保真度获取模块，其被配置为分别采用具有2N+2组初始值的所述联合读取信号执行联合读取，并获取对应的第一读取保真度；
函数值获取模块，其被配置为基于损失函数获取2N+2组所述第一读取保真度与联合读取保真度理论预期的差异；
优化模块，其被配置为基于2N+2组所述待优化参数的初始值及基于所述损失函数获取的2N+2个函数值，利用Nelder-Mead算法获取满足第一预设条件的函数值，并获取对应的所述待优化参数的值作为所述联合读取信号的最优参数。
14.一种可读存储介质，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如权利要求1~12中任一项所述的联合读取信号的参数优化方法。
15.一种量子控制系统，其特征在于，包括如权利要求13所述的联合读取信号的参数优化装置，能实现如权利要求1~12中任一项所述的联合读取信号的参数优化方法。
CN202211058891.7A 2022-08-31 2022-08-31 联合读取信号的参数优化方法、装置及量子控制系统 Active CN115115055B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211058891.7A CN115115055B (zh) 2022-08-31 2022-08-31 联合读取信号的参数优化方法、装置及量子控制系统
PCT/CN2023/113157 WO2024046115A1 (zh) 2022-08-31 2023-08-15 量子比特联合读取信号的优化方法、装置、量子控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211058891.7A CN115115055B (zh) 2022-08-31 2022-08-31 联合读取信号的参数优化方法、装置及量子控制系统

Publications (2)

Publication Number Publication Date
CN115115055A CN115115055A (zh) 2022-09-27
CN115115055B true CN115115055B (zh) 2022-12-06

Family

ID=83335574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211058891.7A Active CN115115055B (zh) 2022-08-31 2022-08-31 联合读取信号的参数优化方法、装置及量子控制系统

Country Status (1)

Country Link
CN (1) CN115115055B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024046115A1 (zh) * 2022-08-31 2024-03-07 本源量子计算科技（合肥）股份有限公司 量子比特联合读取信号的优化方法、装置、量子控制系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019150090A1 (en) * 2018-01-30 2019-08-08 River Lane Research Ltd A method of determining a state energy
CN112149832A (zh) * 2020-10-09 2020-12-29 腾讯科技（深圳）有限公司 量子比特的频率控制信号处理方法、超导量子芯片
CN113052317A (zh) * 2021-03-09 2021-06-29 合肥本源量子计算科技有限责任公司 量子态信息的获取方法和装置、量子测控系统和计算机
CN113792880A (zh) * 2021-09-17 2021-12-14 北京百度网讯科技有限公司 基于脉冲的量子门实现方法及装置、电子设备和介质
WO2022101483A1 (en) * 2020-11-15 2022-05-19 Qu & Co R&D B.V. Solving a set of (non)linear differential equations using a hybrid data processing system comprising a classical computer system and a quantum computer system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019150090A1 (en) * 2018-01-30 2019-08-08 River Lane Research Ltd A method of determining a state energy
CN112149832A (zh) * 2020-10-09 2020-12-29 腾讯科技（深圳）有限公司 量子比特的频率控制信号处理方法、超导量子芯片
WO2022101483A1 (en) * 2020-11-15 2022-05-19 Qu & Co R&D B.V. Solving a set of (non)linear differential equations using a hybrid data processing system comprising a classical computer system and a quantum computer system
CN113052317A (zh) * 2021-03-09 2021-06-29 合肥本源量子计算科技有限责任公司 量子态信息的获取方法和装置、量子测控系统和计算机
CN113792880A (zh) * 2021-09-17 2021-12-14 北京百度网讯科技有限公司 基于脉冲的量子门实现方法及装置、电子设备和介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Hybrid optimization schemes for quantum control;Micheal H Goerz，et al;《EPJ Quantum Technology》;20151231;全文 *
基于超导电路的量子模拟;葛自勇;《CNKI博士电子期刊》;20220215(第02期);全文 *

Also Published As

Publication number Publication date
CN115115055A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
Binev et al. Adaptive finite element methods with convergence rates
Matei et al. Performance evaluation of the consensus-based distributed subgradient method under random communication topologies
CN115115055B (zh) 联合读取信号的参数优化方法、装置及量子控制系统
CN112700060B (zh) 站所终端负荷预测方法和预测装置
CN117354652B (zh) 基于变分自编码器的高速多模光模块性能优化方法
Hernández-Lobato et al. Designing neural network hardware accelerators with decoupled objective evaluations
CN110992432A (zh) 基于深度神经网络最小方差梯度量化压缩及图像处理方法
CN115545204B (zh) 多量子比特测量结果的确定方法、确定装置及量子计算机
Yi et al. Communication compression for distributed nonconvex optimization
US20200210853A1 (en) Optimization calculation method and information processing apparatus
Xu et al. Optimal gradient quantization condition for communication-efficient distributed training
EP4322069A1 (en) Method and apparatus for determining multi-qubit measurement result, and quantum computer
WO2024046115A1 (zh) 量子比特联合读取信号的优化方法、装置、量子控制系统
Molinaro et al. Acceleration tools for diagonal information global optimization algorithms
CN115169184A (zh) 采用改进差分进化马尔科夫链的有限元模型修正方法
CN107766887A (zh) 一种局部加权的不完整数据混杂聚类方法
Özbey et al. A set-point filter type 2DOF fractional order PID control system design scheme for improved disturbance rejection control
Cao et al. A self-braking symbiotic organisms search algorithm for bi-objective reentrant hybrid flow shop scheduling problem
Yang et al. Nonlinear elliptic problem of 2-q-Laplacian type with asymmetric nonlinearities
Lu et al. DAGC: Data-Aware Adaptive Gradient Compression
CN112734122A (zh) 基于动态分解和选择的超多目标优化方法、系统、终端
Xu et al. Adaptive Multigrid Method for Eigenvalue Problem
CN111211559A (zh) 一种基于动态步长萤火虫算法的电网阻抗估计方法
Kureš et al. Natural operators lifting 1-forms to bundles of Weil contact elements
CN114329791B (zh) 基于模块集成与数据管理的飞行器机翼结构综合优化方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 230088 6th floor, E2 building, phase II, innovation industrial park, 2800 innovation Avenue, high tech Zone, Hefei City, Anhui Province

Patentee 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

Patentee before: ORIGIN QUANTUM COMPUTING COMPANY, LIMITED, HEFEI