CN116992970A - 一种量子模拟方法及装置 - Google Patents
一种量子模拟方法及装置 Download PDFInfo
- Publication number
- CN116992970A CN116992970A CN202310935656.1A CN202310935656A CN116992970A CN 116992970 A CN116992970 A CN 116992970A CN 202310935656 A CN202310935656 A CN 202310935656A CN 116992970 A CN116992970 A CN 116992970A
- Authority
- CN
- China
- Prior art keywords
- quantum
- quantum state
- parameter
- time slice
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013461 design Methods 0.000 claims abstract description 45
- 239000002096 quantum dot Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000002360 preparation method Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 13
- 238000005259 measurement Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000004891 communication 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
- 238000010586 diagram Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002887 superconductor Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 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
- G06N10/40—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
- G06N10/60—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
- G06N10/70—Quantum error correction, detection or prevention, e.g. surface codes or magic state distillation
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种量子模拟方法及装置,方法包括:利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;利用第二参数和所述拟设方式,制备第三量子态;响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态的步骤,直至所有时间片模拟完成。利用本申请实施例,提高量子模拟的结果保真度。
Description
技术领域
本申请属于量子计算技术领域,特别是一种量子模拟方法及装置。
背景技术
量子模拟(又称哈密顿量模拟)是量子信息科学中的一个问题,具体的是模拟一个系统在给出其哈密顿量的情况下,模拟该系统状态随时间的演化。量子模拟在量子化学、生物制药、材料合成等领域具有广泛的应用场景,也可以用于设计相关的量子算法,如HHL算法、连续时间量子行走算法、绝热量子算法等。
目前量子模拟采用的方案是将哈密顿量对应的酉矩阵分解成一系列量子设备支持的酉操作,将这一系列酉操作构造成量子逻辑门组成的量子电路,进而进行模拟。但这种模拟方式随着量子比特数目增加,量子电路的深度也随之增加,模拟耗时比较长,从而造成量子模拟的结果保真度很低。
发明内容
本申请的目的是提供一种量子模拟方法及装置,旨在提高量子模拟的结果保真度。
本申请的一个实施例提供了一种量子模拟方法,方法包括:
利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
利用第二参数和所述拟设方式,制备第三量子态;
响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态的步骤,直至所有时间片模拟完成。
可选地,所述目标时间片为拆分预设的演化时间得到的当前待演化的时间片;所述目标哈密顿量为待模拟量子系统的哈密顿量。
可选地,每一拆分得到的时间片的长度均不大于目标量子计算机的量子比特相干时间。
可选地,所述方法还包括:
响应于所述第二量子态和当前第三量子态的相似度不满足指定条件,更新第二参数,返回执行利用第二参数和所述拟设方式,制备第三量子态的步骤。
可选地,利用量子梯度算法更新所述第二参数。
可选地,所述方法还包括:
获得用于衡量所述第一量子态和当前第三量子态的相似度的量子电路;
将所述第一量子态和当前第三量子态作用到所述量子电路,获得所述相似度。
本申请的又一实施例提供了一种量子模拟装置,装置包括:
第一制备模块,用于利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
生成模块,用于在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
第二制备模块,用于利用第二参数和所述拟设方式,制备第三量子态;
更新模块,用于响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行第一制备模块,直至所有时间片模拟完成。
本申请的又一实施例提供了一种量超协同操作系统,所述量超协同操作系统根据上述任一项中所述的方法实现量子模拟。
本申请的一个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实现上述任一项所述的方法。
本申请的一个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实现上述任一项所述的方法。
与现有技术相比,本申请先利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;然后在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;再利用第二参数和所述拟设方式,制备第三量子态;最后响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态的步骤,直至所有时间片模拟完成。通过第二量子态与第三量子态的相似度,确定制备第一量子态的第一参数,保证了下一个目标时间片的第一量子态与当前目标时间片得到的第二量子态的相似度,可以大大减少噪声的干扰,从而提高了量子模拟的结果保真度。
附图说明
图1是本申请实施例提供的一种量子模拟系统的网络框图;
图2为本申请实施例提供的一种量子模拟方法的流程示意图;
图3为本申请实施例提供的一种量子模拟装置的结构示意图。
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,仅用于解释本申请,而不能解释为对本申请的限制。
图1是本申请实施例提供的一种量子模拟系统的网络框图。量子模拟系统可以包括网络110、服务器120、无线设备130、客户机140、存储单元150、经典处理系统160、量子处理系统170,还可以包括未示出的附加存储器、经典处理器、量子处理器和其他设备。
网络110是用于为量子模拟系统内连接在一起的各种设备和计算机之间提供通信链路的介质,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,连接方式可以采用有线、无线通信链路或光纤电缆等。
服务器120和客户机140是常规的数据处理系统,可包含数据和具有执行常规计算过程的应用程序或软件工具。客户机140可以是个人计算机或网络计算机,故数据也可以是服务器120提供的。无线设备130可以是智能手机、平板、笔记本电脑、智能可穿戴设备等。存储单元150可以包括数据库151,其可以被配置为存储量子比特参数、量子逻辑门参数、量子电路、量子程序等数据。
经典处理系统160(量子处理系统170)可以包括用于处理经典数据(量子数据)的经典处理器161(量子处理器171)和用于存储经典数据(量子数据)的存储器163(存储器172),经典数据(量子数据)可以是引导文件、操作系统镜像、以及应用程序162(应用程序173),应用程序162(应用程序173)可以用于实现根据本申请实施例提供的量子模拟方法编译的量子算法。
经典处理系统160(量子处理系统170)中存储或产生的任何数据或信息也可以被配置成以类似的方式在另一个经典(量子)处理系统中存储或产生,同样其执行的任何应用程序也可以被配置成以类似的方式在另一个经典(量子)处理系统中执行。
需要说明的是,真正的量子计算机是混合结构的,它至少包括图1中的两大部分:经典处理系统160,负责执行经典计算与控制;量子处理系统170,负责运行量子程序进而实现量子计算。
上述经典处理系统160和量子处理系统170可以是集成在一台设备中,也可以是分布在两台不同的设备之中。例如包括经典处理系统160的第一设备运行经典计算机操作系统,其上提供了量子应用程序开发工具和服务,以及还提供了量子应用程序所需的存储和网络服务。用户通过其上的量子应用程序开发工具和服务开发量子应用程序,以及通过其上的网络服务将量子程序发送至包括量子处理系统170的第二设备。第二设备运行量子计算机操作系统,通过量子计算机操作系统对该量子程序的代码进行解析,以及编译成量子计算机测控系统可以识别和执行的指令,量子处理器170根据该指令实现量子程序对应的量子算法。
在基于硅芯片的经典处理系统160中,经典处理器161的单元是CMOS管,这种计算单元不受时间和相干性的限制,即,这种计算单元是不受使用时长限制,随时可用。此外,在硅芯片中,这种计算单元的数量也是充足的,目前一个经典处理器中的计算单元的数量是成千上万的。计算单元数量的充足且CMOS管可选择的计算逻辑是固定的,例如:与逻辑。借助CMOS管运算时,通过大量的CMOS管结合有限的逻辑功能,以实现运算效果。
与经典处理系统160中的这种逻辑单元不同,量子处理系统170中量子处理器171的基本计算单元是量子比特,量子比特的输入受相干性的限制,也受相干时间的限制,即,量子比特是受使用时长限制的,并不是随时可用的。在量子比特的可用使用时长内充分使用量子比特是量子计算的关键性难题。此外,量子计算机中量子比特的数量是量子计算机性能的代表指标之一,每个量子比特通过按需配置的逻辑功能实现计算功能,鉴于量子比特数量受限,而量子计算领域的逻辑功能是多样化的,例如:哈德玛门(Hadamard门,H门)、泡利-X门(X门)、泡利-Y门(Y门)、泡利-Z门(Z门)、X门、RY门、RZ门、CNOT门、CR门、iSWAP门、Toffoli门等等。量子计算时,需借助有限的量子比特结合多样的逻辑功能组合实现运算效果。
基于这些不同,逻辑功能作用在量子比特的设计(包括量子比特使用与否的设计以及每个量子比特使用效率的设计)是提升量子计算机的运算性能的关键,且需要进行特殊的设计。而上述针对量子比特的设计是普通计算设备所不需要考虑的、也不需要面对的技术问题。基于此,针对如何在量子计算中实现模拟结果的保真度提高,本申请提出了一种量子模拟方法及相关装置,旨在提高模拟结果的保真度。
参见图2,图2为本申请实施例提供的一种量子模拟方法的流程示意图,可以包括如下步骤:
S201:利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态。
拟设的目的是制备试验态,第一量子态即是试验态,拟设方式可以为UCC(UnitaryCouple Cluster,幺正耦合簇)拟设、HEA(HardwareEfficient Ansatz,硬件高效拟设)或ADAPT(adaptive derivative-assembled pseudo-Trotter)拟设,ADAPT拟设可以看作UCC拟设的改进。UCC拟设包括UCCS(Unitary Coupled Cluster of Singleexcitations,单激发耦合簇拟设)和UCCSD(Unitary Coupled Cluster of Single and Doubleexcitations,单双激发的幺正耦合簇)拟设。不同的拟设方式的量子电路不同,第一参数为由拟设方式制备试验态所需的参数,可以是拟设方式对应的电路参数,具体是量子电路中的量子旋转门的旋转角度由第一参数决定,量子旋转门的旋转角度可以为第一参数或2π*第一参数。针对不同的第一参数,利用相同的拟设方式,制备出的第一量子态可能不同,在本申请中,只要拟设方式是含参的,且能制备出试验态即可,具体的拟设方式在此不进行限制。
目标时间片为拆分预设的演化时间得到的当前待演化的时间片。示例性的,演化时间为10秒,预设的时间间隔为1秒,则对演化时间进行分割,得到时间片1-时间片10,每一时间片的长度为1秒,如果时间片1-时间片6已经被模拟,则时间片7为目标时间片。需要说明的是,对于时间片的拆分可以利用相同的时间间隔,也可以利用不同的时间间隔。
为了提高每一时间片的模拟结果的保真度,每一拆分得到的时间片的长度不大于目标量子计算机的量子比特的相干时间,这样保证哈密顿量的模拟在量子退相干时完成,从而使得模拟得到的结果更接近于在目标量子计算机上实际运行的结果。在对演化时间进行分割时,需要根据目标量子计算机的量子比特的相干时间设置时间间隔,然后获得所有时间片。目标量子计算机是真实的量子计算机,量子比特的相干时间是目标量子计算机的性能参数,不同的目标量子计算机因为构建所使用的物理体系(光子、超导、离子阱等等)不同,量子比特的相干时间也可能不同。
S202:在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态。
目标哈密顿量是待模拟量子系统的哈密顿量,量子系统可以为物理系统,也可以化学系统,量子模拟可以模拟微观世界的化学分子等量子系统的动态演化,其在量子化学、材料科学等领域有着重要的应用,量子模拟也是量子主成分分析和量子线性系统求解技术中的关键步骤。
待模拟量子系统随着时间的演化是由该量子系统的哈密顿量(Hamiltonian)决定,量子态的演化可以表示为:|ψ(t)>=e-iHt|ψ(θ0)>,其中,|ψ(θ0)>为第一量子态,|ψ(t)>为第二量子态,i为虚数,U=e-iHt为酉矩阵。对酉矩阵进行分解可以得到模拟目标哈密顿量演化的量子电路,具体的可以使用Totter分解或LCU(Linear Combination of Unitaries,酉算子的线性组合),基于分解结果,确定量子逻辑门以及量子逻辑门与量子比特之间的作用关系,并基于此构建量子电路,当然,还存在其他方式构建,在此不进行一一列举,只要能模拟目标哈密顿量的演化即可。
当量子比特处于第一量子态后,对处于第一量子态的量子比特施加激励,激励的时长为目标时间片,激励为目标哈密顿量的演化操作,即对目标哈密顿量进行处理,确定如何施加激励,使得第一量子态演化为第二量子态。具体的,通过模拟目标哈密顿量演化的量子电路,对处于第一量子态的量子比特进行随时间进行演化,当时间达到目标时间片的长度,停止演化,此时量子比特所处的状态为第二量子态。
S203:利用第二参数和所述拟设方式,制备第三量子态。
第三量子态的制备与第一量子态的制备方式相同,只是制备所使用的参数不同。第一参数和第二参数可以是在相同的取值范围内选择的,取值范围可以是[0,2π]。
S204:响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行S201,直至所有时间片模拟完成。
指定条件是针对第二量子态和当前第三量子态的相似度是否满足预期而设置的衡量条件,指定条件可以是相似度在预设范围内,或基于相似度计算得到的损失函数值在指定范围内或当前和前一次的损失函数的差值在预设精度范围内等等。损失函数可以表示为(1-|<ψ(t+Δt)|ψ(θn)>|2)2,其中,|ψ(t+Δt)>为第二量子态,|ψ(θn)>为当前第三量子态,θn为第二参数,Δt为目标时间片的长度,t为除当前模拟的目标时间片外,其他已经模拟的目标时间片的总和。示例性的,当前模拟的目标时间片为时间片3,则Δt为时间片3,t为时间片1与时间片2之和。
当相似度满足指定条件,对于下一个目标时间片,利用当前第二参数和拟设方式制备的第一量子态和上一个目标时间片中生成的第二量子态的保真度可以达到最优。对每个时间片的模拟结果进行保真度优化,使得每一个时间片的输入量子态(第一量子态)可以抵抗噪声的干扰,从而可以模拟量子系统在更长时间内的状态演化,控制模拟结果与实际结果的偏差度,使得模拟结果可以有效地反映实际结果,进而促进相关领域的技术研究。
在本申请中,为了得到保真度更高的结果,通过把时间进行分片,在每一个时间分片内完成模拟,尽量降低量子线路的深度,从而实现保证保真度的要求;同时利用相同的拟设方式,构造下一个时间片的输入量子态,这种每一个时间片重新构建量子态的做法,由于利用了哈密顿量的对称性信息,因此具有更强的抗噪声能力,进一步提高了模拟结果的保真度。
在本申请一些可能的实施方式中,所述方法还可以包括:
响应于所述第二量子态和当前第三量子态的相似度不满足指定条件,更新第二参数,返回执行利用第二参数和所述拟设方式,制备第三量子态的步骤。
更新第二参数的方式可以利用经典的优化器得到梯度,基于梯度计算新的第二参数,将原有的第二参数作为新的参数,还可以利用量子梯度算法更新第二参数。量子梯度算法可以包括量子梯度下降算法。
在本申请一些可能的实施方式中,所述方法还可以包括:
获得用于衡量所述第一量子态和当前第三量子态的相似度的量子电路;
将所述第一量子态和当前第三量子态作用到所述量子电路,获得所述相似度。
衡量相似度的量子电路中量子比特的数量与第一量子态和第三量子态可以是具有SWAP-test功能的量子电路,该量子电路可以包括SWAP门和H门,当然,也可以包括其他的量子逻辑门。将第一量子态和当前制备的第三量子态作用到该量子电路,第一量子态和第三量子态被量子电路中的量子逻辑门操作而发生改变,对该量子电路的末态进行测量,可以得到测量结果,该测量结果反映了相似度。示例性的,可以将测量结果中特定本征态对应的概率作为相似度,或者测量特定量子比特,该特定量子比特的特定本征态对应的概率作为相似度,当然,也可以进行多次测量,对多次测量得到的所需结果进行平均或者取中位数等方式,获得相似度。在获得相似度后,就可以判断相似度是否满足指定条件。
可见,本申请先利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;然后在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;再利用第二参数和所述拟设方式,制备第三量子态;最后响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态的步骤,直至所有时间片模拟完成。通过第二量子态与第三量子态的相似度,确定制备第一量子态的第一参数,保证了下一个目标时间片的第一量子态与当前目标时间片得到的第二量子态的相似度,可以大大减少噪声的干扰,从而提高了量子模拟的结果保真度。
参见图3,图3为本申请实施例提供的一种量子模拟装置的结构示意图,与图2所示的流程相对应,所述装置包括:
第一制备模块301,用于利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
生成模块302,用于在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
第二制备模块303,用于利用第二参数和所述拟设方式,制备第三量子态;
更新模块304,用于响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行第一制备模块301。
在本申请一些可能的实施方式中,所述目标时间片为拆分预设的演化时间得到的当前待演化的时间片;所述目标哈密顿量为待模拟量子系统的哈密顿量。
在本申请一些可能的实施方式中,每一拆分得到的时间片的长度均不大于目标量子计算机的量子比特相干时间。
在本申请一些可能的实施方式中,所述更新模块304还可以用于:
响应于所述第二量子态和当前第三量子态的相似度不满足指定条件,更新第二参数,返回执行第二制备模块303。
在本申请一些可能的实施方式中,可以利用量子梯度算法更新所述第二参数。
在本申请一些可能的实施方式中,所述装置还包括:
第一获得模块,用于获得用于衡量所述第一量子态和当前第三量子态的相似度的量子电路;
第二获得模块,用于将所述第一量子态和当前第三量子态作用到所述量子电路,获得所述相似度。
可见,本申请先利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;然后在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;再利用第二参数和所述拟设方式,制备第三量子态;最后响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态的步骤,直至所有时间片模拟完成。通过第二量子态与第三量子态的相似度,确定制备第一量子态的第一参数,保证了下一个目标时间片的第一量子态与当前目标时间片得到的第二量子态的相似度,可以大大减少噪声的干扰,从而提高了量子模拟的结果保真度。
本申请实施例还提供了一种量超协同操作系统,所述量超协同操作系统运行在包括量子处理器的量子计算机和/或包括经典处理器的超级计算机上,用于根据本申请方法侧实施例所述的方法实现量子模拟。
本申请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实现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实现以下步骤的计算机程序:
S201:利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
S202:在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
S203:利用第二参数和所述拟设方式,制备第三量子态;
S204:响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回S201,直至所有时间片模拟完成。
本申请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实现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实现以下步骤:
S201:利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
S202:在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
S203:利用第二参数和所述拟设方式,制备第三量子态;
S204:响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回S201,直至所有时间片模拟完成。
本申请还提供一种包含指令的计算机程序产品,该指令被计算机执行时使得计算机执行上述任一实施方式中的量子模拟。
可以理解,在本说明书中的各种实施方式中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本说明书实施方式的实施过程组成任何限定。
可以理解,本说明书中描述的各种实施方式,既可以单独实施,也可以组合实施,本说明书实施方式对此并不限定。
除非另有说明,本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
可以理解,本说明书实施方式的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasablePROM,EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本说明书的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在本说明书所提供的几个实施方式中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本说明书各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本说明书的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本说明书的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种量子模拟方法,其特征在于,所述方法包括:
利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
利用第二参数和所述拟设方式,制备第三量子态;
响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态的步骤,直至所有时间片模拟完成。
2.根据权利要求1所述的方法,其特征在于,所述目标时间片为拆分预设的演化时间得到的当前待演化的时间片;所述目标哈密顿量为待模拟量子系统的哈密顿量。
3.根据权利要求2所述的方法,其特征在于,每一拆分得到的时间片的长度均不大于目标量子计算机的量子比特相干时间。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
响应于所述第二量子态和当前第三量子态的相似度不满足指定条件,更新第二参数,返回执行利用第二参数和所述拟设方式,制备第三量子态的步骤。
5.根据权利要求4所述的方法,其特征在于,利用量子梯度算法更新所述第二参数。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获得用于衡量所述第一量子态和当前第三量子态的相似度的量子电路;
将所述第一量子态和当前第三量子态作用到所述量子电路,获得所述相似度。
7.一种量子模拟装置,其特征在于,所述装置包括:
第一制备模块,用于利用第一参数和拟设方式,制备目标时间片对应演化的第一量子态;
生成模块,用于在所述目标时间片内,利用目标哈密顿量,对所述第一量子态执行演化操作,生成第二量子态;
第二制备模块,用于利用第二参数和所述拟设方式,制备第三量子态;
更新模块,用于响应于所述第二量子态和当前第三量子态的相似度满足指定条件,将当前第二参数作为下一个目标时间片模拟所需的第一参数,并返回执行所述第一制备模块,直至所有时间片模拟完成。
8.一种量超协同操作系统,其特征在于,所述量超协同操作系统根据权利要求1至6任一项中所述的方法实现量子模拟。
9.一种存储介质,其特征在于,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实现所述权利要求1至6任一项所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,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实现所述权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310935656.1A CN116992970A (zh) | 2023-07-26 | 2023-07-26 | 一种量子模拟方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310935656.1A CN116992970A (zh) | 2023-07-26 | 2023-07-26 | 一种量子模拟方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116992970A true CN116992970A (zh) | 2023-11-03 |
Family
ID=88527780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310935656.1A Pending CN116992970A (zh) | 2023-07-26 | 2023-07-26 | 一种量子模拟方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116992970A (zh) |
-
2023
- 2023-07-26 CN CN202310935656.1A patent/CN116992970A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Multi-population parallel self-adaptive differential artificial bee colony algorithm with application in large-scale service composition for cloud manufacturing | |
Rahbari et al. | Task offloading in mobile fog computing by classification and regression tree | |
Češka et al. | PRISM-PSY: precise GPU-accelerated parameter synthesis for stochastic systems | |
KR20220009682A (ko) | 분산 기계 학습 방법 및 시스템 | |
Basak et al. | MapReduce for Bayesian network parameter learning using the EM algorithm | |
Trujillo et al. | GSGP-CUDA—a CUDA framework for geometric semantic genetic programming | |
Mhadhbi et al. | An efficient technique for hardware/software partitioning process in codesign | |
Jamal et al. | A hybrid CPU/GPU approach for the parallel algebraic recursive multilevel solver pARMS | |
Huang et al. | An efficient parallel method for batched OS-ELM training using MapReduce | |
WO2020099606A1 (en) | Apparatus and method for creating and training artificial neural networks | |
CN116992970A (zh) | 一种量子模拟方法及装置 | |
Amaris et al. | Evaluating execution time predictions on gpu kernels using an analytical model and machine learning techniques | |
Yin et al. | Strategies for integrating deep learning surrogate models with HPC simulation applications | |
Sarje et al. | Accelerating pairwise computations on cell processors | |
Wicaksono et al. | Implementation of Shor’s quantum factoring algorithm using projectQ framework | |
Cicirello | Optimizing the Modified Lam Annealing Schedule | |
Ahmadzadeh et al. | Fast and scalable quantum computing simulation on multi-core and many-core platforms | |
Akeela et al. | Efficient HW/SW partitioning of Halo: FPGA-accelerated recursive proof composition in blockchain | |
Pala et al. | Application of the Nvidia CUDA technology to solve the system of ordinary differential equations | |
Berthold et al. | Parallel FFT with Eden skeletons | |
Haque et al. | Accelerating influence maximization using heterogeneous algorithms | |
Ibeid et al. | A performance model for the communication in fast multipole methods on hpc platforms | |
Szustak et al. | Profiling and optimization of Python-based social sciences applications on HPC systems by means of task and data parallelism | |
CN117634622A (zh) | 一种物理体系的哈密顿量期望值测量方法及相关装置 | |
Muzy et al. | Parallel and pseudorandom discrete event system specification vs. networks of spiking neurons: Formalization and preliminary implementation results |
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 |