CN115271076A

CN115271076A - 一种贝叶斯网络对应量子线路的构造方法及装置

Info

Publication number: CN115271076A
Application number: CN202110474388.9A
Authority: CN
Inventors: 李叶; 刘焱; 窦猛汉
Original assignee: Origin Quantum Computing Technology Co Ltd
Current assignee: Origin Quantum Computing Technology Co Ltd
Priority date: 2021-04-29
Filing date: 2021-04-29
Publication date: 2022-11-01
Anticipated expiration: 2041-04-29
Also published as: CN115271076B

Abstract

本发明公开了一种贝叶斯网络对应量子线路的构造方法及装置，所述方法包括：获取目标网络包含的各个节点及节点间的因果关系，针对各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，针对各个节点中每两个具备因果关系的节点，分别构造因果关系对应的、用于编码条件概率的第二子量子线路，根据第一子量子线路和第二子量子线路，获得目标网络对应的量子线路，以此实现一种贝叶斯网络的量子实现方式，将贝叶斯网络的计算复杂度降低，实现高效计算，并且利用量子态的叠加特性，从而以更少的存储和计算资源实现支持大规模多节点网络模型的处理。

Description

一种贝叶斯网络对应量子线路的构造方法及装置

技术领域

本发明属于量子计算技术领域，特别是一种贝叶斯网络对应量子线路的构造方法及装置。

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。当某个装置处理和计算的是量子信息，运行的是量子算法时，它就是量子计算机。量子计算机因其具有相对普通计算机更高效的处理数学问题的能力，例如，能将破解RSA密钥的时间从数百年加速到数小时，故成为一种正在研究中的关键技术。

贝叶斯网络是一种概率图模型，适用于求解特定类型的复杂随机系统，其假设复杂随机系统中存在着多个关键因素节点，大部分节点间没有直接因果关系，直接关联的节点间因果关系是单向的，而且不存在能沿着单向因果关系前进回到自身的节点，它能够较为直观地展示一个关键因素可离散的、稀疏的、因果关系单向无环的复杂随机系统，并且能够完成对全部节点联合概率和单个节点边缘概率的计算。但是现有的贝叶斯网络技术只能解决复杂随机系统展示不够直观的问题，无法降低系统中概率求解的计算复杂度，并且现有的经典贝叶斯网络技术的数据量计算复杂度会随着复杂随机系统的节点数增加而呈指数级增长，难以处理大规模问题。

基于此，有必要实现一种贝叶斯网络的量子实现方式，解决现有技术中的不足。

发明内容

本发明的目的是提供一种贝叶斯网络对应量子线路的构造方法，以解决现有技术中的不足，它能够将贝叶斯网络的计算复杂度降低，实现高效计算，并且利用量子态的叠加特性，从而以更少的存储和计算资源实现支持大规模多节点网络模型的处理。

本申请的一个实施例提供了一种贝叶斯网络对应量子线路的构造方法，所述方法包括：

获取目标网络包含的各个节点及节点间的因果关系；其中，所述因果关系包括：节点间的条件概率；

针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，其中，一节点对应一个或一组量子比特，所述叠加态包括：所述根节点的各个状态及其概率分布；

针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路；

根据所述第一子量子线路和所述第二子量子线路，获得所述目标网络对应的量子线路。

如上所述的贝叶斯网络对应量子线路的构造方法，其中，优选的是，所述针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，包括：

根据所述根节点的状态数，确定编码所述根节点的状态所需的量子比特数，作为第一数量，以及预设量子逻辑门数，作为第二数量；

根据所述根节点的概率分布，确定所述预设量子逻辑门的参数；

根据所述第一数量的量子比特、所述第二数量的预设量子逻辑门、所述预设量子逻辑门的参数，构造用于编码所述根节点的状态及其概率分布的第一子量子线路。

如上所述的贝叶斯网络对应量子线路的构造方法，其中，优选的是，所述针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路，包括：

确定所述两个具备因果关系的节点中的原因节点和结果节点；

分别构建满足所述原因节点取不同状态时、应用于所述结果节点的量子逻辑门组合；

根据各个所述量子逻辑门组合、所述原因节点和结果节点间的条件概率，构造所述因果关系对应的第二子量子线路。

如上所述的贝叶斯网络对应量子线路的构造方法，其中，优选的是，所述根据所述第一子量子线路和所述第二子量子线路，获得所述目标网络对应的量子线路，包括：

将所述第一子量子线路、第二子量子线路依顺序组合，获得所述目标网络对应的量子线路。

如上所述的贝叶斯网络对应量子线路的构造方法，其中，优选的是，所述获得所述目标网络对应的量子线路，还包括：

选择目标节点，测量并输出所述目标节点对应量子比特的末量子态，其中，所述末量子态的振幅对应目标节点的概率分布。

如上所述的贝叶斯网络对应量子线路的构造方法，其中，优选的是，所述量子逻辑门包括旋转逻辑门。

本申请的又一实施例提供了一种贝叶斯网络对应量子线路的构造装置，所述装置包括：

获取模块，用于获取目标网络包含的各个节点及节点间的因果关系；其中，所述因果关系包括：节点间的条件概率；

第一构造模块，用于针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，其中，一节点对应一个或一组量子比特，所述叠加态包括：所述根节点的各个状态及其概率分布；

第二构造模块，用于针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路；

获得模块，用于根据所述第一子量子线路和所述第二子量子线路，获得所述目标网络对应的量子线路。

如上所述的贝叶斯网络对应量子线路的构造装置，其中，优选的是，所述第一构造模块，包括：

第一确定单元，用于根据所述根节点的状态数，确定编码所述根节点的状态所需的量子比特数，作为第一数量，以及预设量子逻辑门数，作为第二数量；

第二确定单元，用于根据所述根节点的概率分布，确定所述预设量子逻辑门的参数；

第一构造单元，用于根据所述第一数量的量子比特、所述第二数量的预设量子逻辑门、所述预设量子逻辑门的参数，构造用于编码所述根节点的状态及其概率分布的第一子量子线路。

如上所述的贝叶斯网络对应量子线路的构造装置，其中，优选的是，所述第二构造模块，包括：

第三确定单元，用于确定所述两个具备因果关系的节点中的原因节点和结果节点；

构建单元，用于分别构建满足所述原因节点取不同状态时、应用于所述结果节点的量子逻辑门组合；

第二构造单元，用于根据各个所述量子逻辑门组合、所述原因节点和结果节点间的条件概率，构造所述因果关系对应的第二子量子线路。

如上所述的贝叶斯网络对应量子线路的构造装置，其中，优选的是，所述获得模块，包括：

组合单元，用于将所述第一子量子线路、第二子量子线路依顺序组合，获得所述目标网络对应的量子线路。

如上所述的贝叶斯网络对应量子线路的构造装置，其中，优选的是，所述获得模块，还包括：

输出单元，用于选择目标节点，测量并输出所述目标节点对应量子比特的末量子态，其中，所述末量子态的振幅对应目标节点的概率分布。

本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。

本申请的又一实施例提供了一种电子装置，包括存储器和处理器，所述存储器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上述任一项中所述的方法。

与现有技术相比，本发明通过获取目标网络包含的各个节点及节点间的因果关系，针对各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，针对各个节点中每两个具备因果关系的节点，分别构造因果关系对应的、用于编码条件概率的第二子量子线路，根据第一子量子线路和第二子量子线路，获得目标网络对应的量子线路，通过本发明实现一种贝叶斯网络的量子实现方式，能够将贝叶斯网络的计算复杂度降低，实现高效计算，并且利用量子态的叠加特性，从而以更少的存储和计算资源实现支持大规模多节点网络模型的处理。

附图说明

图1是本发明实施例提供的一种贝叶斯网络对应量子线路的构造方法的计算机终端的硬件结构框图；

图2是本发明实施例提供的一种贝叶斯网络对应量子线路的构造方法的流程示意图；

图3是本发明实施例提供的一种编码根节点的状态及其概率分布的第一子量子线路示意图；

图4是本发明实施例提供的另一种编码根节点的状态及其概率分布的第一子量子线路示意图；

图5是本发明实施例提供的一种节点间因果关系构造过程量子线路示意图；

图6是本发明实施例提供的一种节点间因果关系对应的第二子量子线路示意图；

图7是本发明实施例提供的一种目标网络对应的量子线路示意图；

图8是本发明实施例提供的一种贝叶斯网络对应量子线路的构造装置的结构示意图。

具体实施方式

下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明实施例首先提供了一种贝叶斯网络对应量子线路的构造方法，该方法可以应用于电子设备，如计算机终端，具体如普通电脑、量子计算机等。

下面以运行在计算机终端上为例对其进行详细说明。图1为本发明实施例提供的一种贝叶斯网络对应量子线路的构造方法的计算机终端的硬件结构框图。如图1所示，计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述计算机终端还可以包括用于通信功能的传输装置106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的实现一种贝叶斯网络对应量子线路的构造方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

需要说明的是，真正的量子计算机是混合结构的，它包含两大部分：一部分是经典计算机，负责执行经典计算与控制；另一部分是量子设备，负责运行量子程序进而实现量子计算。而量子程序是由量子语言如QRunes语言编写的一串能够在量子计算机上运行的指令序列，实现了对量子逻辑门操作的支持，并最终实现量子计算。具体的说，量子程序就是一系列按照一定时序操作量子逻辑门的指令序列。

在实际应用中，因受限于量子设备硬件的发展，通常需要进行量子计算模拟以验证量子算法、量子应用等等。量子计算模拟即借助普通计算机的资源搭建的虚拟架构(即量子虚拟机)实现特定问题对应的量子程序的模拟运行的过程。通常，需要构建特定问题对应的量子程序。本发明实施例所指量子程序，即是经典语言编写的表征量子比特及其演化的程序，其中与量子计算相关的量子比特、量子逻辑门等等均有相应的经典代码表示。

量子线路作为量子程序的一种体现方式，也称量子逻辑电路，是最常用的通用量子计算模型，表示在抽象概念下对于量子比特进行操作的线路，其组成包括量子比特、线路(时间线)，以及各种量子逻辑门，最后常需要通过量子测量操作将结果读取出来。

不同于传统电路是用金属线所连接以传递电压信号或电流信号，在量子线路中，线路可看成是由时间所连接，亦即量子比特的状态随着时间自然演化，在这过程中按照哈密顿运算符的指示，一直到遇上逻辑门而被操作。

一个量子程序整体上对应有一条总的量子线路，本发明所述量子程序即指该条总的量子线路，其中，该总的量子线路中的量子比特总数与量子程序的量子比特总数相同。可以理解为：一个量子程序可以由量子线路、针对量子线路中量子比特的测量操作、保存测量结果的寄存器及控制流节点(跳转指令)组成，一条量子线路可以包含几十上百个甚至千上万个量子逻辑门操作。量子程序的执行过程，就是对所有的量子逻辑门按照一定时序执行的过程。需要说明的是，时序即单个量子逻辑门被执行的时间顺序。

需要说明的是，经典计算中，最基本的单元是比特，而最基本的控制模式是逻辑门，可以通过逻辑门的组合来达到控制电路的目的。类似地，处理量子比特的方式就是量子逻辑门。使用量子逻辑门，能够使量子态发生演化，量子逻辑门是构成量子线路的基础，量子逻辑门包括单比特量子逻辑门，如Hadamard门(H门，哈德玛门)、泡利-X门(X门)、泡利-Y门(Y门)、泡利-Z门(Z门)、RX门、RY门、RZ门等等；多比特量子逻辑门，如CNOT门、CR门、iSWAP门、Toffoli门等等。量子逻辑门一般使用酉矩阵表示，而酉矩阵不仅是矩阵形式，也是一种操作和变换。一般量子逻辑门在量子态上的作用是通过酉矩阵左乘以量子态右矢对应的矩阵进行计算的。

量子态，即量子比特的逻辑状态，在量子算法(或称量子程序)中用二进制表示，例如，一组量子比特为q0、q1、q2，表示第0位、第1位、第2位量子比特，从高位到低位排序为q2q1q0，该组量子比特对应的量子态共有2的量子比特总数次方个，是指8个本征态(确定的状态)：|000>、|001>、|010>、|011>、|100>、|101>、|110>、|111>，每个量子态的位与量子比特对应一致，如|000>态，000从高位到低位对应q2q1q0，|>为狄拉克符号。

以单个量子比特说明，单个量子比特的逻辑状态

可能处于|0>态、|1>态、|0>态和|1>态的叠加态(不确定状态)，具体可以表示为

其中，a和b为表示量子态振幅(概率幅)的复数,振幅的平方表示概率，|a|²、|b|²表示|0>态、|1>态的概率，|a|²+|b|²＝1,简言之，量子态是各本征态组成的叠加态，当其他态的概率为0时，即处于唯一确定的本征态。

贝叶斯网络(Bayesian network)，是一种概率图模型，它是基于概率推理的图形化网络，贝叶斯网络是基于概率推理的数学模型，所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程，基于概率推理的贝叶斯网络(Bayesian network)是为了解决不定性和不完整性问题而提出的，它对于解决复杂设备不确定性和关联性引起的故障有很大的优势，在多个领域中获得广泛应用。贝叶斯网络本身是一种不定性因果关联模型，与其他决策模型不同，它本身是将多元知识图解可视化的一种概率知识表达与推理模型，更为贴切地蕴含了网络节点变量之间的因果关系及条件相关关系。贝叶斯网络具有强大的不确定性问题处理能力，用条件概率表达各个信息要素之间的相关关系，能在有限的、不完整的、不确定的信息条件下进行学习和推理。并且能有效地进行多源信息表达与融合。贝叶斯理论是处理不确定性信息的重要工具。作为一种基于概率的不确定性推理方法，贝叶斯网络在处理不确定信息的智能化系统中已得到了重要的应用，已成功地用于医疗诊断、统计决策、专家系统、学习预测等领域。这些成功的应用，充分体现了贝叶斯网络技术是一种强有力的不确定性推理方法。

参见图2，图2为本发明实施例提供的一种贝叶斯网络对应量子线路的构造方法的流程示意图，可以包括如下步骤：

S201：获取目标网络包含的各个节点及节点间的因果关系；其中，所述因果关系包括：节点间的条件概率。

具体的，目标网络(目标贝叶斯网络)可以为一个复杂随机系统且存在着多个节点，其中的大部分节点间没有直接因果关系，而直接关联的节点间因果关系是单向的，不存在能沿着单向因果关系前进到自身的节点。因此，目标网络是一个能较为直观的展示一个节点可离散的、稀疏的、因果关系单向无环的复杂随机系统。

优选的，获取目标网络中包含的各个节点以及节点间的因果关系，可首先获取各个节点中的所有根节点、非根节点间的因果关系，其中非根节点间的因果关系可以包括节点间的指向关系和节点包含若干状态时、取每个状态的条件概率分布情况。

示例性的，获取包含A、B、C、D四个节点的目标网络，且节点间的具体指向关系为：A→B→C→D，其中，根节点A包含两个状态，每个状态的概率分别为50％。上述示例仅以根节点阐述节点包含的若干状态及其取每个状态的条件概率分布情况，其余节点包含的状态及对应的条件概率分布在此不再展开，但需要注意的是，每个节点状态对应的概率分布之和均为1。

S202：针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，其中，一节点对应一个或一组量子比特，所述叠加态包括：所述根节点的各个状态及其概率分布。

具体的，第一子量子线路构造的第一步是对所有根节点进行相应的量子比特初始化，即根据根节点的概率分布完成相应的量子比特的叠加态制备，具体包括如下步骤：

S2021：根据所述根节点的状态数，确定编码所述根节点的状态所需的量子比特数，作为第一数量，以及预设量子逻辑门数，作为第二数量。

具体的，根据根节点的状态数M，可确定所需的第一数量m的量子比特，其中，

其中，顶角括号代表向上取整；根据根节点的状态数M，也可确定所需的第二数量D的预设量子逻辑门，其中，D＝M-1。

S2022：根据所述根节点的概率分布，确定所述预设量子逻辑门的参数。

具体的，根据根节点的概率分布，确定预设量子逻辑门的参数，所用到的预设量子逻辑门优选为旋转逻辑门RY门，其矩阵形式为：

量子逻辑门RY门实现：

RY(θ)|0>＝cos(θ/2)|0>+sin(θ/2)|1>

其中，确定预设量子逻辑门的参数，即为确定RY门的参数θ。

示例性的，假设存在4状态根节点A，记为

其中∑p_ij ²＝1，p_ij ²为根节点A不同状态发生的概率。

即编码所述根节点的状态所需的量子比特的第一数量为2，第二数量预设量子逻辑门个数为3。且假设

记

因此，具体的编码根节点对应量子线路的思想是从上向下一直拆分，用一系列受控旋转门(受控RY门)实现，具体实现过程包括：

首先将根节点的4个状态对应的概率均分为两组，一组为(P₀₀、P₀₁)，另一组为(P₁₀、P₁₁)。将每一组的2个概率的平方和的根作为振幅值编码到第一个量子比特的量子态的振幅上，得到经过编码后的末态，即：

此时，经过第一次均分后，通过对第一个量子比特施加RY门，即：

可得，

也就是说，通过设置θ₁的值，即可实现上述的振幅值编码，下述图中RY门的旋转角度θ的具体值可同理确定。

继续进行第二步的数据拆分，将得到4组数据，实现对2个量子比特、共4个量子态的振幅编码，得到：

S2023：根据所述第一数量的量子比特、所述第二数量的预设量子逻辑门、所述预设量子逻辑门的参数，构造用于编码所述根节点的状态及其概率分布的第一子量子线路。

具体的，接上述示例，利用2个量子比特和3个预设的量子逻辑门，即确认的RY门的旋转角度θ的具体值，得到如图3所示的编码根节点的状态及其概率分布的第一子量子线路示意图。为了形象的展示量子逻辑门RY门的受控情况，本申请图示中的空心的圆圈代表0控，表示当该量子比特的量子态为0时，RY(θ₂)量子逻辑门就会被执行；实心的黑色圆圈代表1控，表示当该量子比特的量子态为1时，RY(θ₃)量子逻辑门就会被执行，圆圈之间的连线代表受控。

需要说明的是，若根节点仅包含2个状态，则仅需要一个量子比特即可；若根节点包含2个以上状态，则需要一组量子比特，且为了节约计算资源，一组量子比特的具体个数根据状态数具体确定。

示例性的，假设存在8状态根节点A，同样的，此时编码根节点的状态所需的量子比特的第一数量为3，第二数量预设量子逻辑门个数为7，具体实现过程包括：

首先将根节点的8个状态对应的概率均分为两组，一组为(P₀₀₀、P₀₀₁、P₀₁₀、P₀₁₁)，另一组为(P₁₀₀、P₁₀₁、P₁₁₀、P₁₁₁)。将每一组的2个概率的平方和的根作为振幅值编码到第一个量子比特的量子态的振幅上，得到经过编码后的末态，即：

其次，再对上述步骤中得到的两组数据进一步拆分，得到4组数据，每组有两个数据，即得到(P₀₀₀、P₀₀₁)、(P₀₁₀、P₀₁₁)、(P₁₀₀、P₁₀₁)、(P₁₁₀、P₁₁₁)4组数据。分别将每组数据的平方和的根作为振幅值，编码到前两个量子比特的4个振幅上。得到：

最后进行第三步的数据拆分，将得到八组数据，实现对3个量子比特、共8个量子态的编码，得到：

|000>→P₀₀₀|000>+P₀₀₁|001>

|010>→P₀₁₀|010>+P₀₁₁|011>

|100>→P₁₀₀|100>+P₁₀₁|101>

|110>→P₁₁₀|110>+P₁₁₁|111>

此时，经过第三次均分后，对于八个数据的振幅编码，输出包含所述3个量子比特上编码后的8个量子态的末量子态，RY门的参数θ₁至θ₇的值可由前述2比特、4状态的根节点示例同理推导得出，最终得到如图4所示的另一种编码根节点的状态及其概率分布的第一子量子线路示意图。

S203：针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路。

具体的，针对各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路，具体包括：

1，确定所述两个具备因果关系的节点中的原因节点和结果节点；

具体的，确定所有节点中两两具备因果关系的节点，即两个节点间具备单向的指向关系和条件概率，例如节点A指向节点B，且节点B不指向节点A，则称节点A和节点B具备因果关系，且A为原因节点，B为结果节点。

2，分别构建满足所述原因节点取不同状态时、应用于所述结果节点的量子逻辑门组合；

示例性的，假设存在一个M状态的原因节点A单向决定1个K状态的结果节点B，那么可以将AB节点间的因果关系拆解为当A取不同状态时分别对B进行不同的振幅编码过程，得到如图5所示的本实施例提供的一种节点间因果关系构造过程量子线路示意图。图中PreA模块表示节点A相关的初始化量子线路，A0B、A1B模块以及后续的省略号表示A在不同状态下应用于B的量子逻辑门组合。

需要说明的是，图5中仅展示了A＝0时的A0B和A＝1时的A1B。每个受控量子门组合AiB(0≤i≤M-1)均可以视为一个小型的根节点初始化振幅编码量子线路，受控量子门组合AiB的数量等于节点A的状态数。

3，根据各个所述量子逻辑门组合、所述原因节点和结果节点间的条件概率，构造所述因果关系对应的第二子量子线路。

示例性的，存在一个4状态的原因节点A单向决定1个4状态的结果节点B，将AB节点间的因果关系拆解为当A分别取不同状态时分别对B进行不同的振幅编码过程，得到如图6所示的一种节点间因果关系对应的第二子量子线路示意图，其中A0B模块表示A在第一个状态下应用于B的量子逻辑门组合，其余A1B、A2B、A3B表示A在其余不同状态下应用于B的量子逻辑门组合。

需要说明的是，模块A0B与A1B、A2B和A3B的量子逻辑门组合均相同，仅各个RY门的旋转角度θ的具体值及受控状态不同。

S204：根据所述第一子量子线路和所述第二子量子线路，获得所述目标网络对应的量子线路。

具体的，将所述第一子量子线路、第二子量子线路依顺序组合，获得所述目标网络对应的量子线路。

示例性的，接上述示例，将表示编码根节点的4个状态及其概率分布的第一子量子线路与上述第二子量子线路依顺序组合，获得如图7所示的一种目标网络对应的量子线路示意图。

在获得目标网络对应的量子线路后，还可以包括：

具体的，目标网络中的每个节点对应于一个或一组量子比特，每一条边对应于一组量子逻辑门。目标网络的结果输出依赖于对量子线路中量子比特的测量，通过对全部或局部节点对应的量子比特组合的测量可以得到目标网络节点的概率分布。

示例性的，若选择全部节点对应的量子比特进行测量并输出结果，则通过结果分析可以得到全局状态概率分布。

参见图8，图8为本发明实施例提供的一种贝叶斯网络对应量子线路的构造装置的结构示意图，与图2所示的流程相对应，该装置可以包括：

获取模块801，用于获取目标网络包含的各个节点及节点间的因果关系；其中，所述因果关系包括：节点间的条件概率；

第一构造模块802，用于针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，其中，一节点对应一个或一组量子比特，所述叠加态包括：所述根节点的各个状态及其概率分布；

第二构造模块803，用于针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路；

获得模块804，用于根据所述第一子量子线路和所述第二子量子线路，获得所述目标网络对应的量子线路。

优选的是，所述第一构造模块，包括：

优选的是，所述第二构造模块，包括：

优选的是，所述获得模块，包括：

优选的是，所述获得模块，还包括：

本发明实施例还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中方法实施例中的步骤。

具体的，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S201：获取目标网络包含的各个节点及节点间的因果关系；其中，所述因果关系包括：节点间的条件概率；

S202：针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，其中，一节点对应一个或一组量子比特，所述叠加态包括：所述根节点的各个状态及其概率分布；

S203：针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路；

本发明实施例还提供了一种电子装置，包括存储器和处理器，所述存储器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上述任一项中方法实施例中的步骤。

具体的，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

具体的，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims

1.一种贝叶斯网络对应量子线路的构造方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述针对所述各个节点中的根节点，构造制备量子比特的叠加态的第一子量子线路，包括：

3.根据权利要求2所述的方法，其特征在于，所述针对所述各个节点中每两个具备因果关系的节点，分别构造所述因果关系对应的、用于编码所述条件概率的第二子量子线路，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一子量子线路和所述第二子量子线路，获得所述目标网络对应的量子线路，包括：

5.根据权利要求1所述的方法，其特征在于，所述获得所述目标网络对应的量子线路，还包括：

6.根据权利要求2所述的方法，其特征在于，所述量子逻辑门包括旋转逻辑门。

7.一种贝叶斯网络对应量子线路的构造装置，其特征在于，所述装置包括：

8.根据权利要求7所述的装置，其特征在于，所述第一构造模块，包括：

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器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所述权利要求1至6任一项中所述的方法。