CN116090573A - 非局域量子操作的模拟方法、装置、设备以及存储介质 - Google Patents
非局域量子操作的模拟方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN116090573A CN116090573A CN202310272861.4A CN202310272861A CN116090573A CN 116090573 A CN116090573 A CN 116090573A CN 202310272861 A CN202310272861 A CN 202310272861A CN 116090573 A CN116090573 A CN 116090573A
- Authority
- CN
- China
- Prior art keywords
- quantum
- operations
- positive
- semi
- simulation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000004088 simulation Methods 0.000 claims abstract description 197
- 238000005070 sampling Methods 0.000 claims abstract description 176
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 85
- 238000004891 communication Methods 0.000 claims abstract description 15
- 238000005457 optimization Methods 0.000 claims description 101
- 239000011159 matrix material Substances 0.000 claims description 87
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- UOACKFBJUYNSLK-XRKIENNPSA-N Estradiol Cypionate Chemical compound O([C@H]1CC[C@H]2[C@H]3[C@@H](C4=CC=C(O)C=C4CC3)CC[C@@]21C)C(=O)CCC1CCCC1 UOACKFBJUYNSLK-XRKIENNPSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005283 ground state Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000012846 protein folding Effects 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000028161 membrane depolarization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了非局域量子操作的模拟方法、装置、设备以及存储介质,涉及量子计算领域。具体实施为:初始化采样系数集合、第一组量子操作以及第二组量子操作,其中第一组量子操作作用于第一量子系统,第二组量子操作作用于第二量子系统,第一量子系统和第二量子系统间不通讯;使用半正定规划方法,优化采样系数集合、第一组量子操作、以及第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,准概率分解可以构建目标非局域量子操作的模拟操作。本公开提供了一种实用的、通用的、且高效的方法,以便于能够采用多个局域量子操作模拟非局域量子操作。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及量子计算领域。
背景技术
近期量子计算领域发展迅速,从量子算法、量子硬件设备到量子软硬一体化平台,正朝着规模化和实用化稳步前进。其中,通过量子计算求解实际问题并带来量子优势是备受关注的一个方向。在这个方向,如何使用局域量子操作去模拟实现一个非局域量子操作是一个重要的问题。
发明内容
本公开提供了一种非局域量子操作的模拟方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种非局域量子操作的模拟方法,包括:
初始化采样系数集合、第一组量子操作以及第二组量子操作,其中第一组量子操作作用于第一量子系统,第二组量子操作作用于第二量子系统,第一量子系统和第二量子系统间不通讯;
使用半正定规划方法,优化采样系数集合、第一组量子操作、以及第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,准概率分解采用多个局域量子操作和优化后的采样系数集合构建目标非局域量子操作的模拟操作;其中,准概率分解满足:模拟操作与目标非局域量子操作之间的模拟误差符合模拟精度要求。
根据本公开的另一方面,提供了一种非局域量子操作的模拟装置,包括:
初始化模块,用于初始化采样系数集合、第一组量子操作以及第二组量子操作,其中第一组量子操作作用于第一量子系统,第二组量子操作作用于第二量子系统,第一量子系统和第二量子系统间不通讯;
优化模块,用于使用半正定规划方法,优化采样系数集合、第一组量子操作、以及第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,准概率分解采用多个局域量子操作和优化后的采样系数集合构建目标非局域量子操作的模拟操作;其中,准概率分解满足:模拟操作与目标非局域量子操作之间的模拟误差符合模拟精度要求。
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
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开实施例中第一方面中的任一的方法。
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,其中,该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
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根据本公开实施例中任一的方法。
本公开实施例中,通过可以在经典计算设备上执行的半正定规划方法,获得目标非局域量子操作的准概率分解,进而可以通过局域量子操作模拟实现非局域量子操作,提高量子计算的能力与规模。在成熟的经典计算设备上运行的使用半正定规划的方法,可以高效的获得准概率分解。同时,本公开实施例在经典设备上运行,获得的准概率分解也具有确定性。而且,本公开实施例对需要模拟的非局域量子操作没有特殊要求。能够适用于一般的量子操作,使得该方法具有通用性。
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
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例中一种非局域量子操作的模拟方法的流程示意图;
图2是根据本公开一实施例提供的第一半正定规划的示意图;
图3是根据本公开一实施例提供的数学处理的示意图;
图4根据本公开一实施例提供的第二半正定规划的示意图;
图5是根据本公开一实施例提供的第三半正定规划的示意图;
图6是根据本公开一实施例提供的第四半正定规划的示意图;
图7是根据本公开一实施例中非局域量子操作的模拟装置的结构示意图;
图8是用来实现本公开实施例的非局域量子操作的模拟方法的电子设备的框图。
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。
近年来,随着量子技术和计算机技术的发展,量子计算被广泛的应用于求解实际问题。与传统计算设备相比,量子计算设备处理数据不像传统计算设备那样分步进行,而是同时完成。这样,达到了节省时间的目的,适于大规模的数据计算,同时量子计算设备可解决传统计算设备难以解决的微型化和集成化的问题。
但是在实际使用中,量子算法受限于当前量子计算设备的实现规模,无法大规模地在现有量子计算设备上实现或验证。基于此,相关人员提出通过局域量子操作实现对非局域量子操作的模拟,即使用局域量子操作去模拟一个超越现有可实现规模的量子算法。但该模拟方法尚未成熟,还没有一种实用的、高效的实现非局域量子操作的局域模拟实现方法。
为便于理解,下面对局域量子操作和非局域量子操作进行说明。
A、B为两个量子系统;记N为作用于双量子系统上的量子操作,若存在一个作用于量子系统A上的量子操作E和一个作用于量子系统B上的量子操作F满足时,则称量子操作N为局域量子操作,反之,若不满足则称N为非局域量子操作。
在现有技术中,无法直接实现对于A、B两个量子系统的非局域量子操作N。但可以由一组局域量子操作模拟实现。具体地说,若存在一组采样系数和两组量子操作使得 则能以的概率,多次将非局域量子操作N随机替换成一个局域量子操作从而实现对非局域量子操作N的模拟。其中,为N的一个准概率分解,p为采样系数的项数,其中包含q个正项的采样系数,其余的均为负项采样系数。q被称作索引值,p和q由量子系统A、B的维度决定,一般情况下q取5或10,q为p的2倍。实施时,p和q的具体取值可根据实际情况确定,本公开实施例对此不作限定。
通过准概率分解模拟非局域量子操作,可以使用多台量子设备去模拟一个超越现有可实现规模的量子算法。这对于量子算法的研究与发展具有重要意义。然而,该问题尚未存在成熟完备的解决方法。基于量子算法对于可实现规模的迫切需求,本公开实施例提供了一种非局域量子操作的局域量子操作的模拟方法,该方法可以在经典计算设备上得出非局域量子操作的准概率分解。如图1所示,该方法包括:
S101、初始化采样系数集合、第一组量子操作以及第二组量子操作,其中第一组量子操作作用于第一量子系统,第二组量子操作作用于第二量子系统,第一量子系统和第二量子系统间不通讯。
也即,第一量子系统和第二量子系统之间不允许通讯,第一组量子操作中的任一项量子操作和第二组量子操作中对应项的量子操作构成局域量子操作,以便于以一定的概率将所需模拟的非局域量子操作替换为该局域量子操作。
S102、使用半正定规划方法,优化采样系数集合、第一组量子操作、以及第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,准概率分解采用多个局域量子操作和优化后的采样系数集合构建目标非局域量子操作的模拟操作;准概率分解满足:模拟操作与目标非局域量子操作之间的模拟误差符合模拟精度要求。
其中,半正定规划方法为一种优化方法,可以解决线性规划变量是高维向量时的问题。实施时可以将目标函数、优化变量以及限制条件输入至半正定规划求解器中,进行半正定规划求解,从而得到期望的结果。需要说明的是,本公开实施例对于使用何种半正定规划求解器执行半正定规划方法不做具体限定,可以根据应用场景、硬件环境、计算精度或者收敛速度等因素来灵活选取半正定规划求解器。
无论采用何种半正定规划方法,本公开实施例中的准概率分解满足:模拟操作与目标非局域量子操作之间的模拟误差符合模拟精度要求。
综上,本公开实施例中,通过可以在经典计算设备上执行的半正定规划方法,获得目标非局域量子操作的准概率分解,进而可以通过局域量子操作模拟实现非局域量子操作,提高量子计算的能力与规模。在成熟的经典计算设备上运行的使用半正定规划的方法,可以高效的获得准概率分解。同时,本公开实施例在经典设备上运行,获得的准概率分解也具有确定性。而且,本公开实施例对需要模拟的非局域量子操作没有特殊要求。能够适用于一般的量子操作,使得该方法具有通用性。综上,本公开实施例提供了一种高效、易于实现且具有通用性的模拟非局域量子操作的方法。
在一些可能的实施方式中,半正定规划方法中采用第一半正定规划集合。相应的,前述使用半正定规划方法得到目标非局域量子操作的准概率分解的操作,可实施为:
基于第一半正定规划集合的要求,迭代优化采样系数集合,并对第一组量子操作和第二组量子操作轮换式的进行迭代优化,得到模拟误差符合模拟精度要求的准概率分解。
轮换式的进行迭代优化,即可以理解为先优化其中一组量子操作,然后再优化另一组量子操作,以此类推,两组量子操作轮换的进行优化。
当然,可以理解的是,无论优化哪一组量子操作,采样系数集合都是同时被优化的对象。例如,可以先优化第一组量子操作同时优化采样系数集合,然后在此基础上,优化第二组量子操作同时优化采样系数集合,然后,在新的优化结果的基础上,再次优化第一组量子操作同时优化采样系数集合,以此类推,对第一组量子操作和第二组量子操作轮换式的进行迭代优化。可见,迭代的含义指在上一次优化结果的基础之上继续优化,轮换式的含义指交替优化第一组量子操作和第二组量子操作。
本公开实施例中,通过轮换式的优化两组量子操作,可以保证每次优化可针对一组量子操作进行优化,相对同时优化两组量子操作,降低了优化复杂度,提高了单次优化的效率,进而提高得到准概率分解的效率。同时,通过迭代的优化,可以保证在尽可能多的空间中搜索满足要求的准概率分解,以提高最终得出的准概率分解的质量,从而便于提高对目标非局域量子操作的模拟精度。
上述方法虽然可以得到目标非局域量子操作的准概率分解,但是,量子系统基于该准概率分解模拟目标非局域量子操作时,模拟目标非局域量子操作所需的运行次数有可能较多,由此造成大量的资源损耗。有鉴于此,在本公开实施例提供的另一些实施方式中,除了关注模拟误差外,还考虑了如何降低模拟目标非局域量子操作所需的运行次数。
由此,可以通过降低采样开支来降低运行次数。实施时,半正定规划方法中采用第一半正定规划集合和第二半正定规划集合。第一半正定规划集合和前文所阐述的一样,用于最小化模拟误差,第二半正定规划集合用于最小化采样开支。相应的,用半正定规划方法得到目标非局域量子操作的准概率分解,可实施为执行以下优化操作,包括操作一和操作二:
操作一、基于第一半正定规划集合的要求,迭代优化采样系数集合,并对第一组量子操作和第二组量子操作轮换式的进行迭代优化,得到模拟误差符合模拟精度要求的中间准概率分解;
操作二、在中间准概率分解的基础上,基于第二半正定规划集合的要求,迭代优化采样系数集合,并对第一组量子操作和第二组量子操作轮换式的进行迭代优化,得到采样开支最小化且模拟误差符合模拟精度要求的准概率分解。
该实施方式中迭代和轮换式的含义与前文阐述的相同,这里不再赘述。需要重点说明的是,该实施方式中,通过操作一能够得到满足模拟精度要求的准概率分解,在此基础上,为了降低运行次数,采用操作二进一步降低采样开支。
综上,通过轮换式的优化,可以保证每次优化可针对一组量子操作进行优化,提高了单次优化的效率,从而提高得到目标非局域量子操作的准概率分解的效率;通过迭代的优化,可以保证最终得出的准概率分解的准确性,从而更准确的实现对目标非局域量子操作的模拟;通过降低采样开支,也降低了在量子计算设备上模拟实现目标非局域量子操作的运行次数,提高了模拟效率并降低了对资源的消耗。
在一些实施例中,为了在更多的空间搜索准概率分解,找到较优质的准概率分解,以达到提高模拟精度的目的,本公开实施例中可以迭代执行m次前述的优化操作。其中,m为正整数。迭代执行m次优化操作,即先执行一次上述优化操得到优化结果,在该优化结果上再进行一次优化操作,如此循环,直至循环执行m次优化操作为止。
其中,操作一的迭代次数、操作二的迭代次数以及优化操作的迭代次数m,均可基于所需的模拟精度确定,本公开实施例对此不作限定。
迭代执行优化操作,可以在更多的空间搜索准概率分解,以便于降低模拟误差,并降低采样开支。迭代执行多次优化操作,可更为准确的获取低模拟误差且低采样开支的准概率分解,从而更准确且快速的实现采用局域量子操作对目标非局域量子操作的模拟。
在一些实施例中,无论是否需要降低采样开支,本公开实施例中的前述第一半正定规划集合均包括第一半正定规划和第二半正定规划。在此基础上,基于第一半正定规划集合的要求,完成迭代优化可实施为迭代执行以下第一子操作直至模拟误差满足模拟精度要求,包括步骤A1-步骤A4:
步骤A1,在第一半正定规划中,以最小化模拟误差为优化目标、且以第二组量子操作为固定参数,优化第一组量子操作以及采样系数集合。
实施时,为了能够获得更高精度的模拟误差,本公开实施例中,在第一半正定规划中还包括以下条件:
第一组量子操作中每个量子操作的矩阵表示的维度,与第一量子系统的矩阵表示的维度相同;
第一组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
通过以上两个条件,能够保证第一组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵,可便于采用经典计算设备执行半正定规划方法,以满足经典计算设备描述量子操作的表达方式;第一组量子操作中每个量子操作的矩阵表示的维度与第一量子系统的矩阵表示的维度相同,可以保证第一组量子操作中每个量子操作均可直接作用于第一量子系统。
在一些实施例中,为了便于经典计算设备描述量子操作,本公开实施例中第一组量子操作和第二组量子操作中的每个量子操作的矩阵表示均采用Choi表示。
相比于量子操作的其他表示,Choi表示可以直接在经典计算设备中使用,使非局域分解的计算可以在经典计算设备上进行;同时,其为矩阵表示,也便于实现本公开实施例中模拟误差的计算。
量子操作满足非迹增加和完全正性质的线性映射。对于任意量子操作,存在一一对应的Choi表示与之对应,数学上表达为一个特殊矩阵,对作用在量子系统X上的量子操作M,添加与X同等规模的辅助量子系统Y,则M的Choi表示如公式1所示,为:
其中IY为辅助系统上的恒等映射,|i><j|X和|i><j|Y分别为X和Y系统上基矢量的狄拉克符号。
在第一组量子操作和第二组量子操作中的每个量子操作的矩阵表示均采用Choi表示的情况下,模拟误差为非局域量子操作的Choi表示和模拟操作的Choi表示之间的误差。
使用非局域量子操作的Choi表示和模拟操作的Choi表示之间的误差表示模拟误差,可便于在经典计算设备上较为准确的表示出目标非局域量子操作和模拟操作间的差距,从而针对性的进行优化,使得准确的获得准概率分解,达到模拟非局域量子操作的目的。
如图2所示,为第一半正定规划的示意图,其使用的半正定规划求解器为MATLAB,当然具体实施时可选择其他半正定规划求解器也适用于本公开实施例。在该半正定规划求解器中,目标函数为模拟误差η,需要优化的变量包括作用于第一量子系统A上的第一组量子操作Ek,以及采样系数集合。输入半正定规划求解器的信息包括初始化后的第一组量子操作、第二组量子操作,以及与采样系数相关的一组正实数αk。αk与|ck|相对应,具体的,对应表示采样系数集合中的正采样系数,对应表示采样系数集合中的负采样系数。q为索引值用于区分正采样系数和负采样系数。在半正定规划求解器中需要满足的条件包括:
条件1、模拟精度所需的度量函数(在图2中表示为)用于求解模拟误差,并通过优化使得模拟误差最小化;其中表示模拟操作的矩阵表示,为对需要模拟的非局域量子操作N的矩阵表示进行数学处理得到的,以便于求解二者之间的模拟误差。
条件2、通过偏迹函数的方法使得第一组量子操作中每个量子操作的矩阵表示的维度和第一量子系统的矩阵表示的维度相同(图2中表示为tr2 其中,IA为具有第一量子系统即A系统大小的单位矩阵,tr2[]表示偏迹函数;表示第一组量子操作中的第k个量子操作;αk表示采样系数集合中与该第k个量子操作对应的采样系数)。
在第一半正定规划中,优化目标为最小化模拟误差,需要优化的变量包括第一量子系统的第一组量子操作以及采样系数集合。
如图3所示,为通过数学处理得到的过程,以量子操作N作用于两个量子系统A、B为例,将量子操作N使用Choi表示得到后,其包括4个系统A、B、A’(即A系统)、B’(即B系统),而该数学处理则是将其中A、B’两个系统进行交换得到图2中可以利用2-范数定义D(即模拟误差)。具体地,对于两个相同大小的矩阵M1,M2, 返回矩阵M1-M2的最大奇异值的绝对值。实施时,还可以直接计算模拟操作的矩阵表示和目标非局域量子操作的矩阵表示之间的差值,作为模拟误差。需要说明的是,任何能够衡量两者之间差距的模拟误差的表达式均适用于本公开实施例。
实际使用中,也可以根据应用场景、硬件环境、计算精度或者收敛速度等因素来灵活选取其他范数或者其他用于缩小矩阵之间差距的优化条件,本公开实施例对使用何种方式缩小矩阵之间差距不做具体限定。
步骤A2,在第二半正定规划中,以最小化模拟误差为优化目标,且以第一组量子操作为固定参数,优化第二组量子操作以及采样系数集合;
实施时,为了能够获得更高精度的模拟误差,本公开实施例中,在第二半正定规划中还包括以下条件:
第二组量子操作中每个量子操作的矩阵表示的维度,与第二量子系统的矩阵表示的维度相同;
第二组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
通过以上两个条件,能够保证第二组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵,可便于采用经典计算设备执行半正定规划方法,以满足经典计算设备描述量子操作的表达方式;第二组量子操作中每个量子操作的矩阵表示的维度与第二量子系统的矩阵表示的维度相同,可以保证第二组量子操作中每个量子操作均可直接作用于第二量子系统。
如图4所示,为第二半正定规划的示意图,其使用的半正定规划求解器为MATLAB,当然具体实施时可选择其他半正定规划求解器也适用于本公开实施例。在该半正定规划求解器中,目标函数为模拟误差η,需要优化的变量包括作用于第二量子系统B上的第二组量子操作Fk,以及采样系数集合。输入半正定规划求解器的信息包括初始化后的第一组量子操作、第二组量子操作,以及与采样系数相关的一组正实数αk。αk与|ck|相对应,具体的,对应对应在半正定规划求解器中需要满足的条件包括:
条件2、通过偏迹函数的方法使得第二组量子操作中每个量子操作的矩阵表示的维度和第二量子系统的矩阵表示的维度相同(图4中表示为tr2 其中,IB为具有第二量子系统即B系统大小的单位矩阵;tr2[]表示偏迹函数;表示第二组量子操作中的第k个量子操作;αk表示采样系数集合中与该第k个量子操作对应的采样系数)。
在第二半正定规划中,优化目标为最小化模拟误差,需要优化的变量包括第二量子系统的第二组量子操作以及采样系数集合。
步骤A3,基于优化后的采样系数集合、优化后的第一组量子操作以及优化后的第二组量子操作,确定模拟误差;
步骤A4,比较模拟误差和模拟精度要求。
通过轮换式的优化,可以保证每次优化可针对一组量子操作进行优化,提高了单次优化的效率,从而提高得到目标非局域量子操作准概率分解的效率;每次优化后比较模拟误差和模拟精度要求,可保证迭代次数为最低迭代次数,降低对资源的消耗。
例如,针对作用在量子系统A的第一组量子操作和作用在量子系统B上的第二组量子操作以及采样系数集合对其进行优化以降低模拟误差时,先执行步骤A1,固定以最小化模拟误差为目标,优化和得到模拟误差最小时的一组解 再执行步骤A2,固定以最小化模拟误差为目标,优化和得到模拟误差最小时的一组解在得到 后,执行步骤A3确定其与目标非局域量子操作间的模拟误差,并执行步骤A4比较该模拟误差与模拟精度要求。在无法满足模拟精度要求的情况下,循环执行步骤A1-A4。
在一些实施例中,为了便于在更多的空间搜索准概率分解,前述第一子操作每迭代执行n次的情况下,且模拟误差仍不满足模拟精度要求,则按照预设规则执行以下至少一种操作:
增加采样系数集合中的采样系数;
增加采样系数集合中的用于区分正采样系数和负采样系数的索引值;
增加n的取值,n为大于1的正整数。
例如,采样系数集合为索引值为q的两组量子操作在经过n次优化后模拟误差仍不满足模拟精度要求,则可将索引值更新为p,采样系数集合的项数更新为2p,迭代次数更新为2n继续,然后继续执行第一子操作(包括前述步骤A1-步骤A4)进行迭代优化。更改上述参数后模拟误差仍不满足模拟精度要求,则可继续增加采样系数、索引值及n的取值,直至模拟误差满足模拟精度要求为止。
在迭代多次后模拟误差仍不满足模拟精度要求时,调整采样系数、索引值以及迭代次数,可以在更多的空间搜索准概率分解,使准概率分解的模拟误差满足模拟精度要求,可以保证得到任意模拟精度要求的准概率分解,提高本公开实施例提供的方法是实用性和准确性。
在一些实施例中,第二半正定规划集合中包括第三半正定规划和第四半正定规划,基于第二半正定规划集合的要求,迭代优化可实施为迭代执行以下第二子操作直至第二子操作的迭代次数达到目标次数,包括步骤B1-B2:
步骤B1,在第三半正定规划中,以最小化采样开支为优化目标,以第二组量子操作为固定参数,且以保证模拟误差满足模拟精度要求为优化条件,优化第一组量子操作以及采样系数集合;
通过轮换式的优化,可以保证每次优化可针对一组量子操作进行优化,提高了单次优化的效率,从而提高得到目标非局域量子操作准概率分解的效率。
实施时,第三半正定规划的条件还包括:
第一组量子操作中每个量子操作的矩阵表示的维度与第一量子系统的矩阵表示的维度相同;
第一组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
通过以上两个条件,能够保证第一组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵,可便于采用经典计算设备执行半正定规划方法,以满足经典计算设备描述量子操作的需求;第一组量子操作中每个量子操作的矩阵表示的维度与第一量子系统的矩阵表示的维度相同,可以保证第一组量子操作中每个量子操作均可直接作用于第一量子系统。
如图5所示,为第三半正定规划的示意图,其使用的半正定规划求解器为MATLAB,当然具体实施时可选择其他半正定规划求解器也适用于本公开实施例。在该半正定规划求解器中,目标函数为采样开支(由于αk与|ck|对应,因此采样开支在图5中表示为),需要优化的变量包括作用在第一量子系统A上的第一组量子操作Ek,以及与采样系数相关的一组正实数αk。在半正定规划求解器中需要满足的条件包括:
条件2、通过偏迹函数的方法使得第一组量子操作中每个量子操作的矩阵表示的维度和第一量子系统的矩阵表示的维度相同(图5中表示为tr2 tr2[]表示偏迹函数;表示第一组量子操作中的第k个量子操作;αk表示采样系数集合中与该第k个量子操作对应的采样系数)。
在第三半正定规划中,优化目标为最小化采样开支,需要优化的变量包括第一量子系统的第一组量子操作以及采样系数集合,并且需要满足模拟误差小于误差阈值,即满足模拟精度要求。
步骤B2,在第四半正定规划中,以最小化采样开支为优化目标,以第一组量子操作为固定参数,且以保证模拟误差满足模拟精度要求为优化条件,优化第二组量子操作以及采样系数集合;
实施时,第四半正定规划的条件还包括:
第二组量子操作中每个量子操作的矩阵表示的维度与第二量子系统的矩阵表示的维度相同;
第二组量子操作中每个量子操作的矩阵表示和采样系数集合均为正定矩阵。
通过以上两个条件,能够保证第二组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵,可便于采用经典计算设备执行半正定规划方法,以满足经典计算设备描述量子操作的需求;第二组量子操作中每个量子操作的矩阵表示的维度与第二量子系统的矩阵表示的维度相同,可以保证第二组量子操作中每个量子操作均可直接作用于第二量子系统。
如图6所示,为第四半正定规划的示意图,其使用的半正定规划求解器为MATLAB,当然具体实施时可选择其他半正定规划求解器也适用于本公开实施例。在该半正定规划求解器中,目标函数为采样开支(由于αk与|ck|对应,因此采样开支在图6中表示为),需要优化的变量包括作用在第二量子系统B上的第二组量子操作Fk,以及与采样系数相关的一组正实数αk。在半正定规划求解器中需要满足的条件包括:
条件2、通过偏迹函数的方法使得第二组量子操作中每个量子操作的矩阵表示的维度和第二量子系统的矩阵表示的维度相同(图6中表示为tr2 其中,IB为具有B系统大小的单位矩阵;tr2[]表示偏迹函数;表示第二组量子操作中的第k个量子操作;αk表示采样系数集合中与该第k个量子操作对应的采样系数)。
在第四半正定规划中,优化目标为最小化采样开支,需要优化的变量包括第二量子系统的第二组量子操作以及采样系数集合,并且需要保证模拟误差满足模拟精度要求。
在一些实施例中,针对作用于量子系统A的量子操作和作用于量子系统B上的量子操作以及采样系数进行优化,以便于降低采样开支时,先执行步骤B1,固定以最小化采样开支为目标,在保证模拟误差满足模拟精度要求的情况下,优化和得到采样开支最小时的一组解再执行步骤B2,固定以最小化采样开支为目标,在保证模拟误差满足模拟精度要求的情况下,优化和得到采样开支最小时的一组解 最终得到的即为目标非局域量子操作的准概率分解。
在一些实施例中,本公开不局限于采用两个量子系统的局域量子操作来模拟实现非局域量子操作。实施时,可扩展至两个以上的子系统的局域量子操作实现对目标非局域量子操作的模拟。实施时,可采用逐步分解为多个子系统的量子操作的方式,实现多个量子系统的量子操作模拟非局域量子操作。具体的,在需要采用P个量子系统的量子操作模拟目标非局域量子操作的情况下,前述第一量子系统为P个量子系统中的一个量子系统,P个量子系统中除第一量子系统之外量子系统构成前述的第二量子系统,P为大于2的正整数,逐步分解为多个子系统的量子操作的方式可实施为:
将准概率分解中第二组量子操作中的每个量子操作确定为新的需要模拟的非局域量子操作;以及,
将第二量子系统拆解为所需的新的第一量子系统和第二量子系统,并返回执行初始化采样系数集合、第一组量子操作以及第二组量子操作的步骤,直至拆解得到P个量子系统的每个量子系统的优化后的量子操作。
例如,需要模拟作用在ABC三个量子系统上的目标非局域量子操作N,则将量子系统A作为第一量子系统,由量子系统BC整体构成第二量子系统,在获得分别作用于量子系统A和量子系统BC上的局域量子操作的准概率分解后,再将作用于量子系统BC上的量子操作Fk作为需要模拟的目标非局域量子操作,进而将量子系统B作为第一量子系统,将量子系统C作为第二量子系统,进而得到量子操作Fk的准概率分解由此,得到了作用于ABC三个量子系统上的局域量子操作,进而得到对目标非局域量子操作的准概率分解
综上,将含有多个量子系统的第二子系统拆解,可获得多个系统的准概率分解,从而可以实现对作用在多个量子系统的非局域量子操作的模拟实现,由此,本公开实施例具有普遍适用性。
为了便于进一步理解本方案,下面以计算量子系统A和量子系统B中的可观测量O对于量子态N(ρ)的期望值<O>:=tr(N(ρ)·O)为例介绍本公开实施例对于目标非操作量子操作的模拟实现。
迭代执行上文中优化操作m次,即迭代执行以下操作m次:
其中,在执行操作一时,若执行迭代n次的情况下,且模拟误差仍不满足模拟精度要求,则按照预设规则执行以下至少一种操作:
增加采样系数集合中的采样系数;增加采样系数集合中的用于区分正采样系数和负采样系数的索引值;增加n的取值,n为大于1的正整数。例如,可以将p、q、n均设为原来的2倍,再继续进行迭代操作。
最终,可以得到一个目标非局域量子操作的准概率分解。
使用本公开实施例可精准的实现对非局域量子操作的模拟,例如,可以选择由一个参数为p=0.7的两比特退极化信道Depo(0.7)和量子门U组成非局域量子操作N,即对于一个量子态ρ,N满足其中,两比特退极化信道Depo(p)的Kraus表示为:
基于准概率分解模拟非局域量子操作N,误差为1.974×10-9,因此,本公开实施例可精准的实现对非局域量子操作的模拟。
本公开实施例可以获得量子态数据的期望值,使得组合优化,能源优化,蛋白质折叠等问题可在量子计算设备上实现。
以蛋白质折叠为例,在蛋白质折叠中,整个蛋白质系统的演化可以被该系统的哈密顿量所描述,即,整个蛋白质系统的基态能量可以通过计算量子态下的哈密顿量的期望值来得到。其中,哈密顿量是一类特殊的可观测物理量,可以决定系统的基态能量。在本公开实施例中,量子系统中可观测量的期望值可通过模拟非局域量子操作获得,由此,蛋白质系统在任意时刻的状态可以通过量子计算设备模拟出来,并实现对哈密顿量的计算,以此达到对系统基态能量的高效估计。
基于相同的技术构思,本公开实施例还提供了一种非局域量子操作的模拟装置,如图7所示,该装置包括:
初始化模块701,用于初始化采样系数集合、第一组量子操作以及第二组量子操作,其中第一组量子操作作用于第一量子系统,第二组量子操作作用于第二量子系统,第一量子系统和第二量子系统间不通讯;
优化模块702,用于使用半正定规划方法,优化采样系数集合、第一组量子操作、以及第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,准概率分解采用多个局域量子操作和优化后的采样系数集合构建目标非局域量子操作的模拟操作;其中,准概率分解满足:模拟操作与目标非局域量子操作之间的模拟误差符合模拟精度要求。
在一些实施例中,半正定规划方法中采用第一半正定规划集合,优化模块702,用于:
基于第一半正定规划集合的要求,迭代优化采样系数集合,并对第一组量子操作和第二组量子操作轮换式的进行迭代优化,得到模拟误差符合模拟精度要求的准概率分解。
在一些实施例中,半正定规划方法中采用第一半正定规划集合和第二半正定规划集合,优化模块702,用于执行以下优化操作:
基于第一半正定规划集合的要求,迭代优化采样系数集合,并对第一组量子操作和第二组量子操作轮换式的进行迭代优化,得到模拟误差符合模拟精度要求的中间准概率分解;
在中间准概率分解的基础上,基于第二半正定规划集合的要求,迭代优化采样系数集合,并对第一组量子操作和第二组量子操作轮换式的进行迭代优化,得到采样开支最小化且模拟误差符合模拟精度要求的准概率分解。
在一些实施例中,优化操作迭代执行m次,m为正整数。
在一些实施例中,优化模块,用于:
迭代执行以下第一子操作直至模拟误差满足模拟精度要求:
在第一半正定规划中,以最小化模拟误差为优化目标、且以第二组量子操作为固定参数,优化第一组量子操作以及采样系数集合;
在第二半正定规划中,以最小化模拟误差为优化目标,且以第一组量子操作为固定参数,优化第二组量子操作以及采样系数集合;
基于优化后的采样系数集合、优化后的第一组量子操作以及优化后的第二组量子操作,确定模拟误差;
比较模拟误差和模拟精度要求。
在一些实施例中,在第一半正定规划中还包括以下条件:
第一组量子操作中每个量子操作的矩阵表示的维度,与第一量子系统的矩阵表示的维度相同;
第一组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
在一些实施例中,在第二半正定规划中还包括以下条件:
第二组量子操作中每个量子操作的矩阵表示的维度,与第二量子系统的矩阵表示的维度相同;
第二组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
在一些实施例中,该装置还包括:
调整模块,用于在第一子操作每迭代执行n次的情况下,且模拟误差仍不满足模拟精度要求,则按照预设规则执行以下至少一种操作:
增加采样系数集合中的采样系数;
增加采样系数集合中的用于区分正采样系数和负采样系数的索引值;
增加n的取值,n为大于1的正整数。
在一些实施例中,优化模块,用于:
迭代执行以下第二子操作直至第二子操作的迭代次数达到目标次数:
在第三半正定规划中,以最小化采样开支为优化目标,以第二组量子操作为固定参数,且以保证模拟误差满足模拟精度要求为优化条件,优化第一组量子操作以及采样系数集合;
在第四半正定规划中,以最小化采样开支为优化目标,以第一组量子操作为固定参数,且以保证模拟误差满足模拟精度要求为优化条件,优化第二组量子操作以及采样系数集合。
在一些实施例中,第三半正定规划的条件还包括:
第一组量子操作中每个量子操作的矩阵表示的维度,与第一量子系统的矩阵表示的维度相同;
第一组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
在一些实施例中,第四半正定规划的条件还包括:
第二组量子操作中每个量子操作的矩阵表示的维度与第二量子系统的矩阵表示的维度相同;
第二组量子操作中每个量子操作的矩阵表示和采样系数集合均为半正定矩阵。
在一些实施例中,在需要采用P个量子系统的量子操作模拟目标非局域量子操作的情况下,第一量子系统为P个量子系统中的一个量子系统,P个量子系统中除第一量子系统之外的量子系统构成第二量子系统,P为大于2的正整数,该装置还包括:
循环模块,用于将准概率分解中第二组量子操作中的每个量子操作确定为新的需要模拟的非局域量子操作;以及,将第二量子系统拆解为所需的新的第一量子系统和新的第二量子系统,并控制初始化模块返回执行初始化采样系数集合、第一组量子操作以及第二组量子操作的步骤,直至拆解得到P个量子系统的每个量子系统的优化后的量子操作。
在一些实施例中,第一组量子操作和第二组量子操作中的每个量子操作的矩阵表示均采用Choi表示。
在一些实施例中,模拟误差为非局域量子操作的Choi表示和模拟操作的Choi表示之间的误差。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
本公开方案还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,当至少一个量子处理单元执行时,计算机指令使得至少一个量子处理单元执行以上应用量子计算设备的方法。
本公开方案还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现以上应用于经典计算设备的方法;
或者,计算机程序在被至少一个量子处理单元执行时实现应用于量子计算设备的方法。
本公开方案还提供了一种量子计算设备,量子计算设备包括:
根据本公开的实施例,本公开还提供了一种经典计算设备(以下以该经典计算设备具体为电子设备为例进行说明)、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开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。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,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,个人数字助理、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8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
计算单元801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801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801执行上文所描述的各个方法和处理,例如非局域量子操作的模拟方法。例如,在一些实施例中,非局域量子操作的模拟方法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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的非局域量子操作的模拟方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行非局域量子操作的模拟方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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)和互联网。
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执行也可以不同的次序执行,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。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (31)
1.一种非局域量子操作的模拟方法,包括:
初始化采样系数集合、第一组量子操作以及第二组量子操作,其中所述第一组量子操作作用于第一量子系统,所述第二组量子操作作用于第二量子系统,所述第一量子系统和所述第二量子系统间不通讯;
使用半正定规划方法,优化所述采样系数集合、所述第一组量子操作、以及所述第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,所述准概率分解采用所述多个局域量子操作和优化后的采样系数集合构建所述目标非局域量子操作的模拟操作;其中,所述准概率分解满足:所述模拟操作与所述目标非局域量子操作之间的模拟误差符合模拟精度要求。
2.根据权利要求1所述的方法,其中,所述半正定规划方法中采用第一半正定规划集合,所述使用半正定规划方法,优化所述采样系数集合、所述第一组量子操作、以及所述第二组量子操作,得到目标非局域量子操作的准概率分解,包括:
基于所述第一半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,得到所述模拟误差符合所述模拟精度要求的准概率分解。
3.根据权利要求1所述的方法,其中,所述半正定规划方法中采用第一半正定规划集合和第二半正定规划集合,所述使用半正定规划方法,优化所述采样系数集合、所述第一组量子操作、以及所述第二组量子操作,得到目标非局域量子操作的准概率分解,包括:
执行以下优化操作:
基于所述第一半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,得到所述模拟误差符合所述模拟精度要求的中间准概率分解;
在所述中间准概率分解的基础上,基于所述第二半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,得到采样开支最小化且所述模拟误差符合所述模拟精度要求的所述准概率分解。
4.根据权利要求3所述的方法,所述优化操作迭代执行m次,m为正整数。
5.根据权利要求2或3所述的方法,其中,所述第一半正定规划集合包括第一半正定规划和第二半正定规划,所述基于所述第一半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,包括:
迭代执行以下第一子操作直至所述模拟误差满足所述模拟精度要求:
在所述第一半正定规划中,以最小化所述模拟误差为优化目标、且以所述第二组量子操作为固定参数,优化所述第一组量子操作以及所述采样系数集合;
在所述第二半正定规划中,以最小化所述模拟误差为优化目标,且以所述第一组量子操作为固定参数,优化所述第二组量子操作以及所述采样系数集合;
基于优化后的采样系数集合、优化后的第一组量子操作以及优化后的第二组量子操作,确定所述模拟误差;
比较所述模拟误差和所述模拟精度要求。
6.根据权利要求5所述的方法,其中,在所述第一半正定规划中还包括以下条件:
所述第一组量子操作中每个量子操作的矩阵表示的维度,与所述第一量子系统的矩阵表示的维度相同;
所述第一组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
7.根据权利要求5或6所述的方法,其中,在所述第二半正定规划中还包括以下条件:
所述第二组量子操作中每个量子操作的矩阵表示的维度,与所述第二量子系统的矩阵表示的维度相同;
所述第二组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
8.根据权利要求5-7中任一项所述的方法,还包括:
在所述第一子操作每迭代执行n次的情况下,且所述模拟误差仍不满足所述模拟精度要求,则按照预设规则执行以下至少一种操作:
增加所述采样系数集合中的采样系数;
增加所述采样系数集合中的用于区分正采样系数和负采样系数的索引值;
增加所述n的取值,所述n为大于1的正整数。
9.根据权利要求3-8中任一项所述的方法,其中,所述第二半正定规划集合中包括第三半正定规划和第四半正定规划,所述基于所述第二半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,包括:
迭代执行以下第二子操作直至所述第二子操作的迭代次数达到目标次数:
在所述第三半正定规划中,以最小化所述采样开支为优化目标,以所述第二组量子操作为固定参数,且以保证所述模拟误差满足所述模拟精度要求为优化条件,优化所述第一组量子操作以及所述采样系数集合;
在所述第四半正定规划中,以最小化所述采样开支为优化目标,以所述第一组量子操作为固定参数,且以保证所述模拟误差满足所述模拟精度要求为优化条件,优化所述第二组量子操作以及所述采样系数集合。
10.根据权利要求9所述的方法,其中,所述第三半正定规划的条件还包括:
所述第一组量子操作中每个量子操作的矩阵表示的维度,与所述第一量子系统的矩阵表示的维度相同;
所述第一组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
11.根据权利要求9或10所述的方法,其中,所述第四半正定规划的条件还包括:
所述第二组量子操作中每个量子操作的矩阵表示的维度与所述第二量子系统的矩阵表示的维度相同;
所述第二组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
12.根据权利要求1-11中任一项所述的方法,在需要采用P个量子系统的量子操作模拟所述目标非局域量子操作的情况下,所述第一量子系统为所述P个量子系统中的一个量子系统,所述P个量子系统中除所述第一量子系统之外的量子系统构成所述第二量子系统,P为大于2的正整数,所述方法还包括:
将所述准概率分解中所述第二组量子操作中的每个量子操作确定为新的需要模拟的非局域量子操作;以及,
将所述第二量子系统拆解为所需的新的第一量子系统和新的第二量子系统,并返回执行所述初始化采样系数集合、第一组量子操作以及第二组量子操作的步骤,直至拆解得到所述P个量子系统的每个量子系统的优化后的量子操作。
13.根据权利要求1-12中任一项所述的方法,其中,所述第一组量子操作和所述第二组量子操作中的每个量子操作的矩阵表示均采用Choi表示。
14.根据权利要求1-13中任一项所述的方法,其中,所述模拟误差为所述非局域量子操作的Choi表示和所述模拟操作的Choi表示之间的误差。
15.一种非局域量子操作的模拟装置,包括:
初始化模块,用于初始化采样系数集合、第一组量子操作以及第二组量子操作,其中所述第一组量子操作作用于第一量子系统,所述第二组量子操作作用于第二量子系统,所述第一量子系统和所述第二量子系统间不通讯;
优化模块,用于使用半正定规划方法,优化所述采样系数集合、所述第一组量子操作、以及所述第二组量子操作,得到目标非局域量子操作的准概率分解;优化后的第一组量子操作和优化后的第二组量子操作用于构建多个局域量子操作,所述准概率分解采用所述多个局域量子操作和优化后的采样系数集合构建所述目标非局域量子操作的模拟操作;其中,所述准概率分解满足:所述模拟操作与所述目标非局域量子操作之间的模拟误差符合模拟精度要求。
16.根据权利要求15所述的装置,其中,所述半正定规划方法中采用第一半正定规划集合,所述优化模块,用于:
基于所述第一半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,得到所述模拟误差符合所述模拟精度要求的准概率分解。
17.根据权利要求15所述的装置,其中,所述半正定规划方法中采用第一半正定规划集合和第二半正定规划集合,所述优化模块,用于执行以下优化操作:
基于所述第一半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,得到所述模拟误差符合所述模拟精度要求的中间准概率分解;
在所述中间准概率分解的基础上,基于所述第二半正定规划集合的要求,迭代优化所述采样系数集合,并对所述第一组量子操作和所述第二组量子操作轮换式的进行迭代优化,得到采样开支最小化且所述模拟误差符合所述模拟精度要求的所述准概率分解。
18.根据权利要求17所述的装置,所述优化操作迭代执行m次,m为正整数。
19.根据权利要求16或17所述的装置,其中,所述优化模块,用于:
迭代执行以下第一子操作直至所述模拟误差满足所述模拟精度要求:
在所述第一半正定规划中,以最小化所述模拟误差为优化目标、且以所述第二组量子操作为固定参数,优化所述第一组量子操作以及所述采样系数集合;
在所述第二半正定规划中,以最小化所述模拟误差为优化目标,且以所述第一组量子操作为固定参数,优化所述第二组量子操作以及所述采样系数集合;
基于优化后的采样系数集合、优化后的第一组量子操作以及优化后的第二组量子操作,确定所述模拟误差;
比较所述模拟误差和所述模拟精度要求。
20.根据权利要求19所述的装置,其中,在所述第一半正定规划中还包括以下条件:
所述第一组量子操作中每个量子操作的矩阵表示的维度,与所述第一量子系统的矩阵表示的维度相同;
所述第一组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
21.根据权利要求19或20所述的装置,其中,在所述第二半正定规划中还包括以下条件:
所述第二组量子操作中每个量子操作的矩阵表示的维度,与所述第二量子系统的矩阵表示的维度相同;
所述第二组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
22.根据权利要求19-21中任一项所述的装置,还包括:
调整模块,用于在所述第一子操作每迭代执行n次的情况下,且所述模拟误差仍不满足所述模拟精度要求,则按照预设规则执行以下至少一种操作:
增加所述采样系数集合中的采样系数;
增加所述采样系数集合中的用于区分正采样系数和负采样系数的索引值;
增加所述n的取值,所述n为大于1的正整数。
23.根据权利要求17-22中任一项所述的装置,其中,所述优化模块,用于:
迭代执行以下第二子操作直至所述第二子操作的迭代次数达到目标次数:
在所述第三半正定规划中,以最小化所述采样开支为优化目标,以所述第二组量子操作为固定参数,且以保证所述模拟误差满足所述模拟精度要求为优化条件,优化所述第一组量子操作以及所述采样系数集合;
在所述第四半正定规划中,以最小化所述采样开支为优化目标,以所述第一组量子操作为固定参数,且以保证所述模拟误差满足所述模拟精度要求为优化条件,优化所述第二组量子操作以及所述采样系数集合。
24.根据权利要求23所述的装置,其中,所述第三半正定规划的条件还包括:
所述第一组量子操作中每个量子操作的矩阵表示的维度,与所述第一量子系统的矩阵表示的维度相同;
所述第一组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
25.根据权利要求23或24所述的装置,其中,所述第四半正定规划的条件还包括:
所述第二组量子操作中每个量子操作的矩阵表示的维度与所述第二量子系统的矩阵表示的维度相同;
所述第二组量子操作中每个量子操作的矩阵表示和所述采样系数集合均为半正定矩阵。
26.根据权利要求15-25中任一项所述的装置,在需要采用P个量子系统的量子操作模拟所述目标非局域量子操作的情况下,所述第一量子系统为所述P个量子系统中的一个量子系统,所述P个量子系统中除所述第一量子系统之外的量子系统构成所述第二量子系统,P为大于2的正整数,所述装置还包括:
循环模块,用于将所述准概率分解中所述第二组量子操作中的每个量子操作确定为新的需要模拟的非局域量子操作;以及,将所述第二量子系统拆解为所需的新的第一量子系统和新的第二量子系统,并控制所述初始化模块返回执行所述初始化采样系数集合、第一组量子操作以及第二组量子操作的步骤,直至拆解得到所述P个量子系统的每个量子系统的优化后的量子操作。
27.根据权利要求15-26中任一项所述的装置,其中,所述第一组量子操作和所述第二组量子操作中的每个量子操作的矩阵表示均采用Choi表示。
28.根据权利要求15-27中任一项所述的装置,其中,所述模拟误差为所述非局域量子操作的Choi表示和所述模拟操作的Choi表示之间的误差。
29.一种电子设备,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1-14中任一项所述的方法。
30.一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1-14中任一项所述的方法。
31.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272861.4A CN116090573A (zh) | 2023-03-20 | 2023-03-20 | 非局域量子操作的模拟方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310272861.4A CN116090573A (zh) | 2023-03-20 | 2023-03-20 | 非局域量子操作的模拟方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116090573A true CN116090573A (zh) | 2023-05-09 |
Family
ID=86208537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310272861.4A Pending CN116090573A (zh) | 2023-03-20 | 2023-03-20 | 非局域量子操作的模拟方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090573A (zh) |
-
2023
- 2023-03-20 CN CN202310272861.4A patent/CN116090573A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3504666A1 (en) | Asychronous training of machine learning model | |
CN112561068B (zh) | 模拟方法、计算设备、经典设备、存储设备及产品 | |
CN114580647B (zh) | 量子系统的模拟方法、计算设备、装置及存储介质 | |
CN114219076B (zh) | 量子神经网络训练方法及装置、电子设备和介质 | |
CN112633511A (zh) | 用于计算量子配分函数的方法、相关装置及程序产品 | |
CN115169568B (zh) | 量子计算处理方法、装置及电子设备 | |
CN112927328A (zh) | 表情迁移方法、装置、电子设备及存储介质 | |
CN115577791A (zh) | 基于量子系统的信息处理方法及装置 | |
CN114580645A (zh) | 随机量子测量的模拟方法、装置、设备及存储介质 | |
CN113361717B (zh) | 量子态数据处理模型的训练方法、装置、电子设备及介质 | |
AU2023203387A1 (en) | Method and apparatus for determining degree of quantum entanglement, device and storage medium | |
CN116090573A (zh) | 非局域量子操作的模拟方法、装置、设备以及存储介质 | |
CN115759269A (zh) | 特征信息的确定方法、装置、设备以及存储介质 | |
CN113313261B (zh) | 函数处理方法、装置及电子设备 | |
CN112784967A (zh) | 信息处理方法、装置以及电子设备 | |
CN116432766A (zh) | 非局域量子操作的模拟方法、装置、设备以及存储介质 | |
CN114418107B (zh) | 酉算子编译方法、计算设备、装置及存储介质 | |
CN114418108B (zh) | 酉算子编译方法、计算设备、装置及存储介质 | |
CN117473934A (zh) | 版图结构确定方法、装置、设备及存储介质 | |
CN116108926A (zh) | 量子计算方法、装置、设备及存储介质 | |
CN115577788A (zh) | 量子熵确定方法、装置、设备及存储介质 | |
CN115577776A (zh) | 基态能量的确定方法、装置、设备及存储介质 | |
CN117669751A (zh) | 量子电路模拟方法、装置及电子设备 | |
CN115577786A (zh) | 量子熵确定方法、装置、设备及存储介质 | |
CN117556909A (zh) | 量子电路模拟方法、装置及电子设备 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40088302 Country of ref document: HK |