CN115329967A - 一种量子比特纠错方法及误差计量系统 - Google Patents
一种量子比特纠错方法及误差计量系统 Download PDFInfo
- Publication number
- CN115329967A CN115329967A CN202210299162.4A CN202210299162A CN115329967A CN 115329967 A CN115329967 A CN 115329967A CN 202210299162 A CN202210299162 A CN 202210299162A CN 115329967 A CN115329967 A CN 115329967A
- Authority
- CN
- China
- Prior art keywords
- quantum
- error
- error correction
- measurement
- module
- 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.)
- Pending
Links
- 239000002096 quantum dot Substances 0.000 title claims abstract description 91
- 238000012937 correction Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005259 measurement Methods 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 36
- 230000003068 static effect Effects 0.000 claims abstract description 21
- 238000007726 management method Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 10
- 230000010365 information processing Effects 0.000 claims description 7
- 238000000691 measurement method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 3
- 239000002994 raw material Substances 0.000 claims 3
- 238000013461 design Methods 0.000 claims 1
- 239000000758 substrate Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
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)
- Detection And Correction Of Errors (AREA)
Abstract
本发明公布的一种量子比特纠错方法及误差计量系统,属于量子计算领域。针对现有技术中存在量子态以频数确定概率的不确定性和量子态保真度靠硬件难以实现等问题,本发明提供了一种量子比特纠错方法及误差计量平台原型系统。根据提出的不确定条件下量子熵概念,给出量子统计复熵算法、量子存储误差静态测量算法和量子运算误差动态测量算法。应用该算法的误差计量平台,其原型系统包括量子比特纠错管理、量子信息数据库和量子比特纠错软件、量子信息显示监测等分系统。量子比特纠错管理系统,可以将一个误差测量系统转变成量子处理器,包括记录模块、分析模块、解析模块、预判模块、计算模块和显示模块,实现从软件上解决量子比特纠错智能决策问题。
Description
技术领域
本发明涉及量子计算和与AI智能技术领域,更具体地说,涉及量子比特误差测量方法、量子比特纠错智能决策支持系统软件开发及应用方法。
背景技术
在量子运算中,量子比特表示通常是以概率计算,量子态|qubit>测量结果可表示为:其中,|0>态的概率用频数来计算|1>态的概率用频数来计算且满足条件:m1+m2=M,记 这里可以看出,通过某个输入统计分析以频数确定的概率具有不确定性。
量子计算机的芯片是一个量子物理系统,基本的量子逻辑门不是存在于量子芯片上的硬件实物,而是由软件对量子物理系统的操控实现,软件的量子调控能力、计算精度直接决定了量子门能否实现量子态保真度,如何从软件上纠正误差,将一个物理系统转变成量子处理器,做到事前预测,提高量子门实现量子态保真度的能力是量子计算的重点、难点问题。
为防止量子信息存储或量子计算过程中出现一定概率的失误,现在采用的一般办法是改进硬件,这种方法对于经典计算机的基本逻辑门单元,处理器上电路硬件是可行的,但是,如果量子物理系统操控的是软件系统,这种方法是根本行不通的。
经典计算的过程以逻辑门为基本的计算单元,而量子运算遵循薛定谔方程描述的演化规律,本质上是一个信息处理连续的演化过程。量子运算在操作过程中发生的是动态型误差,如何以量子逻辑门为基本的操作单元,通过离散方式把连续的量子运算过程分离成一些具有特定过程的组合,解决量子运算误差动态测量问题,就必须给出相应的算法。
为从软件上纠正误差,将一个物理系统转变成量子处理器,做到事前预测,就必须给出量子比特纠错新的算法,并将这种量子比特误差测量方法应用在量子比特纠错智能决策支持系统的量子计算软件系统模块中,解决量子比特纠错智能决策问题。
发明内容
1.要解决的技术问题
针对现有技术中,存在多个量子比特通过某个输入统计分析确定出的概率具有不确定性,量子比特表示不能很好反映这一不确定性;量子计算纠错方法不能很好解决如何将一个物理系统转变成量子处理器,如何在不确定条件下解决量子比特误差测量等问题,本发明提供了一种量子比特纠错方法及误差计量系统。利用该方法给出不确定条件下量子信息系统的量子统计复熵算法,并应用在量子比特纠错智能决策支持系统研制中,将一个误差测量系统转变成量子处理器操控信息,实现量子存储误差静态测量和量子运算误差动态测量。
2.技术方案
本发明的目的提供以下技术方案实现。
一种量子比特纠错方法,包括,分析量子信息误差的来源,进行量子计算机工作过程多比特多逻辑系统误差分类;提出不确定条件下量子熵的概念;分析无误差概率准确度与误差概率准确度之间的关系;给出不确定条件下量子信息系统的量子统计复熵算法;确定量子存储误差静态测量和量子运算误差动态测量方法。
量子信息误差的来源,主要内容概括如下:
任何量子信息存储或运算过程都是在不确定性条件下进行的。在复杂多变条件下的多物理场耦合环境下,量子存储和量子运算涉及量子场、电磁场、温度场等多物理场,即量子场、电磁场、温度场中只要某一个“场”发生变化,都会影响量子比特性能的变化,因此,量子态由基态向量子隐形传态,需要一条“量子渠道”和一条“经典通道”,它是一个多物理场共同作用下的结果。
量子计算机工作过程多比特多逻辑系统误差分类,主要内容概括如下:
在多比特多逻辑系统,任何量子信息存储或量子运算过程中,总会有一定概率出现失误,我们称为量子信息误差。量子信息误差一般分为两类,即量子存储误差和量子运算误差。发生在所存储的信息上,不管这时是否进行操作总会存在,一般称为静态型误差;在操作期间发生的运算误差,一般称为动态型误差。显然,量子存储误差是静态型误差,量子运算误差是动态型误差。
不确定条件下量子熵的概念,主要内容概括如下:
量子比特单元信息处理过程都会出现一定概率失误,根据熵是对事物不确定性的一种度量测度,在复数域的量子比特单元多物理场系统中,根据量子态的布洛赫球约束条件和量子态|qubit>的物理意义,提出了不确定条件下量子熵的概念,定义量子熵为如下两种表达形式(本质一致)
无误差概率准确度与误差概率准确度之间的关系,主要内容概括如下:
不确定条件下量子统计复熵算法,步骤如下,
步骤一:计算量子存储时间为t时刻发生误差的概率:p(t);
步骤二:计算量子信息处理过程的熵:-p(t)lnp(t);
步骤三:计算量子信息存储准确度:EA(t)=1-[-p(t)lnp(t)]。
即EA(t)映射到p(t),减少不确定条件下量子信息在处理过程中出现测量误差概率值p(t)的不确定性,使得量子信息存储误差测量结果更具有科学性和可靠性。
不确定条件下量子存储误差的熵式度量法静态算法,步骤如下,
步骤1:设k个独立比特,n个逻辑位;
步骤2:计算量子信息存储t时刻量子比特误差概率p(t);
步骤3:计算无误差概率p(t)准确度[1-(-p(t)lnp(t))];
不确定条件下量子运算误差的熵式度量法动态算法,主要内容概括如下:
在多比特多逻辑系统,当量子运算是操作期间发生的动态型误差时,本发明给出“时间截面法”将动态问题离散化。即在无穷小的操作时间截面Δti(→0)时刻,以量子逻辑门为基本的操作单元当量子运算是操作期间发生时是动态的,通过“时间截面法”把量子运算过程分离成一些具有特定过程的组合,将动态问题离散化,这样得到不确定性条件下量子运算的动态型误差测量算法。步骤如下,
步骤a:将一个量子态保持在一个操作时间时刻t时刻,
量子比特纠错计量平台原型系统,主要内容概括如下:
量子比特纠错计量平台系统将一个误差测量系统转变成量子处理器,实现量子存储误差静态测量和量子运算误差动态测量。
量子比特纠错计量平台原型系统组成,包括,
量子比特纠错管理系统、量子信息数据库系统和量子比特纠错软件系统、量子信息显示监测系统等组成。
量子比特纠错计量平台原型系统拓扑结构(如附图2),包括,
在一体化运行环境下,基于量子算力网服务器平台,和量子信息数据库、量子比特纠错软件、量子比特纠错管理以及量子信息显示监控等分系统,具有分布式交互作用、定性到定量分析的量子比特纠错计量平台。
量子信息数据库系统,包括,
用户层:能够同时满足量子比特纠错信息仿真数据、试验测试数据以及纠错信息统计数据的用户进行交互。也就是前面提到的在各个功能模块中,与数据库交流的部分。
应用服务器层:应用服务器层是数据库与用户层之间设置的中间层,统一管理用户对数据库的访问,保护数据库的安全与工作效率。数据库管理包括用户和权限管理,不同的用户分配不同的权限;知识库管理是对资料库、纠错信息统计数据库等进行管理和维护,包括信息的添加、删除、编辑和查询等。用户界面通过中间层与数据库相连接。
数据层:用来存储决策支持系统相关的大量数据。数据层主要包括量子操控实验原始数据库、分析模型数据库、信息分类数据库等。
量子比特纠错管理系统,包括,
记录模块a:记录量子计算任务信息和微波测量环境种类及数量信息;
分析模块b1:分析微波测量环境中量子信息误差的来源,将来源因素进行分类,分析出影响量子计算任务误差因素的种类和数量;
分析模块b2:分析多比特多逻辑系统误差,将误差进行分类,分析出影响量子计算任务误差的种类和数量;
解析模块d:解析量子计算任务,综合分析在不确定条件下,量子信息误差主要成因的来源、量子信息误差所在的分类;
预判模块e:判断量子存储静态误差或量子运算动态误差类型;
计算模块f:应用给出的不确定条件下量子统计复熵算法,计算量子存储或量子运算误差;
显示模块g:量子计算误差显示和量子计算准确度显示。
量子比特纠错软件系统,包括,
调用模块A:具有调用量子信息数据库数据采集功能的软件组成;
处理模块B:具有量子信息预处理、量子信息挖掘、量子信息融合集成的软件组成;
分析模块C:具有量子比特存储误差和量子计算运算误差计算的数据纠错功能软件、保真度数据分析软件组成;
存储模块D:具有保真度数据存储功能的纠错存储软件组成。
量子误差计量显示系统,包括,
状态显示模块E:输入数据初始态和中间运算过程数据显示;
监测显示模块F:量子计算测量动态误差数据运算过程显示;
控制显示模块G:量子计算误差步长控制显示和量子计算准确度结果显示。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)本发明给出了一种量子比特纠错的熵式度量新算法。提出了量子熵的概念,根据这一概念,给出了不确定条件下量子存储误差的熵式度量静态算法和量子运算误差的熵式度量法动态算法,减少了量子比特纠错的不确定性,提高了量子信息测量误差的科学性和可信度。
(2)本发明提供了量子比特误差计量系统。根据量子比特纠错的熵式度量新算法,开发了智能决策软件系统,降低了以往在存储空间对量子计算误差进行大规模抽样的复杂性,或出现失误只能通过改进处理器硬件这种不可行办法,提高了量子信息存储误差测量和量子运算误差测量等智能决策支持准确性和计算效率。
(3)本发明的理论与方法也可应用在一类量子比特纠错方法、量子比特纠错计量系统和量子比特纠错智能决策支持系统软件开发中,提供了一种不确定条件下量子信息测量的理论、方法与手段。
附图说明
图1为本发明提供的一种量子比特纠错方法及误差计量系统摘要简图;
图2为本发明提供的量子比特纠错计量平台原型系统拓扑结构图;
图3为本发明提供的基于工作流程量子比特纠错计量平台原型系统架构图;
图4为本发明提供的量子比特纠错管理系统工作整体流程实例应用图。
具体实施方式:
为使本发明的理论成果、技术路线和创新性更加明确,下面将结合本发明的附图,对本发明的理论成果、技术路线进行清楚、完整地描述。
首先结合说明书附图1,对本发明作详细描述。
参照附图1所示,在任何量子存储或量子运算过程中,总会有一定概率出现失误,针对量子计算机的芯片仅是一个量子物理系统,软件对量子物理系统的操控实现,软件的量子调控能力、计算精度直接决定了量子门能否实现量子态保真度这一特性,本发明将一个物理系统转变成量子处理器,从软件上纠正误差,做到事前预测。分析不确定性复杂多变的多物理场耦合下量子信息误差的来源。对量子计算机工作过程多比特多逻辑系统误差分类,按照量子计算的任务、性质,将其分为量子存储误差和量子运算误差。
针对在量子运算中,量子比特表示通常是以概率计算,量子态|qubit>测量结果可表示为:其中,|0>态的概率用频数来计算|1>态的概率用频数来计算且满足条件:m1+m2=M,记 这里可以看出,通过某个输入统计分析以频数确定的概率具有不确定性;另外,量子比特单元信息处理过程都会出现一定概率失误,根据熵是对事物不确定性的一种度量测度,在复数域的量子比特单元多物理场系统中,根据量子态的布洛赫球约束条件和量子态|qubit>的物理意义,提出了不确定条件下量子熵的概念,给出统计复熵算法及量子熵如下两种表达形式(本质一致)
分析无误差概率准确度与误差概率准确度之间的关系,根据给出的无误差概率熵的算法,证明了无误差概率准确度与误差概率准确度之间的“和1”关系,即以量子存储误差的“准确度”为测量值,证明了不确定条件下量子存储过程维持在正确状态概率的“联合准确度”的度量公式成立的条件。建立量子存储误差静态型误差模型,给出量子存储误差静态测量算法,即k个独立比特误差概率p(t)的无误差概率1-p(t)的联合准确度记为建立量子运算误差的动态型误差测量模型,给出量子运算误差测量的“时间截面法”,通过“时间截面法”将动态问题离散化,“以静制动”将动态型转化成静态型,即k个独立比特无误差概率:
构建量子比特纠错误差计量装置原型系统,包括量子比特纠错管理、量子信息数据库和量子比特纠错软件、量子信息显示监测等分系统。
并给出实证算例:验证3个bit静态型误差测量应用和验证3个bit动态型误差测量应用。
一种量子比特纠错方法及误差计量系统,将一个误差测量系统转变成量子处理器,实现从软件上解决量子比特纠错智能决策问题。
结合说明书附图2,对本发明作详细描述。
附图2是量子比特纠错计量平台原型系统拓扑结构图,依据量子比特纠错计量平台原型系统设计方法,是在一体化运行环境下,基于量子算力网服务器平台,和量子信息数据库、量子比特纠错软件、量子比特纠错管理以及量子信息显示监控等分系统组成的,具有分布式交互作用、定性到定量分析的量子比特纠错计量平台。量子比特纠错计量平台系统将一个误差测量系统转变成量子处理器,实现量子比特数据查询、集成、纠错功能、量子比特纠错管理功能和控制、状态、监测等显示功能。
结合说明书附图3,对本发明作详细描述。
附图3是基于工作流程量子比特纠错计量平台原型系统架构图,是描述量子比特纠错计量平台原型系统,按照工作流程、信息流之间关系运行的过程。量子比特纠错计量平台、量子算力网服务器平台和显示平台,按照信息控制流的流向实现控制;量子信息数据库系统、量子比特纠错管理系统、量子比特纠错软件系统之间具有交互关系;量子信息显示监测系统依托量子比特纠错软件系统中的相关软件支撑,具有依赖关系;量子比特纠错计量平台中的各个分系统内部工作按照信息运行流指向输入、输出。
给出实施例1,以及结合应用实施例1给出说明书附图4量子比特纠错管理系统工作整体流程实例应用,对本发明算法作应用方法描述。
实施例1:
一种量子比特纠错算法的应用方法,以3个bit为例,运用量子比特纠错管理系统工作整体流程图,实证算例分析验证,在不确定条件下量子存储误差维持在正确状态概率p(t)的联合准确度,其量子存储误差的静态型误差测量算法以及量子运算误差的动态型误差熵式测量算法。
通过量子比特纠错管理系统记录模块a:记录量子操控实验原始数据比特数量,即对于任一逻辑位的信息,在存储t时间后,计算发生3位(3个bit)误差值;
通过分析模块b1:分析影响量子计算任务误差因素的数量;
通过分析模块b2:分析要影响量子计算任务误差种类的数量;
通过解析模块d:解析量子计算任务,综合分析在不确定条件下,量子信息误差所在的分类;即分为量子比特存储误差和量子计算运算误差两种类型;
通过预判模块e:实例存在量子存储静态误差和量子运算动态误差两种类型情况;
通过计算模块f:应用给出的不确定条件下量子统计复熵算法,计算量子存储或量子运算误差,分别调用不确定条件下量子存储误差的熵式度量法静态算法模块,和不确定条件下量子运算误差的熵式度量法动态算法模块。
当静态误差时,具体步骤如下:
步骤1:对于任一逻辑位的信息,在存储t时间后,计算发生1位(1个bit)误差概率的准确度:3[1+p(t)lnp(t)][-p(t)lnp(t)]2;
步骤2:计算发生2位(2个bit)误差概率的准确度:3[1+p(t)lnp(t)]2[-p(t)lnp(t)];
步骤3:计算发生3位(3个bit)误差概率的准确度:3[-p(t)lnp(t)]3;
当动态误差时,具体步骤如下:
步骤a:将一个量子态保持在一个操作时间时刻t,
步骤e:运用“时间截面法”将动态问题离散化,计算3个bit保有正确概率的量子运算误差联合准确度:
通过统计模块C:对量子比特存储误差和量子计算运算误差数据进行纠错信息数据统计;
通过存储模块D:将所有量子比特纠错信息分析数据,进行分类存储,即将量子存储误差值与量子计算误差值分别存储。
通过显示模块E:将量子存储误差值与量子计算误差值流转到量子误差计量显示系统。
通过实证算例分析验证3个bit量子存储误差和量子运算误差的应用,给出的算法测量误差的可行性、科学性。
以上示意性地对本发明创造及其实施方式进行了描述,该描述没有限制性,在不背离本发明的精神或者基本特征的情况下,能够以其他形式实现其发明。显然,所描述的实施验证例子是本发明一部分,而不是全部的实施例。基于本发明中的实施例,本领域研究人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (10)
2.根据权利1要求所述的一种量子比特纠错方法,其特征在于:建立量子存储误差静态型误差模型,和量子运算误差的动态型误差测量模型,给出量子存储误差静态测量算法,和动态型误差测量算法,根据这些算法可以修正在不确定条件下量子信息处理过程中测量多比特、多逻辑位的量子存储误差和量子运算误差。
3.根据权利1要求所述的一种量子比特纠错方法,其特征在于:给出的不确定条件下量子态熵式度量新的方法和量子信息存储误差测量定义、算法和量子运算误差测量的计算公式,可以应用在开发量子信息存储误差测量和量子运算误差测量的智能决策支持系统中。
4.根据权利要求1,权利要求2所述算法,构建的量子比特纠错计量平台原型系统,其特征在于:将一个误差测量系统转变成量子处理器,实现量子比特数据查询、集成、纠错功能、量子比特纠错管理功能和控制、状态、监测等显示功能。
5.根据权利要求4所述的量子比特纠错计量平台原型系统,其特征在于:系统架构是,基于量子算力网服务器平台,和量子信息数据库、量子比特纠错软件、量子比特纠错管理以及量子信息显示监控等分系统组成的一体化运行环境下的误差计量系统。
6.根据权利要求4和权利要求5,量子比特纠错管理系统,其特征在于:包括,
记录模块a:记录量子计算任务信息和微波测量环境种类及数量信息;
分析模块b1:分析微波测量环境中量子信息误差的来源,将来源因素进行分类,分析出影响量子计算任务误差因素的种类和数量;
分析模块b2:分析多比特多逻辑系统误差,将误差进行分类,分析出影响量子计算任务误差的种类和数量;
解析模块d:解析量子计算任务,综合分析在不确定条件下,量子信息误差主要成因的来源、量子信息误差所在的分类;
预判模块e:判断量子存储静态误差或量子运算动态误差类型;
计算模块f:应用给出的不确定条件下量子统计复熵算法,计算量子存储或量子运算误差;
显示模块g:量子计算误差显示和量子计算准确度显示。
7.根据权利要求4和权利要求5,量子比特纠错软件系统,其特征在于:包括,
调用模块A:具有调用量子信息数据库数据采集功能的软件组成;
处理模块B:具有量子信息预处理、量子信息挖掘、量子信息融合集成的软件组成;
分析模块C:具有量子比特存储误差和量子计算运算误差计算的数据纠错功能软件、保真度数据分析软件组成;
存储模块D:具有保真度数据存储功能的纠错存储软件组成。
8.根据权利要求4和权利要求5,量子误差计量显示系统,其特征在于:包括,
状态显示模块E:输入数据初始态和输出数据终态显示;
监测显示模块F:量子计算测量动态误差数据运算过程显示;
控制显示模块G:量子计算误差步长控制显示和量子计算准确度结果显示。
9.根据权利要求5、权利要求6、权利要求7和权利要求8,本发明已经构建了量子比特纠错计量装置原型系统,将一个误差测量系统转变成量子处理器,实现量子存储误差静态测量和量子运算误差动态测量,为量子信息处理过程中测量多比特、多逻辑位的量子存储误差和运算误差测量提供了新的纠错方法与新的计量装置,得到这些理论算法、设计方法,可以应用在量子计算误差测量等相关问题的预测中。
10.根据权利要求1、2、3所述的方法,如得到这些理论与方法,可以开发诸如量子计算误差测量的智能决策支持系统软件产品中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210299162.4A CN115329967A (zh) | 2022-03-25 | 2022-03-25 | 一种量子比特纠错方法及误差计量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210299162.4A CN115329967A (zh) | 2022-03-25 | 2022-03-25 | 一种量子比特纠错方法及误差计量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115329967A true CN115329967A (zh) | 2022-11-11 |
Family
ID=83915589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210299162.4A Pending CN115329967A (zh) | 2022-03-25 | 2022-03-25 | 一种量子比特纠错方法及误差计量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115329967A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3004633A1 (en) * | 2015-11-06 | 2017-05-11 | Google Llc | In-situ quantum error correction |
US20210103814A1 (en) * | 2019-10-06 | 2021-04-08 | Massachusetts Institute Of Technology | Information Robust Dirichlet Networks for Predictive Uncertainty Estimation |
CN112734043A (zh) * | 2021-01-07 | 2021-04-30 | 电子科技大学 | 一种基于深度学习的分段容错逻辑量子电路解码方法 |
CN112988451A (zh) * | 2021-02-07 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 量子纠错解码系统、方法、容错量子纠错系统及芯片 |
CN113159239A (zh) * | 2021-06-28 | 2021-07-23 | 北京航空航天大学 | 一种量子图卷积神经网络处理图数据的方法 |
-
2022
- 2022-03-25 CN CN202210299162.4A patent/CN115329967A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3004633A1 (en) * | 2015-11-06 | 2017-05-11 | Google Llc | In-situ quantum error correction |
US20210103814A1 (en) * | 2019-10-06 | 2021-04-08 | Massachusetts Institute Of Technology | Information Robust Dirichlet Networks for Predictive Uncertainty Estimation |
CN112734043A (zh) * | 2021-01-07 | 2021-04-30 | 电子科技大学 | 一种基于深度学习的分段容错逻辑量子电路解码方法 |
CN112988451A (zh) * | 2021-02-07 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 量子纠错解码系统、方法、容错量子纠错系统及芯片 |
CN113159239A (zh) * | 2021-06-28 | 2021-07-23 | 北京航空航天大学 | 一种量子图卷积神经网络处理图数据的方法 |
Non-Patent Citations (1)
Title |
---|
陈晓峰;杨广明;: "基于信息熵的量子免疫遗传算法", 辽宁工程技术大学学报(自然科学版), no. 04, 15 April 2013 (2013-04-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elmachtoub et al. | Smart “predict, then optimize” | |
US20230195429A1 (en) | Graph outcome determination in domain-specific execution environment | |
Basha et al. | Analysis of empirical software effort estimation models | |
Cubuktepe et al. | Sequential convex programming for the efficient verification of parametric MDPs | |
WO2021139432A1 (zh) | 基于人工智能的用户等级预测方法、装置、终端及介质 | |
Morozov et al. | Investigation of forecasting methods of the state of complex IT-projects with the use of deep learning neural networks | |
WO2020086336A1 (en) | Space utilization measurement and modeling using artificial intelligence | |
Eliassi et al. | Application of Bayesian networks in composite power system reliability assessment and reliability‐based analysis | |
Chen et al. | Data-driven robust chance constrained problems: a mixture model approach | |
Ahipasaoglu et al. | Distributionally robust project crashing with partial or no correlation information | |
Attarzadeh et al. | Improving the accuracy of software cost estimation model based on a new fuzzy logic model | |
US10627808B2 (en) | Managing manufacturing capacity plan performance | |
Heradio et al. | Improving the accuracy of COPLIMO to estimate the payoff of a software product line | |
CN112001539B (zh) | 一种高精度的客运预测方法及客运预测系统 | |
Praynlin et al. | Performance analysis of software effort estimation models using neural networks | |
CN115329967A (zh) | 一种量子比特纠错方法及误差计量系统 | |
Kirschenmann et al. | Decision dependent stochastic processes | |
Liu et al. | Some Intuitionistic Cubic Fuzzy Muirhead Mean Operators with Their Application to Multicriteria Decision Making | |
Aswani et al. | Optimization hierarchy for fair statistical decision problems | |
Lu et al. | Communication-Efficient $ k $ k-Means for Edge-Based Machine Learning | |
Wang et al. | Communication network time series prediction algorithm based on big data method | |
KR20220170183A (ko) | 신경망을 기반으로 암호화 데이터를 분류하는 방법, 컴퓨팅장치 및 컴퓨터-판독가능 매체 | |
Shaik et al. | Integrating Random Forest and Support Vector Regression Models for Optimized Energy Consumption Evaluation in Cloud Computing Data Centers | |
Filipkovska et al. | Managerial decision support making in economic systems based on cognitive modeling | |
Dui et al. | A data-driven construction method of aggregated value chain in three phases for manufacturing enterprises |
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 |