CN115310618A - 量子操作中的量子噪声消除方法及装置、电子设备和介质 - Google Patents
量子操作中的量子噪声消除方法及装置、电子设备和介质 Download PDFInfo
- Publication number
- CN115310618A CN115310618A CN202210952347.0A CN202210952347A CN115310618A CN 115310618 A CN115310618 A CN 115310618A CN 202210952347 A CN202210952347 A CN 202210952347A CN 115310618 A CN115310618 A CN 115310618A
- Authority
- CN
- China
- Prior art keywords
- quantum
- mapping
- encoding circuit
- noise
- decomposition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 238000013507 mapping Methods 0.000 claims abstract description 64
- 239000002096 quantum dot Substances 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims abstract description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 40
- 238000005070 sampling Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004587 chromatography analysis Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000011137 process chromatography Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 23
- 230000006854 communication Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000000116 mitigating effect Effects 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 238000003325 tomography Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06N10/70—Quantum error correction, detection or prevention, e.g. surface codes or magic state distillation
-
- 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
- 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
- G06N10/80—Quantum programming, e.g. interfaces, languages or software-development kits for creating or handling programs capable of running on quantum computers; Platforms for simulating or accessing quantum computers, e.g. cloud-based quantum computing
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Complex Calculations (AREA)
Abstract
本公开提供了一种量子操作中的量子噪声消除方法、装置、电子设备、计算机可读存储介质和计算机程序产品,涉及量子计算机领域,尤其涉及量子噪声缓释技术领域。实现方案为:确定辅助量子比特以及待执行预设量子操作的量子态ρ;对量子操作中的量子噪声进行建模,以得到量子操作所对应的量子噪声信道;初始化待训练的编码电路,该编码电路包括可调节参数,用于作用于量子态ρ以及辅助量子比特;定义第一映射的表达式,该第一映射与量子噪声信道和编码电路串接后在预设的误差容忍度范围内接近于单位信道;调节编码电路的可调节参数的值,以确定第一映射;以及基于训练后的编码电路和第一映射确定消除量子噪声后量子操作所获得结果的无偏估计。
Description
技术领域
本公开涉及量子计算机领域,尤其涉及量子噪声缓释技术领域,具体涉及一种编码电路训练方法、量子操作中的量子噪声消除方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
量子计算机技术在近几年得到了飞速发展,但是在可预见的未来量子计算机中的噪声问题是难以避免的:量子比特中的热量耗散或是更底层的量子物理过程中产生的随机波动,将使得量子比特的状态翻转或随机化,导致计算过程失败。
目前处理量子噪声的技术方案主要包括以下两类:量子纠错(Quantum ErrorCorrection)技术和量子错误缓除(Quantum Error Mitigation)技术。在量子纠错技术中,每个逻辑量子比特由很多个物理比特组成,通过冗余的物理量子比特资源实现纠错,但是随着物理比特数目的增加,系统可能发生的错误类型也会增多,同时多量子比特编码的操作需要物理量子比特之间非局域的相互作用,因此实验上量子纠错和逻辑比特的量子门都很难实现。量子错误缓除方案不需要额外的物理比特,但是它对量子线路的误差类型和误差可控性提出要求,导致在近期量子计算机上很难实现,其方法不具有普适性。
发明内容
本公开提供了一种量子操作中的量子噪声消除方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种量子操作中的量子噪声消除方法,包括:确定m个辅助量子比特、以及待执行预设量子操作的n量子比特的量子态ρ,其中n和m均为正整数;对所述量子操作中的量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道;初始化待训练的编码电路,其中所述编码电路包括可调节参数,用于作用于所述量子态ρ以及所述m个辅助量子比特;定义第一映射的表达式,其中所述第一映射与所述量子噪声信道和所述编码电路串接后在预设的误差容忍度范围内接近于单位信道;调节所述编码电路的所述可调节参数的值,以确定所述第一映射;以及基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计。
根据本公开的另一方面,提供了一种量子操作中的量子噪声消除装置,包括:第一确定单元,配置为确定m个辅助量子比特、以及待执行预设量子操作的n量子比特的量子态ρ,其中n和m均为正整数;建模单元,配置为对所述量子操作中的量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道;初始化单元,配置为初始化待训练的编码电路,其中所述编码电路包括可调节参数,用于作用于所述量子态ρ以及所述m个辅助量子比特;定义单元,配置为定义第一映射的表达式,其中所述第一映射与所述量子噪声信道和所述编码电路串接后在预设的误差容忍度范围内接近于单位信道;训练单元,配置为调节所述编码电路的所述可调节参数的值,以确定所述第一映射;以及第二确定单元,配置为基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够执行本公开所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现本公开所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的量子操作中的量子噪声消除方法的流程图;
图2示出了根据本公开的实施例的编码和解码的电路示意图;
图3示出了根据本公开的实施例的确定消除量子噪声后所获得结果的无偏估计的流程图;
图4示出了根据本公开的实施例的不同比特翻转概率下采样成本对比示意图;
图5示出了根据本公开的实施例的量子操作中的量子噪声消除装置的结构框图;以及
图6示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
迄今为止,正在应用中的各种不同类型的计算机都是以经典物理学为信息处理的理论基础,称为传统计算机或经典计算机。经典信息系统采用物理上最容易实现的二进制数据位存储数据或程序,每一个二进制数据位由0或1表示,称为一个位或比特,作为最小的信息单元。经典计算机本身存在着不可避免的弱点:一是计算过程能耗的最基本限制。逻辑元件或存储单元所需的最低能量应在kT的几倍以上,以避免在热胀落下的误动作;二是信息熵与发热能耗;三是计算机芯片的布线密度很大时,根据海森堡不确定性关系,电子位置的不确定量很小时,动量的不确定量就会很大。电子不再被束缚,会有量子干涉效应,这种效应甚至会破坏芯片的性能。
量子计算机(quantum computer)是一类遵循量子力学性质、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设备。当某个设备处理和计算的是量子信息,运行的是量子算法时,他就是量子计算机。量子计算机遵循着独一无二的量子动力学规律(特别是量子干涉)来实现一种信息处理的新模式。对计算问题并行处理,量子计算机比起经典计算机有着速度上的绝对优势。量子计算机对每一个叠加分量实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算机的输出结果,这种计算称为量子并行计算。量子并行处理大大提高了量子计算机的效率,使得其可以完成经典计算机无法完成的工作,例如一个很大的自然数的因子分解。量子相干性在所有的量子超快速算法中得到了本质性的利用。因此,用量子态代替经典态的量子并行计算,可以达到经典计算机不可比拟的运算速度和信息处理功能,同时节省了大量的运算资源。
随着量子计算机技术的飞速发展,由于其强大的计算能力和较快的运行速度,量子计算机的应用范围越来越广。例如,化学模拟是指将真实化学体系的哈密顿量映射到物理上可操作哈密顿量,然后调制参数和演化时间,以找到能够反映真实化学体系的本征态的过程。在经典计算机上对一个N电子化学体系进行模拟时,涉及到2N维薛定谔方程的求解,计算量会随体系电子数的增加而呈指数式递增。因此经典计算机在化学模拟问题上作用十分有限。想要突破这一瓶颈,就必须依靠量子计算机强大的计算能力。量子本征求解器算法(Variational Quantum Eigensolver,VQE)是一种在量子硬件上进行化学模拟的变分量子算法,是量子计算机近期最有前途的应用之一,开启许多新的化学研究领域。但是现阶段量子计算机的噪声率明显限制了VQE的能力,因此必须首先处理好量子噪声问题。
量子本征求解器算法VQE的一个核心计算过程是估计期望值Tr[Oρ],其中ρ是由量子计算机生成的输出状态,而可观测量O是真实化学体系的哈密顿量映射到物理上可操作哈密顿量,Tr表示取矩阵的迹(ρ,O在数学上均由矩阵表示)。特别地,只有保证计算过程中Tr[Oρ]的估计是准确的,才能得到精确的、有意义的解,进而对量子化学等场景产生应用价值。但是,由于量子噪声的存在,该量子计算机实际的演化过程由一个噪声信道刻画,导致实际得到的期望值为从而计算结果出现错误。因此,如何降低甚至是消除噪声信道对期望值估计的影响以期得到Tr[Oρ]的近似估计成为亟待解决的问题。
量子纠错(quantum error correction)是通过辅助系统将量子态编码到更大的空间中,通过冗余的信息对计算过程中发生的错误进行纠正的技术。借助量子纠错,我们可以对受噪声影响的量子比特进行解码和恢复的操作,降低噪声对量子计算结果的影响,从而使得量子信息可以以更大的保真度进行传输与储存。然而,对于目前的量子设备来说,量子纠错所需要的量子比特数量过于庞大,即使是如今最大的量子计算机离实现容错量子计算所需要的量子比特数仍有着非常大的距离。
根据本公开的一方面,根据本公开的示例性实施例提供了一种量子操作中的量子噪声消除方法100。如图1所示,该方法100包括:确定m个辅助量子比特、以及待执行预设量子操作的n量子比特的量子态ρ,其中n和m均为正整数(步骤110);对所述量子操作中的量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道(步骤120);初始化待训练的编码电路,其中所述编码电路包括可调节参数,用于作用于所述量子态ρ以及所述m个辅助量子比特(步骤130);定义第一映射的表达式,其中所述第一映射与所述量子噪声信道和所述编码电路串接后在预设的误差容忍度范围内接近于单位信道(步骤140);调节所述编码电路的所述可调节参数的值,以确定所述第一映射(步骤150);以及基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计(步骤160)。
在量子操作场景下,例如利用量子计算机的量子计算过程或量子通信过程,一个待测量的量子态ρ在量子噪声信道的作用下变为含噪的量子态在通常的量子错误缓除框架中(下面称为“之前的方法”),希望在上作用一个映射从而得到零噪量子态 其中是信道的逆映射。然而这样的映射可能并不是一个物理上可以实现的操作,例如可以将其准概率分解为其中p1,p2是满足p1+p2=1的实数,是两个物理上可实现的量子信道。然后通过准概率采样技术,可以得到
在本公开中,在量子态经过噪声前先在其上作用一个编码操作,包括引入辅助量子比特。然后,将编码后量子态经过噪声作用后所得到的量子态寻找对应的解码电路即第一映射,使得从编码到经过噪声再到通过第一映射的整个过程等同于单位信道(identity channel,id)。训练得到的编码电路以及所确定的第一映射即可用于相应量子操作的量子噪声缓除。
本公开所述的方法,通过借助辅助比特利用了更大的希尔伯特空间(即量子态所处的空间),即使引入的辅助比特也受噪声影响,也可以借助纠缠等量子现象最终减少量子处理的代价。
图2示出了根据本公开的实施例的编码和解码的电路示意图。如图2所示,使用编码电路对还未经过噪声的量子态ρ和辅助量子比特进行编码。图中为单比特量子态ρ和一个辅助量子比特的形式,编码后的量子态对应的两个量子比特,但是可以理解,多比特的量子态ρ和任意个数的辅助量子比特也是适用的,而且可以根据噪声类型选择合适的辅助量子比特个数,辅助量子比特个数越多,噪声消除效果越好但同时计算量也会增大。编码后的量子态经过与量子操作相对应的量子噪声的影响,变为含噪量子态;最后通过在经过噪声的编码后的量子态上作用解码电路来估计可观测量对于编码前的量子态的期望值。
参考图2所示,首先,对量子噪声进行建模。根据一些实施例,对预设量子操作中的量子噪声进行建模包括:通过量子层析方法对所述量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道。所述量子层析方法包括从以下各项构成的组中选择的至少一种:量子过程层析(Quantum Process Tomography)方法、量子门集层析(Quantum Gate SetTomography)方法。
根据一些实施例,所述编码电路可以为可训练模型或基于机器学习方法优化的编码操作。示例地,所述编码电路包括以下项中的任意一项:参数化量子电路、张量网络模型、遗传算法模型。
在一些示例中,可以由若干个单量子比特旋转门和CNOT门(受控非门)组成的参数化量子电路U(θ)作为编码电路,该电路作用在输入量子系统和m个处于|0>态的辅助比特共同组成的系统上,其中θ为该电路的参数。将添加辅助比特以及作用该编码电路的过程(即编码的过程)记为量子信道
在一些示例中,所述编码电路、量子噪声信道、以及第一映射顺序串接后可以在预设误差范围内接近于单位信道。该预设误差范围可以根据实际需求设置,例如5%、0等。假设可接受的误差容忍度为2ε,则需要定义第一映射满足公式(1):
在本公开中,第一映射可以为设置为一个量子信道、也可以通过准概率分解为至少两个量子信道,即该第一映射可以对应于至少一个量子信道通。该至少一个量子信道与相应的分解系数一一对应。
因此,根据一些实施例,调节所述编码电路的所述可调节参数的值以确定所述第一映射包括:基于所述表达式对所述第一映射进行准概率分解,以使得分解得到的分解系数的绝对值之和在所述可调节参数的当前值下具有最小值,其中所述分解系数与分解得到的多个量子信道中的每一个分别对应;以及调节所述编码电路的所述可调节参数的值,以使得所述分解得到的分解系数的绝对值之和具有最小值。
如上所述,第一映射可能并不是一个物理上可以实现的操作,因此可以将其准概率分解为多个量子信道。根据一些实施例,根据公式(2)进行准概率分解:
其中,为第一映射,为分解得到的第i个量子信道,pi为与所述第i个量子信道相对应的分解系数,并且p1+…+pi+…=1,其中|p1|+…+|pi|+…具有最小值。例如其中p1,p2是满足p1+p2=1的实数,是两个物理上可实现的量子信道。
根据一些实施例,基于半正定规划(SDP)方法对第一映射进行准概率分解。半正定规划具有高效的经典算法,因此上述准概率分解可以在经典计算机高效地完成。但是应当理解,其他合适的进行准概率分解的方法也是可能的,本公开并不限制于此。
在基于准概率分解的结果进行准概率采样的过程中,采样成本取决于γ=|p1|+…+|pi|+…,γ的值越小表示采样的成本也越小。不同的准概率分解有不同的采样成本。通过不断优化分解以将误差控制在预设误差范围内并同时满足γ的值最小。
根据本公开的实施例,通过引入少量的辅助量子比特,可以以较低的采样成本实现量子噪声的缓释。
最小化γ=|p1|+|p2|
p1≥0,p2≤0,p1+p2=1
最小化γ=|p1|+|p2|
p1+p2=1
进一步地,可以将分解得到的γ=|p1|+|p2|记作损失函数,通过Powell等优化方法调整编码电路的参数θ并重复上述准概率分解过程,以最小化损失函数γ,得到的最优参数记为θ*,对应的解码器(即第一映射)记为
可以理解的是,将第一映射通过准概率分解分解为两个以上的量子信道时同理,在此不再赘述。
在确定了第一映射的形式以及训练后的编码电路后,即可通过该编码电路以及该第一映射的具体形式对相应的量子操作过程进行噪声缓释,从而方便地去除量子噪声的干扰。
根据一些实施例,如图3所示,基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计(步骤160)包括:确定m个辅助量子比特、以及待执行所述量子操作的n量子比特的量子态ρ,其中n和m均为正整数(步骤310);将所述m个辅助量子比特和所述量子态ρ输入训练后的所述编码电路,以获得第一量子态(步骤320);基于所述第一量子态执行所述量子操作,以获得第二量子态(步骤330);对所述多个量子信道进行预定次数的采样,以使得在每次采样后将采样得到的量子信道作用于所述第二量子态,以获得测量结果(步骤340);以及计算所有采样所获得的测量结果的平均值,作为消除量子噪声后所述量子操作所获得结果的无偏估计(步骤350)。
根据一些实施例,根据公式(3)确定所述预定次数:
K=2γ2ln(2/δ)/ε1 2 公式(3)
其中,1-δ为预设的置信度,即1-δ为误差在要求精度范围(例如,量子计算机消除量子噪声后的计算精度)内的概率下限。ε1为预设的采样误差,γ=|p1|+…|pi|+…。
下面基于上述对第一映射进行准概率分解以分解为两个量子信道的实施例为例进行描述。如上所述,示例地,将训练后的编码电路U(θ*)作用在m个处于|0>态的辅助比特以及输入的待执行量子操作的量子态ρ上,得到的量子态记为:基于量子态ρenc执行该量子操作,获得经过量子噪声(对应于量子噪声信道)影响后的量子态:
K=2γ*2ln(2/δ)/ε1 2
因此,迭代以下两个步骤共K轮:
在获取到所有采样过程所获得的测量结果后,即可基于该计算结果进行平均值以确定消除量子噪声后所述量子操作所获得结果的无偏估计。
根据一些实施例,根据公式(4)计算所获得的计算结果的平均值:
其中,所述表示第k次采样后所得到的、与所述第i个第一量子信道相对应的分解系数的正负号,表示第k次采样后所获得的测量结果,其中O为量子比特可观测量,ρnoisy表示所述第二量子态,i∈{1,2,…}、k∈{1,2,…,K}。
通过Hoeffding霍夫丁不等式,根据本公开的方法可以理论上保证根据公式(11)计算得到的平均值ξ能够以大于1-δ的概率无偏估计平均值Tr[Oρ],估计误差在2ε+ε1范围以内,其中2ε为准概率分解时预设的误差范围,ε1为预设的采样误差。最后,输出该平均值ξ,作为对去除噪声后的Tr[Oρ]的有效估计。
在本公开中,可以同时对多种量子噪声建模,或由用户输入多种量子噪声模型,可以优化出同时对多种噪声适用的错误处理方案。例如,对于S个噪声模型只需在训练优化中对每个噪声模型都定义一个满足公式(1)的第一映射即可。
假设一个量子比特受到上述噪声的影响,当不引入辅助比特时,直接进行准概率采样来缓除错误。这种情况下,采样代价γ1为1.2500。当引入两个辅助比特时,需要对三个量子比特进行编码操作。基于本公开实施例的方法,经过迭代训练得到最优编码电路和对应的解码器利用优化得出的编码电路进行编码,当编码后的量子态的三个量子比特分别经过上述噪声信道时,得到含噪量子态。在这种情况下,根据本公开实施例方法的采样代价γ2为1.0593,远小于无辅助比特的情况。
为更突出采样代价的重要性,对比采样样本数量的差距。在上述两种情况下,在要求精度相同的前提下,即假设δ=0.01和ε1=0.01。当不引入辅助量子比特时,采样代价为γ1=1.2500,相应需要的采样样本数量为而当引入辅助量子比特时,采样代价为γ2=1.0593且采样样本数量为
最后,将根据本公开实施例的方法同之前的方法在不同比特翻转概率下进行采样成本的对比,其结果如图4所示。从图4中可以看出,根据本公开实施例的方法在采样代价上具有显著的优势,大大降低了所需的采样样本数量,更具有实用性。
根据本公开的另一方面,根据本公开的示例性实施例还提供了一种量子操作中的量子噪声消除装置500。如图5所示,该装置500包括:第一确定单元510,配置为确定m个辅助量子比特、以及待执行预设量子操作的n量子比特的量子态ρ,其中n和m均为正整数;建模单元520,配置为对所述量子操作中的量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道;初始化单元530,配置为初始化待训练的编码电路,其中所述编码电路包括可调节参数,用于作用于所述量子态ρ以及所述m个辅助量子比特;定义单元540,配置为定义第一映射的表达式,其中所述第一映射与所述量子噪声信道和所述编码电路串接后在预设的误差容忍度范围内接近于单位信道;训练单元550,配置为调节所述编码电路的所述可调节参数的值,以确定所述第一映射;以及第二确定单元560,配置为基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计。
这里,量子操作中的量子噪声消除装置500的上述各单元510~560的操作分别与前面描述的步骤110~160的操作类似,在此不再赘述。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图6,现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备,输入单元606可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如方法100。例如,在一些实施例中,方法100可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的方法100的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法100。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (21)
1.一种量子操作中的量子噪声消除方法,包括:
确定m个辅助量子比特、以及待执行预设量子操作的n量子比特的量子态ρ,其中n和m均为正整数;
对所述量子操作中的量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道;
初始化待训练的编码电路,其中所述编码电路包括可调节参数,用于作用于所述量子态ρ以及所述m个辅助量子比特;
定义第一映射的表达式,其中所述第一映射与所述量子噪声信道和所述编码电路串接后在预设的误差容忍度范围内接近于单位信道;
调节所述编码电路的所述可调节参数的值,以确定所述第一映射;以及
基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计。
2.如权利要求1所述的方法,其中,调节所述编码电路的所述可调节参数的值以确定所述第一映射包括:
基于所述表达式对所述第一映射进行准概率分解,以使得分解得到的分解系数的绝对值之和在所述可调节参数的当前值下具有最小值,其中所述分解系数与分解得到的多个量子信道中的每一个分别对应;以及
调节所述编码电路的所述可调节参数的值,以使得所述分解得到的分解系数的绝对值之和具有最小值。
3.如权利要求2所述的方法,其中,基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计包括:
确定m个辅助量子比特、以及待执行所述量子操作的n量子比特的量子态ρ,其中n和m均为正整数;
将所述m个辅助量子比特和所述量子态ρ输入训练后的所述编码电路,以获得第一量子态;
基于所述第一量子态执行所述量子操作,以获得第二量子态;
对所述多个量子信道进行预定次数的采样,以使得在每次采样后将采样得到的量子信道作用于所述第二量子态,以获得测量结果;以及
计算所有采样所获得的测量结果的平均值,作为消除量子噪声后所述量子操作所获得结果的无偏估计。
4.如权利要求1-3中任一项所述的方法,其中,其中所述编码电路包括以下项中的任意一项:参数化量子电路、张量网络模型、遗传算法模型。
5.如权利要求1-3中任一项所述的方法,其中,对预设量子操作中的量子噪声进行建模包括:通过量子层析方法对所述量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道,
其中,所述量子层析方法包括从以下各项构成的组中选择的至少一种:量子过程层析方法、量子门集层析方法。
6.如权利要求2所述的方法,其中,基于半正定规划方法对第一映射进行准概率分解。
8.如权利要求7所述的方法,其中,根据以下公式确定所述预定次数:
K=2γ2ln(2/δ)/ε1 2,
其中,1-δ为预设的置信度,ε1为预设的采样误差,γ=|p1|+…|pi|+…。
10.一种量子操作中的量子噪声消除装置,包括:
第一确定单元,配置为确定m个辅助量子比特、以及待执行预设量子操作的n量子比特的量子态ρ,其中n和m均为正整数;
建模单元,配置为对所述量子操作中的量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道;
初始化单元,配置为初始化待训练的编码电路,其中所述编码电路包括可调节参数,用于作用于所述量子态ρ以及所述m个辅助量子比特;
定义单元,配置为定义第一映射的表达式,其中所述第一映射与所述量子噪声信道和所述编码电路串接后在预设的误差容忍度范围内接近于单位信道;
训练单元,配置为调节所述编码电路的所述可调节参数的值,以确定所述第一映射;以及
第二确定单元,配置为基于训练后的所述编码电路以及所确定的第一映射确定消除量子噪声后所述量子操作所获得结果的无偏估计。
11.如权利要求10所述的装置,其中,所述训练单元包括:
分解单元,配置为基于所述表达式对所述第一映射进行准概率分解,以使得分解得到的分解系数的绝对值之和在所述可调节参数的当前值下具有最小值,其中所述分解系数与分解得到的多个量子信道中的每一个分别对应;以及
调节单元,配置为调节所述编码电路的所述可调节参数的值,以使得所述分解得到的分解系数的绝对值之和具有最小值。
12.如权利要求11所述的装置,其中,所述第二确定单元包括:
第三确定单元,配置为确定m个辅助量子比特、以及待执行所述量子操作的n量子比特的量子态ρ,其中n和m均为正整数;
编码单元,配置为将所述m个辅助量子比特和所述量子态ρ输入训练后的所述编码电路,以获得第一量子态;
执行单元,配置为基于所述第一量子态执行所述量子操作,以获得第二量子态;
采样单元,配置为对所述多个量子信道进行预定次数的采样,以使得在每次采样后将采样得到的量子信道作用于所述第二量子态,以获得测量结果;以及
计算单元,配置为计算所有采样所获得的测量结果的平均值,作为消除量子噪声后所述量子操作所获得结果的无偏估计。
13.如权利要求10-12中任一项所述的装置,其中,其中所述编码电路包括以下项中的任意一项:参数化量子电路、张量网络模型、遗传算法模型。
14.如权利要求10-12中任一项所述的装置,其中,所述建模单元包括建模子单元,配置为:通过量子层析方法对所述量子噪声进行建模,以得到所述量子操作所对应的量子噪声信道,
其中,所述量子层析方法包括从以下各项构成的组中选择的至少一种:量子过程层析方法、量子门集层析方法。
15.如权利要求11所述的装置,其中,基于半正定规划方法对第一映射进行准概率分解。
17.如权利要求16所述的装置,其中,根据以下公式确定所述预定次数:
K=2γ2ln(2/δ)/ε1 2,
其中,1-δ为预设的置信度,ε1为预设的采样误差,γ=|p1|+…|pi|+…。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的方法。
21.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-9中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210952347.0A CN115310618B (zh) | 2022-08-09 | 2022-08-09 | 量子操作中的量子噪声消除方法及装置、电子设备和介质 |
AU2023214208A AU2023214208A1 (en) | 2022-08-09 | 2023-08-07 | Quantum noise cancellation method and apparatus in quantum operation, electronic device, and medium |
US18/447,242 US20240062093A1 (en) | 2022-08-09 | 2023-08-09 | Method for cancelling a quantum noise |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210952347.0A CN115310618B (zh) | 2022-08-09 | 2022-08-09 | 量子操作中的量子噪声消除方法及装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115310618A true CN115310618A (zh) | 2022-11-08 |
CN115310618B CN115310618B (zh) | 2024-07-19 |
Family
ID=83860612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210952347.0A Active CN115310618B (zh) | 2022-08-09 | 2022-08-09 | 量子操作中的量子噪声消除方法及装置、电子设备和介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240062093A1 (zh) |
CN (1) | CN115310618B (zh) |
AU (1) | AU2023214208A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115941059A (zh) * | 2023-01-03 | 2023-04-07 | 北京百度网讯科技有限公司 | 量子通信实现方法及装置、电子设备和介质 |
CN116451797A (zh) * | 2023-04-24 | 2023-07-18 | 西安电子科技大学 | 基于量子过程层析的量子线路分割方法 |
CN116502723A (zh) * | 2023-05-12 | 2023-07-28 | 北京百度网讯科技有限公司 | 量子噪声电路的处理方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198021A (zh) * | 2013-04-18 | 2013-07-10 | 北京理工大学 | 一种提高固态硬盘数据传输效率的方法 |
US20190081629A1 (en) * | 2016-08-19 | 2019-03-14 | Rigetti & Co, Inc. | Flux-Tunable Qubit Device with Multiple Josephson Junctions |
CN109606730A (zh) * | 2018-10-25 | 2019-04-12 | 深圳慈航无人智能系统技术有限公司 | 一种基于量子神经网络的无人机故障识别系统及识别方法 |
CN110490327A (zh) * | 2019-07-23 | 2019-11-22 | 湖北工业大学 | 量子计算机量子处理单元、量子电路以及量子电路量子算法 |
US20200274554A1 (en) * | 2017-09-15 | 2020-08-27 | President And Fellows Of Harvard College | Device-tailored model-free error correction in quantum processors |
CN113098802A (zh) * | 2021-03-25 | 2021-07-09 | 北京百度网讯科技有限公司 | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 |
CN114462613A (zh) * | 2022-03-14 | 2022-05-10 | 北京百度网讯科技有限公司 | 量子计算机性能刻画方法及装置、电子设备和介质 |
CN114492823A (zh) * | 2022-01-25 | 2022-05-13 | 北京百度网讯科技有限公司 | 消除量子噪声的方法及装置、电子设备和介质 |
CN114580648A (zh) * | 2022-03-09 | 2022-06-03 | 北京百度网讯科技有限公司 | 消除广义振幅阻尼噪声的方法及装置、电子设备和介质 |
US20220198315A1 (en) * | 2021-06-10 | 2022-06-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for denoising quantum device, electronic device, and computer-readable medium |
-
2022
- 2022-08-09 CN CN202210952347.0A patent/CN115310618B/zh active Active
-
2023
- 2023-08-07 AU AU2023214208A patent/AU2023214208A1/en active Pending
- 2023-08-09 US US18/447,242 patent/US20240062093A1/en not_active Abandoned
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198021A (zh) * | 2013-04-18 | 2013-07-10 | 北京理工大学 | 一种提高固态硬盘数据传输效率的方法 |
US20190081629A1 (en) * | 2016-08-19 | 2019-03-14 | Rigetti & Co, Inc. | Flux-Tunable Qubit Device with Multiple Josephson Junctions |
US20200274554A1 (en) * | 2017-09-15 | 2020-08-27 | President And Fellows Of Harvard College | Device-tailored model-free error correction in quantum processors |
CN109606730A (zh) * | 2018-10-25 | 2019-04-12 | 深圳慈航无人智能系统技术有限公司 | 一种基于量子神经网络的无人机故障识别系统及识别方法 |
CN110490327A (zh) * | 2019-07-23 | 2019-11-22 | 湖北工业大学 | 量子计算机量子处理单元、量子电路以及量子电路量子算法 |
CN113098802A (zh) * | 2021-03-25 | 2021-07-09 | 北京百度网讯科技有限公司 | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 |
US20220198315A1 (en) * | 2021-06-10 | 2022-06-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for denoising quantum device, electronic device, and computer-readable medium |
CN114492823A (zh) * | 2022-01-25 | 2022-05-13 | 北京百度网讯科技有限公司 | 消除量子噪声的方法及装置、电子设备和介质 |
CN114580648A (zh) * | 2022-03-09 | 2022-06-03 | 北京百度网讯科技有限公司 | 消除广义振幅阻尼噪声的方法及装置、电子设备和介质 |
CN114462613A (zh) * | 2022-03-14 | 2022-05-10 | 北京百度网讯科技有限公司 | 量子计算机性能刻画方法及装置、电子设备和介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115941059A (zh) * | 2023-01-03 | 2023-04-07 | 北京百度网讯科技有限公司 | 量子通信实现方法及装置、电子设备和介质 |
CN115941059B (zh) * | 2023-01-03 | 2023-09-19 | 北京百度网讯科技有限公司 | 量子通信实现方法及装置、电子设备和介质 |
CN116451797A (zh) * | 2023-04-24 | 2023-07-18 | 西安电子科技大学 | 基于量子过程层析的量子线路分割方法 |
CN116502723A (zh) * | 2023-05-12 | 2023-07-28 | 北京百度网讯科技有限公司 | 量子噪声电路的处理方法、装置、设备及存储介质 |
CN116502723B (zh) * | 2023-05-12 | 2024-07-23 | 北京百度网讯科技有限公司 | 量子噪声电路的处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
AU2023214208A1 (en) | 2024-02-29 |
CN115310618B (zh) | 2024-07-19 |
US20240062093A1 (en) | 2024-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990472B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
CN113011593B (zh) | 消除量子测量噪声的方法及系统、电子设备和介质 | |
CN113065659B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
Rocchetto et al. | Learning hard quantum distributions with variational autoencoders | |
CN112529194B (zh) | 消除量子噪声的方法及装置、计算机设备、介质和产品 | |
CN115310618B (zh) | 量子操作中的量子噪声消除方法及装置、电子设备和介质 | |
CN113298262B (zh) | 量子设备去噪方法和装置、电子设备、计算机可读介质 | |
CN114429218B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
CN113098803B (zh) | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 | |
CN113098802B (zh) | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 | |
CN114492823B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
CN113792880B (zh) | 基于脉冲的量子门实现方法及装置、电子设备和介质 | |
CN113705793B (zh) | 决策变量确定方法及装置、电子设备和介质 | |
Shingu et al. | Boltzmann machine learning with a variational quantum algorithm | |
CN114239840A (zh) | 量子信道噪声系数估计方法及装置、电子设备和介质 | |
CN114580648B (zh) | 消除广义振幅阻尼噪声的方法及装置、电子设备和介质 | |
CN114021728B (zh) | 量子数据测量方法及系统、电子设备和介质 | |
CN114580649B (zh) | 消除量子泡利噪声的方法及装置、电子设备和介质 | |
CN115345309A (zh) | 系统特征信息的确定方法、装置、电子设备和介质 | |
CN115577790A (zh) | 哈密顿量模拟方法、装置、设备及存储介质 | |
CN114997407A (zh) | 量子测量设备的噪声消除方法及装置、电子设备和介质 | |
CN114897175A (zh) | 量子测量设备的噪声消除方法及装置、电子设备和介质 | |
CN115169565A (zh) | 一种小分子化学体系的哈密顿量模拟方法和装置 | |
CN115329971B (zh) | 消除振幅阻尼噪声的方法及装置、电子设备和介质 | |
CN115577786A (zh) | 量子熵确定方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |