CN116187489B - 一种qaoa算法的优化方法、装置、终端及存储介质 - Google Patents

一种qaoa算法的优化方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN116187489B
CN116187489B CN202111424152.0A CN202111424152A CN116187489B CN 116187489 B CN116187489 B CN 116187489B CN 202111424152 A CN202111424152 A CN 202111424152A CN 116187489 B CN116187489 B CN 116187489B
Authority
CN
China
Prior art keywords
parameters
parameter
preset
interaction
quantum
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
CN202111424152.0A
Other languages
English (en)
Other versions
CN116187489A (zh
Inventor
柴雅卉
李叶
窦猛汉
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
Benyuan Quantum Computing Technology Hefei 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 Benyuan Quantum Computing Technology Hefei Co ltd filed Critical Benyuan Quantum Computing Technology Hefei Co ltd
Priority to CN202111424152.0A priority Critical patent/CN116187489B/zh
Publication of CN116187489A publication Critical patent/CN116187489A/zh
Application granted granted Critical
Publication of CN116187489B publication Critical patent/CN116187489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Recrystallisation Techniques (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种QAOA算法的优化方法、装置、终端及存储介质，所述方法包括：将QAOA算法的量子线路中的目标参数优化至目标值；将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。利用本发明实施例，能够提升优化效果，降低算法的量子线路的线路深度，更适用于现阶段的NISQ量子计算机。

Description

一种QAOA算法的优化方法、装置、终端及存储介质
技术领域
本发明属于量子计算技术领域，特别是一种QAOA算法的优化方法、装置、终端及存储介质。
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。
量子计算模拟是一个借助数值计算和计算机科学来仿真遵循量子力学规律的模拟计算，作为一个仿真程序，它依据量子力学的量子比特的基本定律，利用计算机的高速计算能力，刻画量子态的时空演化。
目前，量子算法在解决实际问题起到越来越大的作用。例如，组合优化问题是在一个有限的对象集中找出最优对象的一类课题。而QAOA(Quantum ApproximateOptimization Algorithm，量子近似优化算法)的提出很好地解决了这些问题，在经典的最大割问题(MaxCut)、最大独立子集(MaxIndependent set，MIS)、可满足性问题(Satisfiability Problem)、旅行商问题(Traveling Salesman Problem)等方面具有广泛的应用和实际意义。与此同时，由于目前NISQ(Noisy Intermediate-Scale Quantumtechnology，嘈杂中型量子技术)量子计算机硬件的限制，QAOA也面临着一些问题。其中，算法层数过多时操作的累计误差会影响优化效果，是一个亟待解决的问题。
发明内容
本发明的目的是提供一种QAOA算法的优化方法、装置、终端及存储介质，以解决现有技术中的不足，它能够提升优化效果，降低算法的量子线路的线路深度，更适用于现阶段的NISQ量子计算机。
本申请的一个实施例提供了一种QAOA算法的优化方法，所述方法包括：
将QAOA算法的量子线路中的目标参数优化至目标值；
将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；
增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；
对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
可选的，所述将QAOA算法的量子线路中的目标参数优化至目标值，包括：
将QAOA算法的量子线路中的第一目标参数和第二目标参数，优化至使成本函数最高或最低的第一目标值和第二目标值。
可选的，所述第一相互作用为：两个泡利-Z算符对应的两量子比特逻辑门作用；所述第二相互作用包括以下一种：
两个泡利-X算符对应的两量子比特逻辑门作用、两个泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Z算符对应的两量子比特逻辑门作用、一泡利-Y算符与一泡利-Z算符对应的两量子比特逻辑门作用。
可选的，所述对当前目标参数及预设参数进行优化，直至达到预设优化终止条件，包括：
计算当前目标参数及预设参数的梯度；
根据所述梯度和第一预设阈值，确定待优化参数；
对所述待优化参数进行优化，根据所述待优化参数优化前及优化后的成本函数表示的能量值和第二预设阈值，判断是否达到预设优化终止条件；
若达到，获得优化后的参数，否则，返回执行所述计算当前目标参数及预设参数的梯度的步骤。
可选的，所述计算当前目标参数及预设参数的梯度，包括：
利用有限差分法，计算当前目标参数及预设参数的梯度。
可选的，所述根据所述梯度和第一预设阈值，确定待优化参数，包括：
将所述梯度的绝对值与第一预设阈值进行比较；
若所述梯度的绝对值大于所述第一预设阈值，将所述梯度对应的参数，确定为待优化参数。
可选的，所述根据所述待优化参数优化前及优化后的成本函数表示的能量值和第二预设阈值，判断是否达到预设优化终止条件，包括：
计算所述待优化参数优化前及优化后的成本函数表示的能量值的差值；
将所述差值与第二预设阈值进行比较；
若所述差值小于所述第二预设阈值，则终止优化。
本申请的又一实施例提供了一种QAOA算法的优化装置，所述装置包括：
第一优化模块，用于将QAOA算法的量子线路中的目标参数优化至目标值；
分割模块，用于将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立：
增加模块，用于增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；
第二优化模块，用于对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
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所述的方法。
与现有技术相比，本发明提供的一种QAOA算法的优化方法，首先将QAOA算法的量子线路中的目标参数优化至目标值；将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。通过优化算法参数，引入额外的相互作用和参数，实现优化效果的提升，并降低算法的量子线路的线路深度，从而更适用于现阶段的NISQ量子计算机。
附图说明
图1为本发明实施例提供的一种QAOA算法的优化方法的计算机终端的硬件结构框图；
图2为本发明实施例提供的一种QAOA算法的优化方法的流程示意图；
图3为本发明实施例提供的一种QAOA算法的线路示意图；
图4为本发明实施例提供的一种QAOA算法的优化装置的结构示意图。
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QAOA算法的优化方法，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QAOA算法的优化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QAOA算法的优化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 lnterface 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，阿达马门)、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；两比特或多比特量子逻辑门，如CNOT门、CR门、CZ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。
在面临可能遇到的大规模问题时，QAOA算法表现出了一定的有效性。为了理解QAOA算法，可以从量子退火算法(Quantum annealing algorithm，QAA)开始说起。在量子力学中，所有的力学量都可以用一个酉矩阵来描述，酉矩阵的定义是，该矩阵的转置共轭是该矩阵的逆矩阵，即有：
这样的矩阵通常称之为算符，在量子计算中也称之为量子逻辑门，算符都会有至少一个不为0的本征值λ以及与之对应的本征态|ψ＞：
H|ψ＞＝λ|ψ＞
如果算符H的本征值对应的是某一个体系的能级分布，那么这样的算符我们也可以称其为哈密顿量(Hamiltonian)。根据含时薛定谔方程，从一个态|ψB>开始演化到另一个态|ψP>是利用e指数完成的：
exp(-itHC)|ψB>＝|ψ′P>
其中，HC是|ψP>对应的哈密顿量(目标哈密顿量)，|ψ′P>≠|ψP>，但是|ψ′P>中包含一部分|ψP>的成分，即他们的内积<ψ′P|ψP>≠0，但是这样效果很差，因为如果|ψB>对应的哈密顿量是HB(初始哈密顿量)，那么|ψB>是不可能一步演化到|ψP>，因此可以先在HB中混入一部分HC，两个部分所占的成分随时间变化就有了：
其中，t从0开始变化，t0趋近于0，而ti趋近于T，这样只要总时间T足够大，t的个数足够多，|ψ′P>中|ψB>的成分总会缓慢减少，进而使得<ψ′P|ψP>→1。这样的过程类似于从一个态慢慢“退火”到另外一个态，所以这样的算法被称作量子退火算法，围绕这类算法也产生了一类重要的利用物理场模拟退火过程的量子计算机——量子退火机，量子退火机可以很容易的制造出巨量量子比特的量子芯片，但是量子退火机只在一类特定的问题中拥有比较好的表现，其应用场景很难拓宽，所以才有了后来更通用的量子计算机——逻辑门量子计算机。但是，在量子逻辑门组成的量子线路中，直接制备一个时应的量子逻辑门是比较困难的，由此往往需要用到一种特殊的分解来进行化简——Trotter分解：
exp(-i(A+B))|ψ＞≈exp(-iA)exp(-iB)|ψ＞
上面给出的是一阶Trotter分解的形式，如果A、B对易，则上式的约等号变为等号，即exp(-i(A+B))|ψ＞＝exp(-iA)exp(-iB)|ψ＞。如果想获得更高的精度，还有二阶、三阶等其他更多的Trotter分解形式。于是原有的：
从而：
在QAA的演化中，演化路径，即t0...ti...tT的设置是重要的，设置是否合理会直接影响到最终的|ψ′P>。
QAOA在此基础上进行了修改，即演化路径不是由用户自己设置的，而是通过计算成本函数(Cost Function)，反馈给经典计算机，通过经典计算机上的优化器给出合理的参数从而得出比较好的结果。首先可以先定义演化过程：
|ψ′P(βP，...β1，γp，...γ1)>＝exp(-iβpHB)exp(-iγpHC)......exp(-iβ1HB)exp(-iγ1HC)|ψB>
很显然的，p的数值代表了算法的层数，或者说线路的深度，层数是人为给定的，层数越深距离最终解越近。下一步设定成本函数，成本函数为哈密顿量的期望值，也就是体系的能量值：
E(βp，...β1，γp，...γ1)＝<ψ′P|HP|ψ′P＞
成本函数可以作为优化依据，根据实际问题在优化中需要成本函数尽可能高或者低。例如，一种QAOA的线路示意图可如图3所示，运行量子线路，通过测量(measure)可以得到参数(variational parameter)对应的能量值将能量值和参数一并传入经典优化器(optimization)，经典优化器会根据降低的优化目标来选择更优的参数并将更新后的参数传入量子计算机。经过若干次迭代后，能量不断下降，逐渐收敛至最小值。由此，可以找到可以使成本函数最低的(β，γ)值，其中，β＝[β1，β2......βp]、γ＝[γ1，γ2......γp]。
由于硬件的技术限制，在近期，量子计算都将处于NISQ时代，现有的绝大部分量子计算机的操作都会受到噪声的干扰，并且只能实现近域纠缠，因此为了实现远距离的相互作用，需要用多个SWAP门来进行交换操作。而NISQ量子计算机，操作具有一定的错误率，SWAP门个数的增加会使操作的错误率增加，影响优化效果。
对于QAOA，在一定规模时，需要的优化层数是随着规模增加的，也就意味着操作门的个数增加(包括SWAP门的个数)，这也会增加操作的错误率，甚至噪声的影响会抵消p的增加带来的优化效果。
参见图2，图2为本发明实施例提供的一种QAOA算法的优化方法的流程示意图，可以包括如下步骤：
S201，将QAOA算法的量子线路中的目标参数优化至目标值；
具体的，可以将QAOA算法的量子线路中的第一目标参数和第二目标参数，优化至使成本函数最高或最低的第一目标值和第二目标值。
以上述为例，第一目标参数可以为β＝[β1，β2......βp]，第二目标参数可以为γ＝[γ1，γ2......γp]，可以利用经典计算机上的经典优化器如scipy库里的SLSQP函数、COBYLA函数等等，优化至最优，以使成本函数最高或最低(可根据实际需求决定)，得到第一目标值第二目标值
S202，将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；
示例性的，第一相互作用可以为：两个泡利-Z算符对应的两量子比特逻辑门作用，简称ZZ相互作用。其中，泡利算符或称泡利(Pauli)矩阵，包括：泡利-X、泡利-Y、泡利Z，具体形式为： 它们与二维的单位算符构成一组完备基，任意的单量子比特操作可以由这组基线性组合得到。
具体的，原QAOA线路中所有的ZZ相互作用，均采用同一参数γk，k＝1，...，p。为了释放参数的自由度，可以将各ZZ相互作用的参数进行分割独立，使得每个ZZ相互作用各自采用独立的参数以增强线路表示能力，减少线路深度。其中，参数初始值可以为
S203，增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；
具体的，第二相互作用可以包括以下一种：两个泡利-X算符对应的两量子比特逻辑门作用、两个泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Z算符对应的两量子比特逻辑门作用、一泡利-Y算符与一泡利-Z算符对应的两量子比特逻辑门作用。
示例性的，一种第二相互作用(简称两体相互作用)可以为：
PQ∈{YZ，YY，XY，XZ，XX}
其中，Y表示泡利-Y算符，Z表示泡利-Z算符，X表示泡利-X算符。
以SK模型(Sherrington-Kirkpatrick Model)为例，HC＝∑i＜jwijZiZj。对于QAOA中的每一层线路，操作的变化如下式所示：
其中，βk表示单量子比特逻辑门旋转的角度，γk、控制着的是两量子比特逻辑门旋转的角度，wij是给定的系数。线路中额外引入的两体相互作用Mij紧跟着ZZ相互作用执行，可以节约SWAP门，新增参数αk用来控制两体相互作用Mij的整体强度，参数的初始值可以为：αk＝0，k＝1，...，p。
S204，对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
在一种具体实现中，对当前目标参数及预设参数进行优化，直至达到预设优化终止条件，可以包括：
S2401，计算当前目标参数及预设参数的梯度；
具体的，可以利用有限差分法，计算当前目标参数及预设参数的梯度。
示例性的，利用有限差分法计算所有参数的梯度：
其中，g(θ)为梯度，E(θ)为成本函数的能量值，∈是一个较小的数，可以为预设值。
S2402，根据所述梯度和第一预设阈值，确定待优化参数；
具体的，可以将所述梯度的绝对值与第一预设阈值进行比较；若所述梯度的绝对值大于所述第一预设阈值，将所述梯度对应的参数，确定为待优化参数。
例如，可以挑选梯度的绝对值大于第一预设阈值δ1的参数，即对结果影响较大的参数，作为待优化参数，并加入到集合A中。
S2403，对所述待优化参数进行优化，根据所述待优化参数优化前及优化后的成本函数表示的能量值和第二预设阈值，判断是否达到预设优化终止条件；
具体的，可以计算所述待优化参数优化前及优化后的成本函数表示的能量值的差值；将所述差值与第二预设阈值进行比较；若所述差值小于所述第二预设阈值，则终止优化。
例如，可以利用经典优化器对集合A中的参数进行优化，若优化前后能量值的下降(即差值)小于第二预设阈值δ2，表示达到优化终止条件，优化结束。
S2404，若达到，获得优化后的参数，否则，返回执行所述计算当前目标参数及预设参数的梯度的步骤。
在达到优化终止条件后，可以获得优化后的集合A中的参数及其对应的QAOA算法线路。优化后的QAOA算法中，除了将对应线路中现有的ZZ相互作用，还额外考虑了其他的两体相互作用，以起到抵消部分的非绝热效应，加速演化的目的；其次，增加了参数自由度，让每个两体相互作用都有自己独立的参数，这样可以增强线路表示能力，降低线路深度。
可见，通过将QAOA算法的量子线路中的目标参数优化至目标值；将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。通过优化算法参数，引入额外的相互作用和参数，首先优化效果的提升，并降低算法的量子线路的线路深度，从而更适用于现阶段的NISQ量子计算机。
参见图4，图4为本发明实施例提供的一种QAOA算法的优化装置的结构示意图，与图2所示的流程相对应，所述装置包括：
第一优化模块401，用于将QAOA算法的量子线路中的目标参数优化至目标值；
分割模块402，用于将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；
增加模块403，用于增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；
第二优化模块404，用于对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
具体的，所述第一优化模块，具体用于：
将QAOA算法的量子线路中的第一目标参数和第二目标参数，优化至使成本函数最高或最低的第一目标值和第二目标值。
具体的，所述第一相互作用为：两个泡利-Z算符对应的两量子比特逻辑门作用；所述第二相互作用包括以下一种：
两个泡利-X算符对应的两量子比特逻辑门作用、两个泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Z算符对应的两量子比特逻辑门作用、一泡利-Y算符与一泡利-Z算符对应的两量子比特逻辑门作用。
具体的，所述第二优化模块，包括：
计算单元，用于计算当前目标参数及预设参数的梯度；
确定单元，用于根据所述梯度和第一预设阈值，确定待优化参数；
判断单元，用于对所述待优化参数进行优化，根据所述待优化参数优化前及优化后的成本函数表示的能量值和第二预设阈值，判断是否达到预设优化终止条件；
获得单元，用于在达到预设优化终止条件的情况下，获得优化后的参数，否则，返回执行所述计算当前目标参数及预设参数的梯度的步骤。
具体的，所述计算单元，具体用于：
利用有限差分法，计算当前目标参数及预设参数的梯度。
具体的，所述确定单元，具体用于：
将所述梯度的绝对值与第一预设阈值进行比较；
若所述梯度的绝对值大于所述第一预设阈值，将所述梯度对应的参数，确定为待优化参数。
具体的，所述判断单元，具体用于：
计算所述待优化参数优化前及优化后的成本函数表示的能量值的差值；
将所述差值与第二预设阈值进行比较；
若所述差值小于所述第二预设阈值，则终止优化。
可见，通过将QAOA算法的量子线路中的目标参数优化至目标值；将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。通过优化算法参数，引入额外的相互作用和参数，首先优化效果的提升，并降低算法的量子线路的线路深度，从而更适用于现阶段的NISQ量子计算机。
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：
S1，将QAOA算法的量子线路中的目标参数优化至目标值；
S2，将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；
S3，增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；
S4，对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
具体的，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
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：
S1，将QAOA算法的量子线路中的目标参数优化至目标值；
S2，将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立；
S3，增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数；
S4，对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
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 (9)

1.一种QAOA算法的优化方法，其特征在于，所述方法包括：
将QAOA算法的量子线路中的目标参数优化至目标值，其中，所述目标参数为QAOA算法的量子线路中角度可变的量子比特逻辑门旋转的角度；
将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立，其中，所述第一相互作用为：两个泡利-Z算符对应的两量子比特逻辑门作用；
增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数，其中，所述预设参数为用来控制所述第二相互作用的整体强度的参数，所述第二相互作用包括以下一种：
两个泡利-X算符对应的两量子比特逻辑门作用、两个泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Z算符对应的两量子比特逻辑门作用、一泡利-Y算符与一泡利-Z算符对应的两量子比特逻辑门作用；
对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
2.根据权利要求1所述的方法，其特征在于，所述将QAOA算法的量子线路中的目标参数优化至目标值，包括：
将QAOA算法的量子线路中的第一目标参数和第二目标参数，优化至使成本函数最高或最低的第一目标值和第二目标值。
3.根据权利要求2所述的方法，其特征在于，所述对当前目标参数及预设参数进行优化，直至达到预设优化终止条件，包括：
计算当前目标参数及预设参数的梯度；
根据所述梯度和第一预设阈值，确定待优化参数；
对所述待优化参数进行优化，根据所述待优化参数优化前及优化后的成本函数表示的能量值和第二预设阈值，判断是否达到预设优化终止条件；
若达到，获得优化后的参数，否则，返回执行所述计算当前目标参数及预设参数的梯度的步骤。
4.根据权利要求3所述的方法，其特征在于，所述计算当前目标参数及预设参数的梯度，包括：
利用有限差分法，计算当前目标参数及预设参数的梯度。
5.根据权利要求3所述的方法，其特征在于，所述根据所述梯度和第一预设阈值，确定待优化参数，包括：
将所述梯度的绝对值与第一预设阈值进行比较；
若所述梯度的绝对值大于所述第一预设阈值，将所述梯度对应的参数，确定为待优化参数。
6.根据权利要求3所述的方法，其特征在于，所述根据所述待优化参数优化前及优化后的成本函数表示的能量值和第二预设阈值，判断是否达到预设优化终止条件，包括：
计算所述待优化参数优化前及优化后的成本函数表示的能量值的差值；
将所述差值与第二预设阈值进行比较；
若所述差值小于所述第二预设阈值，则终止优化。
7.一种QAOA算法的优化装置，其特征在于，所述装置包括：
第一优化模块，用于将QAOA算法的量子线路中的目标参数优化至目标值，其中，所述目标参数为QAOA算法的量子线路中角度可变的量子比特逻辑门旋转的角度；
分割模块，用于将所述目标参数中、涉及两量子比特的各第一相互作用所使用的同一参数进行分割，以使各所述第一相互作用分别对应的参数相互独立，其中，所述第一相互作用为：两个泡利-Z算符对应的两量子比特逻辑门作用；
增加模块，用于增加涉及所述两量子比特的第二相互作用，对所述第二相互作用设置与所述第一相互作用相同的参数，并增加预设参数，其中，所述预设参数为用来控制所述第二相互作用的整体强度的参数，所述第二相互作用包括以下一种：
两个泡利-X算符对应的两量子比特逻辑门作用、两个泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Y算符对应的两量子比特逻辑门作用、一泡利-X算符与一泡利-Z算符对应的两量子比特逻辑门作用、一泡利-Y算符与一泡利-Z算符对应的两量子比特逻辑门作用；
第二优化模块，用于对当前目标参数及预设参数进行优化，直至达到预设优化终止条件。
8.一种计算机终端，其特征在于，包括机器可读存储介质和处理器，所述机器可读存储介质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权利要求1-6中任意一项中所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被计算机执行时，实现权利要求1-6中任意一项中所述的方法。
CN202111424152.0A 2021-11-26 2021-11-26 一种qaoa算法的优化方法、装置、终端及存储介质 Active CN116187489B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111424152.0A CN116187489B (zh) 2021-11-26 2021-11-26 一种qaoa算法的优化方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111424152.0A CN116187489B (zh) 2021-11-26 2021-11-26 一种qaoa算法的优化方法、装置、终端及存储介质

Publications (2)

Publication Number Publication Date
CN116187489A CN116187489A (zh) 2023-05-30
CN116187489B true CN116187489B (zh) 2025-02-11

Family

ID=86435047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111424152.0A Active CN116187489B (zh) 2021-11-26 2021-11-26 一种qaoa算法的优化方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN116187489B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188885A (zh) * 2019-06-28 2019-08-30 合肥本源量子计算科技有限责任公司 一种量子计算模拟方法、装置、存储介质和电子装置
CN111242306A (zh) * 2020-01-22 2020-06-05 北京百度网讯科技有限公司 量子主成分分析的方法、装置、电子设备以及计算机可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109800883B (zh) * 2019-01-25 2020-12-04 合肥本源量子计算科技有限责任公司 量子机器学习框架构建方法、装置及量子计算机
CN113392580B (zh) * 2021-05-21 2023-07-28 中国人民解放军战略支援部队信息工程大学 基于混合量子算法的组合优化求解方法、系统及求解器架构

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110188885A (zh) * 2019-06-28 2019-08-30 合肥本源量子计算科技有限责任公司 一种量子计算模拟方法、装置、存储介质和电子装置
CN111242306A (zh) * 2020-01-22 2020-06-05 北京百度网讯科技有限公司 量子主成分分析的方法、装置、电子设备以及计算机可读存储介质

Also Published As

Publication number Publication date
CN116187489A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
US20210132969A1 (en) Quantum Virtual Machine for Simulation of a Quantum Processing System
CN114492815B (zh) 一种基于量子化学计算目标体系能量的方法、装置及介质
CN114528996B (zh) 一种目标体系试验态初始参数的确定方法、装置及介质
CN114819163B (zh) 量子生成对抗网络的训练方法、装置、介质及电子装置
WO2024046136A1 (zh) 量子神经网络的训练方法及训练装置
CN117709415A (zh) 一种量子神经网络模型的优化方法及装置
CN114512195B (zh) 基于分子动力学模拟体系性质的计算方法、装置及介质
CN114511094B (zh) 一种量子算法的优化方法、装置、存储介质与电子装置
CN115618663B (zh) 一种网格方程与物理方程耦合的量子求解方法及装置
CN116187489B (zh) 一种qaoa算法的优化方法、装置、终端及存储介质
CN114819168A (zh) 一种矩阵特征值的量子比较方法及装置
CN116306952B (zh) 一种分子性质预测方法、装置、存储介质及电子装置
CN116108926B (zh) 量子计算方法、装置、设备及存储介质
CN115775028B (zh) 量子线路优化方法、装置、介质及电子装置
CN115775029B (zh) 量子线路转化方法、装置、介质及电子装置
CN118133975A (zh) 一种量子态传输调控参数确定方法及相关装置
CN116432691A (zh) 基于机器学习框架的模型训练方法及相关设备
CN115131120A (zh) 基于最小二乘法的量子期权估算方法及相关装置
CN117151231A (zh) 利用变分量子线路求解线性系统的方法、装置及介质
CN116050528B (zh) 振幅放大线路的构建方法、装置、介质及电子装置
CN116263883B (zh) 基于多项式预处理器的量子线性求解方法、装置及设备
CN114970872B (zh) 量子线路的编译方法、装置、介质及电子装置
CN116415667B (zh) 数据处理方法、机器学习框架及相关设备
CN114819169B (zh) 一种矩阵条件数的量子估计方法及装置
CN116402152A (zh) 线性方程组求解方法、装置、介质及电子装置

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
CB02 Change of applicant information
CB02 Change of applicant information

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

Applicant after: Benyuan Quantum Computing Technology (Hefei) Co.,Ltd.

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

Applicant before: ORIGIN QUANTUM COMPUTING COMPANY, LIMITED, HEFEI

GR01 Patent grant
GR01 Patent grant