CN116702915B - 一种多量子比特量子脉冲控制方法、装置和系统 - Google Patents
一种多量子比特量子脉冲控制方法、装置和系统 Download PDFInfo
- Publication number
- CN116702915B CN116702915B CN202310981186.2A CN202310981186A CN116702915B CN 116702915 B CN116702915 B CN 116702915B CN 202310981186 A CN202310981186 A CN 202310981186A CN 116702915 B CN116702915 B CN 116702915B
- Authority
- CN
- China
- Prior art keywords
- quantum
- evolution
- fidelity
- state
- bit
- 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
Links
- 239000002096 quantum dot Substances 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 71
- 239000013598 vector Substances 0.000 claims abstract description 66
- 230000008569 process Effects 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 36
- 238000005457 optimization Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 14
- 241000219095 Vitis Species 0.000 description 7
- 235000009754 Vitis X bourquina Nutrition 0.000 description 7
- 235000012333 Vitis X labruscana Nutrition 0.000 description 7
- 235000014787 Vitis vinifera Nutrition 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000001633 decoupling pulse sequence Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
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
- G06N10/20—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
- G06N10/60—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
本发明公开了一种多量子比特量子脉冲控制方法、装置和系统。该方法包括:在确定目标量子比特的量子脉冲控制参数过程中,以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化量子脉冲控制参数;幺正演化保真度采用如下方式确定:分别获取量子系统中所有量子比特泡利基矢经过和操作后的末态;根据和操作后的末态,对目标量子比特外的量子比特求偏迹,得到目标量子比特幺正演化后的量子态和理论演化后的量子态;根据幺正演化和理论演化后的量子态、所有量子比特的泡利基矢数量,确定幺正演化保真度。能够优化量子比特脉冲控制参数,提高量子比特保真度,更好的控制量子比特的状态变化。
Description
技术领域
本发明涉及量子信息技术领域,特别涉及一种多量子比特量子脉冲控制方法、装置和系统。
背景技术
在量子计算中,脉冲是和量子物理系统进行交互的底层语言。对于不同物理实现方式的量子计算机,都需要利用脉冲对量子比特进行控制。以控制手段较成熟的核磁共振量子计算为例:在该体系中,核自旋用作量子比特,施加与核自旋拉莫尔频率共振的射频脉冲可以将核自旋激发,通过调整射频场的相位和时长就可以实现任意的单量子比特操作,再考虑耦合相互作用就能实现任意的两比特门,最终实现任意的量子逻辑门操作。
由于量子系统中,哈密顿量中的耦合项会对量子比特的控制效果产生影响,为了提高量子计算的控制精度,现有技术中广泛采用基于核磁共振体系提出的动力学解耦(Dynamically decoupling)、强调制脉冲技术(Strongly modulating pulses,SMP)以及梯度上升脉冲技术(Gradient ascent pulse engineering,GRAPE)等手段来提高量子计算的控制精度。动力学解耦技术可参见NMR quantum computation: a critical evaluation2000: 139-154。SMP算法可参见Design of strongly modulating pulses to implementprecise effective Hamiltonians for quantum information processing. TheJournal of chemical physics, 2002, 116(17): 7599-7606。GRAPE算法可参见Optimalcontrol of coupled spin dynamics: design of nmr pulse sequences by gradientascent algorithms. J. Magn. Reson., 172:296, 2005。
发明内容
本申请发明人发现传统的量子计算过程中,用硬脉冲搭建的逻辑操作需要用动力学解耦技术消除不必要的耦合演化,但是操作动力学解耦在多量子比特的情况下需要用Hadamard(哈达玛)矩阵生成繁琐的解耦脉冲序列、其计算过程复杂、繁琐。SMP算法和GRAPE算法可以在无需解耦的情况下通过数值计算得到相对比较精确的量子脉冲控制参数;但由于量子计算过程中,一般实际使用或说需要控制的量子比特数量一般小于量子系统中实际存在的量子比特数量,而SMP算法和GRAPE算法一般是把量子脉冲的作用对象扩展为系统中所有量子比特,再用幺正演化保真度来定义损失函数,来优化量子脉冲的控制参数,优化过程中的损失函数会把所有量子比特纳入计算。这样一来脉冲对实际上不使用的量子比特的作用会反过来影响脉冲对实际使用的量子比特的作用效果。换句话说,相当于不需要使用的量子比特占用了实际使用到的量子比特在优化过程中所占的损失函数比重,从而影响量子脉冲控制参数的优化效果,使得到的控制参数精准度降低,无法得到足够优化的量子脉冲,使量子计算系统的保真度降低。
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种多量子比特量子脉冲控制方法、装置和系统。
本发明实施例提供一种多量子比特量子脉冲控制方法,包括:
在确定目标量子比特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数;
所述幺正演化保真度采用如下方式确定:
获取量子系统中所有量子比特泡利基矢经过脉冲幺正演化操作后的末态;
根据脉冲幺正演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子
比特的幺正演化后的量子态;
获取量子系统中所有量子比特泡利基矢经过理论演化操作后的末态;根据理
论演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的理论
演化后的量子态;
根据所述幺正演化后的量子态、理论演化后的量子态和所有量子比特的泡利基矢数量,确定幺正演化保真度。
在一些可选的实施例中,所述采用以态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数,包括:
针对目标量子比特,采用选择的参数计算方法计算指定的量子脉冲控制参数;
基于计算得到的量子脉冲控制参数,使用所述以态保真度形式定义的幺正演化保真度作为损失函数计算保真度损失,判断保真度损失是否符合设定的损失要求;
若不符合,采用梯度下降方式调整量子脉冲控制参数,并基于调整后的量子脉冲控制参数计算保真度损失,经过多次迭代,直至保真度损失符合设定的损失要求,得到优化后的量子脉冲控制参数。
在一些可选的实施例中,采用如下公式确定幺正演化保真度f:
其中,为所有量子比特的泡利基矢数量;
是第l个量子比特泡利基矢经过脉冲幺正演化操作后的末态;
是第l个量子比特泡利基矢经过理论演化操作后的末态;
表示对以外的量子比特求偏迹,得到目标量子比特的幺正演化后的量
子态;
表示对以外的量子比特求偏迹,得到目标量子比特的理论演化后的量
子态;
Trace表示求偏迹操作。
在一些可选的实施例中,量子比特泡利基矢经过脉冲幺正演化操作后的末
态;
量子比特泡利基矢经过理论演化操作后的末态;
其中,表示量子比特的第l个泡利基矢,泡利基矢的数量与量子系统中量子比特
的数量相关。
在一些可选的实施例中,所述量子脉冲控制参数包括振幅、相位、作用时长中的至少一个。
在一些可选的实施例中,上述方法还包括:
基于优化后的量子比特控制参数,为目标量子比特施加量子脉冲信号,以控制目标量子比特按照预期的操作进行演化。
本发明实施例提供一种多量子比特量子脉冲控制装置,包括:
参数优化模块,用于在确定目标量子比特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数;
保真度确定模块,用于采用如下方式确定所述幺正演化保真度:
获取量子系统中所有量子比特泡利基矢经过脉冲幺正演化操作后的末态;
根据脉冲幺正演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子
比特的幺正演化后的量子态;
获取量子系统中所有量子比特泡利基矢经过理论演化操作后的末态;根据理
论演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的理论
演化后的量子态;
根据所述幺正演化后的量子态、理论演化后的量子态和所有量子比特的泡利基矢数量,确定幺正演化保真度。
本发明实施例提供一种多量子比特系统,包括:多个量子比特和上述的多量子比特量子脉冲控制装置;
所述多量子比特量子脉冲控制装置基于优化的量子脉冲控制参数为目标量子比特施加量子脉冲信号,以控制目标量子比特按照预期的操作进行演化。
本发明实施例提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述的多量子比特量子脉冲控制方法。
本发明实施例提供一种量子计算设备,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的多量子比特量子脉冲控制方法。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的多量子比特量子脉冲控制方法,在确定待控制的目标量子比
特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作
为损失函数优化量子脉冲控制参数;确定幺正演化保真度时,基于量子系统中所有量子比
特泡利基矢经过脉冲幺正演化操作后的末态和理论演化操作后的末态,通过对
目标量子比特以外的量子比特求偏迹,得到目标量子比特的幺正演化后的量子态和理论演
化后的量子态,进而得到量子比特的幺正演化保真度,使得到保真度更准确,更接近于真实
的保真度,基于这样的保真度优化量子脉冲控制参数可以获得更佳的脉冲控制参数,更好
的控制目标比特进行状态演化,获得与预期一致的演化结果,提高量子比特状态演化的控
制精准度、使量子计算系统的保真度提高。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中优化量子脉冲控制参数的流程图;
图2为本发明实施例中多量子比特量子脉冲控制系统的结构示意图;
图3为本发明实施例中多量子比特量子脉冲控制装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
在量子计算过程中,需要向量子计算系统输入控制脉冲信号,以使得量子计算系
统按照预期进行预期量子演化,从而得到理想期望值以作为量子计算的结果。量子计算中
的动力学门通过系统的动力学演化来实现,而系统的动力学演化取决于系统的哈
密顿量,所以调控量子系统的哈密顿量和演化时间可以实现各种量子计算中的动力学
门,i为虚数单位。
对于核磁共振量子计算系统,哈密顿量可以分为内部哈密顿量和和外部哈密顿
量,其中:
内部哈密顿量包含了核自旋在静磁场中的塞曼劈裂能量以及核自旋间的
耦合能量;内部哈密顿量可以表示如下:
;
外部哈密顿量是核自旋在施加的控制脉冲(射频场)中的能量。外部哈密顿量可以表示如下:
;
其中:为约化普朗克常数,为核自旋在静磁场中的拉莫尔频率,为旋转坐
标系的频率,为核自旋间的耦合强度。为归一化的泡利算符,,为核自旋在射频场中的拉莫尔频率,为射
频场的频率,为射频场的相位。和分别表示第k个量子比特和第j个量子比特对应的归
一化泡利算符。
在某些情况下只需要简单地调控外部哈密顿量的参数即可实现想要的动力学门
操作。但是如果想要实现高精度的量子控制,需要用到SMP或者GRAPE脉冲优化技术,通过经
典计算机的梯度下降算法对动力学演化中的可调参数进行数值优化。最终使得量子系统的
动力学演化尽可能地逼近想要实现的动力学门操作。
这个数值优化过程需要一个损失函数来规定数值优化的方向和衡量优化的效果,
通常情况下,在计算幺正演化脉冲时,使用脉冲幺正演化和目标的理论幺正算符的保真度(幺正演化保真度)来定义损失函数。其中表示这个
幺正演化作用于量子比特数量;在计算从特定量子态到特定量子态的演化脉冲时,使用脉
冲幺正演化作用于量子态初态后的末态和目标的理论量子态末态的保真度(态
保真度)来定义损失函数。通过梯度下降算法或者遗传算
法等优化算法优化脉冲参数使得上述保真度提高,脉冲的作用效果也会逐渐逼近理论情
况。
在多量子比特彼此存在相互作用的系统中,当实际使用的量子比特数量小于系统实际存在的量子比特数量,一般需要把不用的量子比特进行解耦,或者把控制脉冲的作用对象扩展为系统中所有量子比特。如果把控制脉冲的作用对象扩展为系统中所有量子比特,再用上述幺正演化保真度来定义损失函数,优化过程中的损失函数会把所有量子比特纳入计算。这样一来脉冲对实际上不使用的量子比特的作用会反过来影响脉冲对实际使用的量子比特的作用效果。换句话说,相当于不需要的量子比特占用了实际使用到的量子比特在优化过程中所占的损失函数比重。而在量子计算中,幺正演化的脉冲比态-态演化的脉冲应用场景更广。
为了解决现有技术中存在的上述问题,本发明实施例提供一种多量子比特量子脉冲控制方法,在优化量子脉冲控制参数过程中,采用一种新的损失函数形式,可以在优化幺正演化脉冲的过程中只依据脉冲对实际想要控制的目标量子比特的作用效果来影响优化方向和优化效果。
本发明实施例提供多量子比特量子脉冲控制方法,在确定目标量子比特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数;其中,幺正演化保真度采用如下方式确定:
获取量子系统中所有量子比特泡利基矢经过脉冲幺正演化操作后的末态;
根据脉冲幺正演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子
比特的幺正演化后的量子态;
获取量子系统中所有量子比特泡利基矢经过理论演化操作后的末态;根据理
论演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的理论
演化后的量子态;
根据幺正演化后的量子态、理论演化后的量子态和所有量子比特的泡利基矢数量,确定幺正演化保真度。
可选的,可以采用如下公式确定幺正演化保真度f:
其中,为所有量子比特的泡利基矢数量;
是第l个量子比特泡利基矢经过脉冲幺正演化操作后的末态;
是第l个量子比特泡利基矢经过理论演化操作后的末态;
表示对量子比特以外的量子比特求偏迹,得到目标量子比特的幺正演
化后的量子态;
表示对量子比特以外的量子比特求偏迹,得到目标量子比特的理论演
化后的量子态;
Trace表示求偏迹操作。
其中,量子比特泡利基矢经过脉冲幺正演化操作后的末态;
量子比特泡利基矢经过理论演化操作后的末态;
其中,表示量子比特的第l个泡利基矢,泡利基矢的数量与量子系统中量子比特
的数量相关。
采用以态保真度形式定义的幺正演化保真度作为损失函数优化量子脉冲控制参数的流程参见图1所示,包括如下步骤:
步骤S101:针对目标量子比特,采用选择的参数计算方法计算指定的量子脉冲控制参数。
对于量子比特的演化控制一般使用量子脉冲来实现,起初用来控制量子比特的脉冲是简单的硬脉冲,硬脉冲一般是正弦波,能量高、时长短;后来逐渐开始使用一些高斯形状等不同形状的脉冲控制量子比特,但是也存在一些问题,不能兼顾量子计算的各个方面,因此,用计算机的优化算法来优化控制脉冲里边的脉冲控制参数开始受到关注,比如优化脉冲里边的振幅、相位、作用时长等参数,最后能得到一组优化后参数,最后按照这组参数来施加用于控制量子比特的量子脉冲信号,量子系统就可以按照想要实现的操作去演化,这就是优化脉冲的一个实现。在脉冲优化过程中,主要关注脉冲的作用效果,按照这个作用效果去优化,得到脉冲的优化参数,按照这个参数去操作,发射量子脉冲控制量子比特,量子比特的演化效果就会比较好。
要计算用于控制目标比特的量子脉冲的控制参数时。先规定好需要计算哪些参数再进行计算。量子脉冲控制参数可以包括振幅、相位、作用时长中的至少一个。
步骤S102:基于量子脉冲控制参数,使用以态保真度形式定义的幺正演化保真度作为损失函数计算保真度损失。
在步骤S101计算得到量子脉冲控制参数后,基于计算得到的量子脉冲控制参数,使用以态保真度形式定义的幺正演化保真度作为损失函数计算保真度损失。在步骤S104调整脉冲控制参数后,基于梯度调整后的量子脉冲控制参数,使用以态保真度形式定义的幺正演化保真度作为损失函数计算保真度损失。
本申请中,将以态保真度形式定义的幺正演化保真度作为脉冲控制参数优化过程中的损失函数,以获得更优的控制参数,提高保真度,更好的控制量子比特的状态演化。将保真度定义为损失函数,希望保真度越高越好,而损失函数一般是梯度下降的,可以把损失函数定义为负的保真度,在下降的过程中损失函数越来越小,保真度越来越高。
步骤S103:判断保真度损失是否符合设定的损失要求。
若是,执行步骤S105;若否,执行步骤S104。
步骤S104:采用梯度下降方式调整量子脉冲控制参数。
比如SMP或者GRAPE这两种算法,计算优化脉冲控制参数时都可以用梯度下降的方式调整参数。在损失不符合要求,根据梯度去调整脉冲控制参数,例如每算一次脉冲控制参数都会算出损失函数关于这些参数的梯度,之后每一步按照这个梯度的方向去改变脉冲控制参数即可。
步骤S105:得到优化后的量子脉冲控制参数。
在步骤S103判断出保真度损失不符合设定的损失要求时,采用梯度下降方式调整量子脉冲控制参数,并基于调整后的量子脉冲控制参数计算保真度损失,经过多次迭代,直至保真度损失符合设定的损失要求,得到优化后的量子脉冲控制参数。
在一些可选地实施例中,上述方法还包括:基于优化后的量子比特控制参数,为目标量子比特施加量子脉冲信号,以控制目标量子比特按照预期的操作进行演化。
本实施例的上述方法中,在确定待控制的目标量子比特的量子脉冲控制参数过程
中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化量子脉冲控
制参数;确定幺正演化保真度时,基于量子系统中所有量子比特泡利基矢经过脉冲幺正演
化操作后的末态和理论演化操作后的末态,通过对目标量子比特以外的量子比
特求偏迹,得到目标量子比特的幺正演化后的量子态和理论演化后的量子态,进而得到量
子比特的幺正演化保真度,使得到保真度更准确,更接近于真实的保真度,基于这样的保真
度优化量子脉冲控制参数可以获得更佳的脉冲控制参数,更好的控制目标比特进行状态演
化,获得与预期一致的演化结果,提高量子比特状态演化的控制精准度、使量子计算系统的
保真度提高。
本实施例的上述多量子比特量子脉冲控制方法,可适用于多量子比特系统中控制少量子比特的优化脉冲保真度,其中采用了不同于现有技术的保真度定义方式,以新定义的保真度作为损失函数来优化量子脉冲的脉冲控制参数。
在进行脉冲控制参数优化时,可以用所有量子比特的泡利基矢态在脉冲操作后的偏迹态的态-态保真度的平均值来作为脉冲操作对目标量子比特的幺正演化保真度。
举一个例子:假设一个量子系统中有两个量子比特,量子比特之间均存在相
互作用。如果想要对进行某个幺正操作,使用SMP或者GRAPE算法进行优化时,按照一般
的做法,需要定义幺正演化保真度。
其中,
内部哈密顿量;其描述了两
个量子比特的相互作用和内部动力学;
外部哈密顿量;其描述了两个量
子比特在脉冲作用下的动力学。
理论的幺正演化包含了两个量子比特的动力学行为,但是由于只有是目标量子
比特,其余量子比特的动力学过程可以不关心,所以理论的幺正演化可写为:。其中,直积上表示对进行操作,而保持原状态。然而
用和的保真度作为损失函数衡量子脉冲对实现操作的准确度并不好,因为
其余比特是否保持原状态同样影响了和的保真度,而其余比特的状态具体如何
并没有被关心。这导致在优化的过程中,对目标量子比特的操作的保真度权重被分
走了。从而使得操作的保真度并不能与真实的情况保持一致。
因此,本申请中,对保真度进行了重新定义,用“态保真度”的形式定义脉冲的“幺正演化保真度f”:
;
其中:
为所有量子比特的泡利基矢数量;
量子比特泡利基矢经过脉冲幺正演化操作的末态,;l取值范围为1~n,为Dagger符号,是量子力学常用符号之一;
表示对以外的量子比特求偏迹,即求中的量子态;
表示对以外的量子比特求偏迹,即求中的量子态。
假设有两个子系统A和B,子系统A和B分别对应着量子比特Q1和Q2,两个子系统A和
B组成一个总的复合系统,那么对B子系统偏迹的公式可以表示为:,这里,和代表子系统A的基矢,而代表子系统B
的基矢。
是第l个量子比特泡利基矢经过操作的末态:;
对于两个比特量子系统,以包括9个泡利基矢为例,泡利基矢分别为:
。
其中为泡利算符。
一般情况下,用于计算的泡利基矢涵盖中的所有项,其中为总的量子比特数。
对于给定的复合量子系统,在一部分子系统上执行偏迹的操作可以用来找到另一
个子系统的密度矩阵。在得到和后,对和这两个和组成的复合系统对求偏
迹,最终得到的泡利基矢经过和操作的保真度,其中,是指理论演化操
作,是指实验中脉冲所造成的幺正演化操作。
这样的做法类似于线性代数中的思想:只要确定了线性变换对于每个基矢量的作用效果,也就确定了该线性变换对于由这些基矢量组成的向量的作用效果。
在用优化算法计算多量子比特系统中控制少量子比特的脉冲时可以更好地描述和的保真度,从而更好地确定优化方向。
基于同一发明构思,本发明实施例还提供一种多量子比特量子脉冲控制系统,该系统的结构参见图2所示,包括:
多个量子比特1和上述的多量子比特量子脉冲控制装置2;
多量子比特量子脉冲控制装置2基于优化的量子脉冲控制参数为目标量子比特施加量子脉冲信号,以控制目标量子比特按照预期的操作进行演化。
基于同一发明构思,本发明实施例还提供一种多量子比特量子脉冲控制装置,该装置可以设置在用于控制量子计算的设备中,该装置的结构参见图3所示,包括:
参数优化模块21,用于在确定目标量子比特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数;
保真度确定模块22,用于采用如下方式确定所述幺正演化保真度:
获取量子系统中所有量子比特泡利基矢经过脉冲幺正演化操作后的末态;
根据脉冲幺正演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子
比特的幺正演化后的量子态;获取量子系统中所有量子比特泡利基矢经过理论演化
操作后的末态;根据理论演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到
目标量子比特的理论演化后的量子态;根据所述幺正演化后的量子态、理论演化后的量子
态和所有量子比特的泡利基矢数量,确定幺正演化保真度。
基于同一发明构思,本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现上述的多量子比特量子脉冲控制方法。
一种量子计算设备,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的多量子比特量子脉冲控制方法。
关于上述实施例中的装置和系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
除非另外具体陈述,术语比如处理、计算、运算、确定、显示等等可以指一个或更多个处理或者计算系统、或类似设备的动作和/或过程,所述动作和/或过程将表示为处理系统的寄存器或存储器内的物理(如电子)量的数据操作和转换成为类似地表示为处理系统的存储器、寄存器或者其他此类信息存储、发射或者显示设备内的物理量的其他数据。信息和信号可以使用多种不同的技术和方法中的任何一种来表示。例如,在贯穿上面的描述中提及的数据、指令、命令、信息、信号、比特、符号和码片可以用电压、电流、电磁波、磁场或粒子、光场或粒子或者其任意组合来表示。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
本领域技术人员还应当理解,结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性,上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件,取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用,以变通的方式实现所描述的功能,但是,这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然,处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现,本申请中描述的技术可用执行本申请所述功能的模块(例如,过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内,也可以实现在处理器外,在后一种情况下,它经由各种手段以通信方式耦合到处理器,这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (10)
1.一种多量子比特量子脉冲控制方法,其特征在于,包括:
在确定目标量子比特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数;
所述幺正演化保真度采用如下方式确定:
获取量子系统中所有量子比特泡利基矢经过脉冲幺正演化操作后的末态;根据脉冲幺正演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的幺正演化后的量子态;
获取量子系统中所有量子比特泡利基矢经过理论演化操作后的末态;根据理论演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的理论演化后的量子态;
根据所述幺正演化后的量子态、理论演化后的量子态和所有量子比特的泡利基矢数量,确定幺正演化保真度。
2.如权利要求1所述的方法,其特征在于,所述采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数,包括:
针对目标量子比特,采用选择的参数计算方法计算指定的量子脉冲控制参数;
基于计算得到的量子脉冲控制参数,使用所述以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数计算保真度损失,判断保真度损失是否符合设定的损失要求;
若不符合,采用梯度下降方式调整量子脉冲控制参数,并基于调整后的量子脉冲控制参数计算保真度损失,经过多次迭代,直至保真度损失符合设定的损失要求,得到优化后的量子脉冲控制参数。
3.如权利要求1所述的方法,其特征在于,采用如下公式确定幺正演化保真度f:
;
其中,为所有量子比特的泡利基矢数量;
是第l个量子比特泡利基矢经过脉冲幺正演化/>操作后的末态;
是第l个量子比特泡利基矢经过理论演化/>操作后的末态;
表示对/>以外的量子比特求偏迹,得到目标量子比特的幺正演化后的量子态;
表示对/>以外的量子比特求偏迹,得到目标量子比特的理论演化后的量子态;
Trace表示求偏迹操作。
4.如权利要求3所述的方法,其特征在于,量子比特泡利基矢经过脉冲幺正演化操作后的末态/>;
量子比特泡利基矢经过理论演化操作后的末态/>;
其中,表示量子比特的第l个泡利基矢,泡利基矢的数量与量子系统中量子比特的数量相关,/>为Dagger符号。
5.如权利要求1所述的方法,其特征在于,所述量子脉冲控制参数包括振幅、相位、作用时长中的至少一个。
6.如权利要求1-5任一所述的方法,其特征在于,还包括:
基于优化后的量子比特控制参数,为目标量子比特施加量子脉冲信号,以控制目标量子比特按照预期的操作进行演化。
7.一种多量子比特量子脉冲控制装置,其特征在于,包括:
参数优化模块,用于在确定目标量子比特的量子脉冲控制参数过程中,采用以泡利基矢的态保真度形式定义的幺正演化保真度作为损失函数优化所述量子脉冲控制参数;
保真度确定模块,用于采用如下方式确定所述幺正演化保真度:
获取量子系统中所有量子比特泡利基矢经过脉冲幺正演化操作后的末态;根据脉冲幺正演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的幺正演化后的量子态;
获取量子系统中所有量子比特泡利基矢经过理论演化操作后的末态;根据理论演化操作后的末态,对目标量子比特以外的量子比特求偏迹,得到目标量子比特的理论演化后的量子态;
根据所述幺正演化后的量子态、理论演化后的量子态和所有量子比特的泡利基矢数量,确定幺正演化保真度。
8.一种多量子比特系统,其特征在于,包括:多个量子比特和如权利要求7所述的多量子比特量子脉冲控制装置;
所述多量子比特量子脉冲控制装置基于优化的量子脉冲控制参数为目标量子比特施加量子脉冲信号,以控制目标量子比特按照预期的操作进行演化。
9.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现权利要求1-6任一所述的多量子比特量子脉冲控制方法。
10.一种量子计算设备,其特征在于,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-6任一所述的多量子比特量子脉冲控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310981186.2A CN116702915B (zh) | 2023-08-07 | 2023-08-07 | 一种多量子比特量子脉冲控制方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310981186.2A CN116702915B (zh) | 2023-08-07 | 2023-08-07 | 一种多量子比特量子脉冲控制方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116702915A CN116702915A (zh) | 2023-09-05 |
CN116702915B true CN116702915B (zh) | 2023-11-03 |
Family
ID=87839676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310981186.2A Active CN116702915B (zh) | 2023-08-07 | 2023-08-07 | 一种多量子比特量子脉冲控制方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116702915B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112313677A (zh) * | 2018-01-31 | 2021-02-02 | 谷歌有限责任公司 | 用于实现量子门的通用控制 |
CN113408733A (zh) * | 2021-06-29 | 2021-09-17 | 腾讯科技(深圳)有限公司 | 量子系统的基态获取方法、装置、设备及存储介质 |
CN114565097A (zh) * | 2022-03-01 | 2022-05-31 | 中南大学 | 参数化量子线路构建方法及量子态系统构建方法 |
CN116167445A (zh) * | 2023-02-20 | 2023-05-26 | 北京百度网讯科技有限公司 | 量子测量模式的处理方法、装置及电子设备 |
EP4195114A1 (en) * | 2021-10-20 | 2023-06-14 | Tencent Technology (Shenzhen) Company Limited | Quantum computing method and apparatus, device, medium, and product |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117642754A (zh) * | 2021-07-16 | 2024-03-01 | 谷歌有限责任公司 | 使用量子计算机来迭代地准备稳定量子态 |
CA3235922A1 (en) * | 2021-10-22 | 2023-11-02 | Bill Huggins | Performing property estimation using quantum gradient operation on quantum computing system |
-
2023
- 2023-08-07 CN CN202310981186.2A patent/CN116702915B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112313677A (zh) * | 2018-01-31 | 2021-02-02 | 谷歌有限责任公司 | 用于实现量子门的通用控制 |
CN113408733A (zh) * | 2021-06-29 | 2021-09-17 | 腾讯科技(深圳)有限公司 | 量子系统的基态获取方法、装置、设备及存储介质 |
EP4195114A1 (en) * | 2021-10-20 | 2023-06-14 | Tencent Technology (Shenzhen) Company Limited | Quantum computing method and apparatus, device, medium, and product |
CN114565097A (zh) * | 2022-03-01 | 2022-05-31 | 中南大学 | 参数化量子线路构建方法及量子态系统构建方法 |
CN116167445A (zh) * | 2023-02-20 | 2023-05-26 | 北京百度网讯科技有限公司 | 量子测量模式的处理方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
通过设计量子库来调控量子比特间的Bell非定域性研究;黄彬源 等;原子与分子物理学报;第39卷(第6期);第118-126页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116702915A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11488049B2 (en) | Hybrid quantum-classical computer system and method for optimization | |
Dodwell et al. | Multilevel markov chain monte carlo | |
US10614359B2 (en) | Magnetic resonance fingerprinting (MRF) serial artificial neural network (ANN) sequence design | |
WO2020086867A1 (en) | Hybrid quantum-classical computer system for implementing and optimizing quantum boltzmann machines | |
JP7262819B2 (ja) | クラスタリング装置及びクラスタリング方法 | |
US11468289B2 (en) | Hybrid quantum-classical adversarial generator | |
CA3095106C (en) | Cascade protocol for iswap gate in a two-qubit system | |
CN113537501B (zh) | 电磁串扰的标定和缓释方法、装置及电子设备 | |
US20220358393A1 (en) | Quantum computer system and method for performing quantum computation with reduced circuit depth | |
US20220237513A1 (en) | Method and apparatus with optimization for deep learning model | |
US11861457B2 (en) | Realizing controlled rotations by a function of input basis state of a quantum computer | |
AU2023282270A1 (en) | Measuring quantum state purity | |
US20220284337A1 (en) | Classically-boosted variational quantum eigensolver | |
Creel et al. | Bayesian Indirect Inference and the ABC of GMM | |
CN116702915B (zh) | 一种多量子比特量子脉冲控制方法、装置和系统 | |
Ozbenli et al. | Numerical solution of hypersonic flows via artificial neural networks | |
Liu et al. | Communication-Aware MCMC method for big data applications on FPGAs | |
EP4154193A1 (en) | Noise mitigation through quantum state purification by classical ansatz training | |
Linden et al. | Thermodynamically consistent constitutive modeling of isotropic hyperelasticity based on artificial neural networks | |
Geifman et al. | Controlling the Inductive Bias of Wide Neural Networks by Modifying the Kernel's Spectrum | |
JPWO2021111511A1 (ja) | 探索装置、探索プログラム及びプラズマ処理装置 | |
Lee et al. | Artificial Intelligence for Scientific Discovery at High-Performance Computing Scales | |
Miroszewski et al. | Quantum machine learning for remote sensing: exploring potential and challenges | |
US20220222538A1 (en) | Method and apparatus with neural network processing | |
CN113688995B (zh) | 一种量子系统控制方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |