CN117332861A - 单量子比特逻辑门的测试方法、量子计算机 - Google Patents
单量子比特逻辑门的测试方法、量子计算机 Download PDFInfo
- Publication number
- CN117332861A CN117332861A CN202210708848.4A CN202210708848A CN117332861A CN 117332861 A CN117332861 A CN 117332861A CN 202210708848 A CN202210708848 A CN 202210708848A CN 117332861 A CN117332861 A CN 117332861A
- Authority
- CN
- China
- Prior art keywords
- actual execution
- execution result
- logic gate
- quantum bit
- requirement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002096 quantum dot Substances 0.000 title claims abstract description 159
- 238000012360 testing method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000002474 experimental method Methods 0.000 claims abstract description 64
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 17
- 238000010998 test method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000005610 quantum mechanics Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 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
- G06N10/70—Quantum error correction, detection or prevention, e.g. surface codes or magic state distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本发明公开了一种单量子比特逻辑门的测试方法、量子计算机,基于本申请提出的单量子比特逻辑门的测试方法对单量子比特逻辑门进行测试,由于预先建立了反映待测量子比特在执行RB实验后的理论预期结果的物理模型,通过物理模型跟实际执行结果进行比较可以得出单量子比特逻辑门是否符合要求,整个测试过程无需人工介入,可以实现快速判断单量子比特逻辑门是否符合要求,在一定程度上提高了量子芯片测试过程的执行效率。
Description
技术领域
本发明涉及量子计算领域,尤其是涉及一种单量子比特逻辑门的测试方法、量子计算机。
背景技术
量子计算与量子信息是一门基于量子力学的原理来实现计算与信息处理任务的交叉学科,与量子物理、计算机科学、信息学等学科有着十分紧密的联系。在最近二十年有着快速的发展。因数分解、无结构搜索等场景的基于量子计算机的量子算法展现出了远超越现有基于经典计算机的算法的表现,也使这一方向被寄予了超越现有计算能力的期望。由于量子计算在解决特定问题上具有远超经典计算机性能的发展潜力,而为了实现量子计算机,需要获得一块包含有足够数量与足够质量量子比特的量子芯片,并且能够对量子比特进行极高保真度的量子逻辑门操作与读取。量子芯片之于量子计算机就相当于CPU之于传统计算机,量子芯片是量子计算机的核心部件,量子芯片就是执行量子计算的处理器。每一片量子芯片在正式上线使用前,均需要对量子芯片中量子比特的各项参数进行测试表征。
与经典比特类似地,在利用量子比特执行量子计算时,不可避免地需要对量子比特施加量子比特逻辑门,对于量子比特而言,量子比特逻辑门实际上指的是一系列的调控信号,这些调控信号的各项参数准确与否对于量子比特而言非常重要,这里提到的参数包括但不限于保真度。现有技术中,需要研发人员在测试阶段可通过对量子比特执行RB(Randomized Benchmarking)实验,来获取克里夫特(Clifford)群中单量子比特逻辑门的平均保真度,克里夫特群中包含了24个群元素,这24个群元素都是幺正算符,这些算符对应的旋转操作对应了正八面体所有转动对称操作,24个群元素对应了24个单量子比特逻辑门。最终根据实际执行结果人工判断当前的量子比特逻辑门是否符合要求,这种方案效率较低,极大地影响了测试过程的执行效率。
因此,提出一种可以提高量子芯片测试效率的方案日益成为本领域亟待解决的问题。
需要说明的是,公开于本申请背景技术部分的信息仅仅旨在加深对本申请一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种单量子比特逻辑门的测试方法、量子计算机,用于解决现有技术中单量子比特逻辑门测试效率低下的问题。
为了解决以上技术问题,本发明提出了一种单量子比特逻辑门的测试方法,包括:
获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,其中,所述RB实验为从克里夫特群中随机选取若干个单量子比特逻辑门以及所述选中的若干个单量子比特逻辑门的逆操作,并将选中的单量子比特逻辑门以及所述逆操作依次施加到所述待测量子比特上;
对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果;
基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。
可选地,所述物理模型包括:
对所述待测量子比特执行所述RB实验后的理论预期结果满足以下公式:
y=APx+B;
其中,y为所述待测量子比特处于|0>态或|1>态的概率,x为所述RB实验的门深度,所述门深度为从所述克里夫特群中随机选取单量子比特逻辑门的数量,A、P、B均为所述物理模型的参数。
可选地,所述对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果,包括:
预设所述RB实验的门深度的范围,所述门深度为从所述克里夫特群中随机选取单量子比特逻辑门的数量;
依次遍历预设的所述门深度的范围,获取所述待测量子比特处于|0>态或|1>态的概率随所述门深度的变化情况;
所述待测量子比特处于|0>态或|1>态的概率随所述门深度的变化情况为所述RB实验的实际执行结果。
可选地,所述基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求,包括:
基于所述物理模型判断所述实际执行结果是否符合要求;
根据判断结果获取所述单量子比特逻辑门是否符合要求,其中,若判断结果为所述实际执行结果不符合要求,则获取所述单量子比特逻辑门不符合要求,若判断结果为所述实际执行结果符合要求,则获取所述单量子比特逻辑门符合要求。
可选地,所述基于所述物理模型判断所述实际执行结果是否符合要求,包括:
对所述物理模型以及所述实际执行结果利用拟合优度判断所述实际执行结果是否符合要求。
可选地,所述对所述物理模型以及所述实际执行结果利用拟合优度判断所述实际执行结果是否符合要求,包括:
构建第一公式,所述第一公式为:
其中,R2为偏移程度,yfit为所述理论预期结果,yraw为所述实际执行结果,为所述实际执行结果的平均值;
利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求。
可选地,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,包括:
判断所述偏移程度是否在所述第一预设阈值的范围内;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述实际执行结果为不符合要求。
可选地,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,还包括:
在所述偏移程度处于所述第一预设阈值的范围内时,判断所述实际执行结果的方差均值是否在第二预设阈值的范围内;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述实际执行结果为不符合要求。
可选地,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,还包括:
在所述偏移程度处于所述第一预设阈值的范围内时,基于所述实际执行结果获取所述单量子比特逻辑门的保真度;
判断所述单量子比特逻辑门的保真度是否满足第三预设阈值;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述单量子比特逻辑门不符合要求。
基于同一发明构思,本发明还提出一种单量子比特逻辑门的测试装置,包括:
物理模型获取单元,其被配置为获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,其中,所述RB实验为从克里夫特群中随机选取若干个单量子比特逻辑门,并将选中的单量子比特逻辑门依次施加到所述待测量子比特上;
实验执行单元,其被配置为对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果;
判别单元,其被配置为基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。
基于同一发明构思,本发明还提出一种量子控制系统,利用上述特征描述中任一项所述的单量子比特逻辑门的测试方法对单量子比特逻辑门进行判断,或包括上述特征描述中所述的单量子比特逻辑门的测试装置。
基于同一发明构思,本发明还提出一种量子计算机,包括上述特征描述中所述的量子控制系统。
基于同一发明构思,本发明还提出一种可读存储介质,其上存储有计算机程序,所述计算机程序被一处理器执行时能实现上述特征描述中任一项所述的单量子比特逻辑门的测试方法。
与现有技术相比,本发明具有以下有益效果:
本发明提出的单量子比特逻辑门的测试方法,获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,并对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果,最终基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。基于本申请提出的单量子比特逻辑门的测试方法对单量子比特逻辑门进行测试,由于预先建立了反映待测量子比特在执行RB实验后的理论预期结果的物理模型,通过物理模型跟实际执行结果进行比较可以得出单量子比特逻辑门是否符合要求,整个测试过程无需人工介入,可以实现快速判断单量子比特逻辑门是否符合要求,在一定程度上提高了量子芯片测试过程的执行效率。
本发明还提出一种单量子比特逻辑门的测试装置、量子控制系统、量子计算机以及可读存储介质,与所述单量子比特逻辑门的测试方法属于同一发明构思,因此具有相同的有益效果,在此不做赘述。
附图说明
图1为本发明实施例提出的一种单量子比特逻辑门的测试方法的流程图;
图2为第一种RB实验的结果示意图;
图3为第二种RB实验的结果示意图;
图4为第三种RB实验的结果示意图;
图5为本发明另一实施例提出的一种单量子比特逻辑门的测试装置的结构示意图。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
在本发明的描述中,需要理解的是,术语“中心”、“上”、“下”、“左”、“右”等指示的方位或者位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
请参考图1,本发明实施例提出一种单量子比特逻辑门的测试方法,包括:
S10:获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,其中,所述RB实验为从克里夫特群中随机选取若干个单量子比特逻辑门以及所述选中的若干个单量子比特逻辑门的逆操作,并将选中的单量子比特逻辑门以及所述逆操作依次施加到所述待测量子比特上;
S20:对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果;
S30:基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。
与现有技术不同之处在于,本实施例提出的单量子比特逻辑门的测试方法,获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,并对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果,最终基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。基于本申请提出的单量子比特逻辑门的测试方法对单量子比特逻辑门进行测试,由于预先建立了反映待测量子比特在执行RB实验后的理论预期结果的物理模型,通过物理模型跟实际执行结果进行比较可以得出单量子比特逻辑门是否符合要求,整个测试过程无需人工介入,可以实现快速判断单量子比特逻辑门是否符合要求,在一定程度上提高了量子芯片测试过程的执行效率。
本领域技术人员可以理解的是,所述RB实验最终获取的是克里夫特群中单量子比特的平均保真度,以下对本申请实施例中提到的RB实验具体流程作简要介绍,首先从克里夫特群中随机选取m个群元素,依次施加到待测量子比特上,根据克里夫特群的定义,我们一定能从克里夫特群中获得一个逆元使得上述一系列操作等效为一个单元门,再把它施加到待测量子比特上,如果克里夫特群中所有的单量子比特逻辑门都是精确无误的,那么此时待测量子比特应当处于|0>态。测量待测量子比特处于|0>态的概率作为上述m个群元素(也即m个单量子比特逻辑门)的保真度,其中,m又被称为门深度,对于每个m,重复执行k次得到保真度的平均值Pm。改变m的值重复上述过程,得到一组{Pm},通过拟合可以计算出一个克里夫特操作的错误r,而一个克里夫特操作平均包含1.875个单量子比特逻辑门,因此,单量子比特逻辑门的平均保真度F=1-r/1.875。
在本申请实施例中,申请人建立了所述单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果。具体地,所述物理模型包括:
对所述待测量子比特执行所述RB实验后的理论预期结果满足以下公式:
y=APx+B;
其中,y为所述待测量子比特处于|0>态或|1>态的概率,x为所述RB实验的门深度,所述门深度为从所述克里夫特群中随机选取单量子比特逻辑门的数量,A、P、B均为所述物理模型的参数。
具体地,在本申请实施例中,所述对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果,包括:
预设所述RB实验的门深度的范围,所述门深度为从所述克里夫特群中随机选取单量子比特逻辑门的数量;
依次遍历预设的所述门深度的范围,获取所述待测量子比特处于|0>态或|1>态的概率随所述门深度的变化情况;
所述待测量子比特处于|0>态或|1>态的概率随所述门深度的变化情况为所述RB实验的实际执行结果。
通过前面对于RB实验的描述可知,对于每个门深度均会重复执行k次,在本实施例中,所述k可设置为30,也即每个门深度均会重复执行k次,具体的实际执行结果可参考图2至图4,其中,图2中的A1、图3中的B1、图4中的C1指示的各个黑点代表的是每次遍历门深度时的结果。
进一步地,在本申请实施例中,所述基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求,包括:
基于所述物理模型判断所述实际执行结果是否符合要求;
根据判断结果获取所述单量子比特逻辑门是否符合要求,其中,若判断结果为所述实际执行结果不符合要求,则获取所述单量子比特逻辑门不符合要求,若判断结果为所述实际执行结果符合要求,则获取所述单量子比特逻辑门符合要求。
本领域技术人员可以理解的是,不同的应用场景,对于实际执行结果的精度要求不同,有些对精度要求不高的节点可能对于偏离一定范围内的实际执行结果是可以接受的,但是对于一些精度要求较高的节点来说,需要实际执行结果很接近所述物理模型。
为了获取所述实际执行结果是否符合要求,申请人提出利用拟合优度来实现,拟合优度(Goodness of Fit)是指回归直线对观测值的拟合程度。主要是运用判定系数和回归标准差,检验模型对样本观测值的拟合程度。当解释变量为多元时,要使用调整的拟合优度,以解决变量元素增加对拟合优度的影响。假定一个总体可分为r类,现从该总体获得了一个样本——这是一批分类数据,需要我们从这些分类数据中出发,去判断总体各类出现的概率是否与已知的概率相符。譬如要检验一颗骰子是否是均匀的,那么可以将该骰子抛掷若干次,记录每一面出现的次数,从这些数据出发去检验各面出现的概率是否都是1/6,拟合优度检验就是用来检验一批分类数据所来自的总体的分布是否与某种理论分布相一致。具体地,在本申请实施例中,所述基于所述物理模型判断所述实际执行结果是否符合要求,包括:
对所述物理模型以及所述实际执行结果利用拟合优度判断所述实际执行结果是否符合要求。
进一步地,所述对所述物理模型以及所述实际执行结果利用拟合优度判断所述实际执行结果是否符合要求,包括:
构建第一公式,所述第一公式为:
其中,R2为偏移程度,yfit为所述理论预期结果,yraw为所述实际执行结果,为所述实际执行结果的平均值;
利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求。
在本实施例中,所述R2越接近1,说明所述调制情况偏离所述物理模型的理论预期值的程度越小,通过拟合优度方法中的R2也即偏移程度可以很直观地发现实际执行结果与物理模型的契合程度,进而以此来判断所述能量驰豫时间参数是否符合要求。通过前述分析可知,不同的应用场景,对于实际执行结果的精度要求不同,有些对精度要求不高的节点可能对于偏离一定范围内的实际执行结果是可以接受的,那么此时所述第一预设阈值可以适当小于1,例如可设置为R2不小于0.8或0.7等。但是对于一些精度要求较高的节点来说,需要实际执行结果很接近所述物理模型,此时所述第一预设阈值需要设置比较接近1,例如可设置为R2不小于0.9或0.95等。需要注意的是,上述例举的第一预设阈值仅是为了便于技术人员可以更好理解本申请的技术方案,而不能视为对本申请技术方案的限制。
可选地,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,包括:
判断所述偏移程度是否在所述第一预设阈值的范围内;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述实际执行结果为不符合要求。
通过上面的描述,本领域技术人员可以理解的是,所述第一预设阈值的值可根据实际应用场景来调整,为了便于说明本申请的方案,在本实施例中,所述第一预设阈值设置为0.97,也即当所述R2大于0.97时,判定所述实际执行结果为符合要求,当所述R2小于等于0.97时,判定所述实际执行结果为不符合要求。
请参考图2至图4,其中,图2中的A1、图3中的B1以及图4中的C1中的所有黑点指的是所述实际执行结果的分布情况,图2中的A2、图3中的B2以及图4中的C2为所述物理模型的理论预期结果,图2中的曲线A1和曲线A2相比,其R2为0.997,图3中的曲线B1和B2的R2是0.974。图4中C1和C2的R2是0.976。需要注意的是,在本实施例中,图2至图4中纵坐标均表示的是|0>态概率,在其它实施例中纵坐标还可以表示|1>态概率,在此不做赘述。
进一步地,在本发明实施例中,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,还包括:
在所述偏移程度处于所述第一预设阈值的范围内时,判断所述实际执行结果的方差均值是否在第二预设阈值的范围内;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述实际执行结果为不符合要求。
图2中的实际执行结果的方差均值为0.00028,图3中的实际执行结果的方差均值为0.00069,图3中的实际执行结果的方差均值为0.00993,在本实施例中所述第二预设阈值设置为小于0.0021,也即方差均值小于0.0021时,判定所述实际执行结果为符合要求,方差均值大于或等于0.0021时,判定所述实际执行结果为不符合要求。
进一步地,在本发明实施例中,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,还包括:
在所述偏移程度处于所述第一预设阈值的范围内时,基于所述实际执行结果获取所述单量子比特逻辑门的保真度;
判断所述单量子比特逻辑门的保真度是否满足第三预设阈值;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述单量子比特逻辑门不符合要求。
图2中的所述单量子比特逻辑门的保真度为0.9979,图3中的所述单量子比特逻辑门的保真度为0.9974,图4中的所述单量子比特逻辑门的保真度为0.9885,在本发明实施例中,所述第二预设阈值可设置为大于0.99,也即保真度大于0.99时,判定所述实际执行结果为符合要求,保真度小于或等于0.99时,判定所述实际执行结果为不符合要求。
请参考图5,基于同一发明构思,本发明实施例还提出一种单量子比特逻辑门的测试装置,包括:
物理模型获取单元100,其被配置为获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,其中,所述RB实验为从克里夫特群中随机选取若干个单量子比特逻辑门,并将选中的单量子比特逻辑门依次施加到所述待测量子比特上;
实验执行单元200,其被配置为对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果;
判别单元300,其被配置为基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。
可以理解的是,所述物理模型获取单元100、所述实验执行单元200以及所述判别单元300可以合并在一个装置中实现,或者其中的任意一个模块可以被拆分成多个子模块,或者,所述物理模型获取单元100、所述实验执行单元200以及所述判别单元300中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个功能模块中实现。根据本发明的实施例,所述物理模型获取单元100、所述实验执行单元200以及所述判别单元300中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式的适当组合来实现。或者,所述物理模型获取单元100、所述实验执行单元200以及所述判别单元300中的至少一个可以至少被部分地实现为计算机程序模块,当该程序被计算机运行时,可以执行相应模块的功能。
基于同一发明构思,本发明实施例还提出一种量子控制系统,利用上述特征描述中任一项所述的单量子比特逻辑门的测试方法对单量子比特逻辑门进行判断,或包括上述特征描述中所述的单量子比特逻辑门的测试装置。
基于同一发明构思,本发明实施例还提出一种量子计算机,包括上述特征描述中所述的量子控制系统。
基于同一发明构思,本发明实施例还提出一种可读存储介质,其上存储有计算机程序,所述计算机程序被一处理器执行时能实现上述特征描述中任一项所述的单量子比特逻辑门的测试方法。
所述可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备,例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所描述的计算机程序可以从可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收所述计算机程序,并转发该计算机程序,以供存储在各个计算/处理设备中的可读存储介质中。用于执行本发明操作的计算机程序可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。所述计算机程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机程序的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、系统和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序实现。这些计算机程序可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些程序在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机程序存储在可读存储介质中,这些计算机程序使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有该计算机程序的可读存储介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机程序加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的计算机程序实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”或“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (13)
1.一种单量子比特逻辑门的测试方法,其特征在于,包括:
获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,其中,所述RB实验为从克里夫特群中随机选取若干个单量子比特逻辑门以及所述选中的若干个单量子比特逻辑门的逆操作,并将选中的单量子比特逻辑门以及所述逆操作依次施加到所述待测量子比特上;
对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果;
基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。
2.如权利要求1所述的测试方法,其特征在于,所述物理模型包括:
对所述待测量子比特执行所述RB实验后的理论预期结果满足以下公式:
y=APx+B;
其中,y为所述待测量子比特处于|0>态或|1>态的概率,x为所述RB实验的门深度,所述门深度为从所述克里夫特群中随机选取单量子比特逻辑门的数量,A、P、B均为所述物理模型的参数。
3.如权利要求1所述的测试方法,其特征在于,所述对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果,包括:
预设所述RB实验的门深度的范围,所述门深度为从所述克里夫特群中随机选取单量子比特逻辑门的数量;
依次遍历预设的所述门深度的范围,获取所述待测量子比特处于|0>态或|1>态的概率随所述门深度的变化情况;
所述待测量子比特处于|0>态或|1>态的概率随所述门深度的变化情况为所述RB实验的实际执行结果。
4.如权利要求1所述的测试方法,其特征在于,所述基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求,包括:
基于所述物理模型判断所述实际执行结果是否符合要求;
根据判断结果获取所述单量子比特逻辑门是否符合要求,其中,若判断结果为所述实际执行结果不符合要求,则获取所述单量子比特逻辑门不符合要求,若判断结果为所述实际执行结果符合要求,则获取所述单量子比特逻辑门符合要求。
5.如权利要求4所述的测试方法,其特征在于,所述基于所述物理模型判断所述实际执行结果是否符合要求,包括:
对所述物理模型以及所述实际执行结果利用拟合优度判断所述实际执行结果是否符合要求。
6.如权利要求5所述的测试方法,其特征在于,所述对所述物理模型以及所述实际执行结果利用拟合优度判断所述实际执行结果是否符合要求,包括:
构建第一公式,所述第一公式为:
其中,R2为偏移程度,yfit为所述理论预期结果,yraw为所述实际执行结果,为所述实际执行结果的平均值;
利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求。
7.如权利要求6所述的测试方法,其特征在于,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,包括:
判断所述偏移程度是否在所述第一预设阈值的范围内;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述实际执行结果为不符合要求。
8.如权利要求6所述的测试方法,其特征在于,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,还包括:
在所述偏移程度处于所述第一预设阈值的范围内时,判断所述实际执行结果的方差均值是否在第二预设阈值的范围内;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述实际执行结果为不符合要求。
9.如权利要求6所述的测试方法,其特征在于,所述利用所述第一公式获取到的所述偏移程度与第一预设阈值的比较,判断所述实际执行结果是否符合要求,还包括:
在所述偏移程度处于所述第一预设阈值的范围内时,基于所述实际执行结果获取所述单量子比特逻辑门的保真度;
判断所述单量子比特逻辑门的保真度是否满足第三预设阈值;
若是,则判定所述实际执行结果为符合要求;
若否,则判定所述单量子比特逻辑门不符合要求。
10.一种单量子比特逻辑门的测试装置,其特征在于,包括:
物理模型获取单元,其被配置为获取单量子比特逻辑门的物理模型,所述物理模型用于反映待测量子比特在执行RB实验后的理论预期结果,其中,所述RB实验为从克里夫特群中随机选取若干个单量子比特逻辑门,并将选中的单量子比特逻辑门依次施加到所述待测量子比特上;
实验执行单元,其被配置为对所述待测量子比特执行所述RB实验,获取所述RB实验的实际执行结果;
判别单元,其被配置为基于所述物理模型以及所述实际执行结果判断所述单量子比特逻辑门是否符合要求。
11.一种量子控制系统,其特征在于,利用如权利要求1-9中任一项所述的单量子比特逻辑门的测试方法对单量子比特逻辑门进行判断,或包括权利要求10所述的单量子比特逻辑门的测试装置。
12.一种量子计算机,其特征在于,包括如权利要求11所述的量子控制系统。
13.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被一处理器执行时能实现权利要求1至9中任一项所述的单量子比特逻辑门的测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708848.4A CN117332861A (zh) | 2022-06-22 | 2022-06-22 | 单量子比特逻辑门的测试方法、量子计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708848.4A CN117332861A (zh) | 2022-06-22 | 2022-06-22 | 单量子比特逻辑门的测试方法、量子计算机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117332861A true CN117332861A (zh) | 2024-01-02 |
Family
ID=89281639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708848.4A Pending CN117332861A (zh) | 2022-06-22 | 2022-06-22 | 单量子比特逻辑门的测试方法、量子计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117332861A (zh) |
-
2022
- 2022-06-22 CN CN202210708848.4A patent/CN117332861A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11941491B2 (en) | Methods and apparatus for identifying an impact of a portion of a file on machine learning classification of malicious content | |
US10621492B2 (en) | Multiple record linkage algorithm selector | |
US9942103B2 (en) | Predicting service delivery metrics using system performance data | |
Acharya et al. | A chasm between identity and equivalence testing with conditional queries | |
US20170140273A1 (en) | System and method for automatic selection of deep learning architecture | |
CN111368289B (zh) | 一种恶意软件检测方法和装置 | |
JP2021093154A (ja) | ホログラフィー量子力学シミュレーション | |
CN113011594B (zh) | 量子比特的校准方法及装置、量子计算机 | |
CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN116306806A (zh) | 故障诊断模型确定方法、装置及非易失性存储介质 | |
Hera et al. | Debiasing fracminhash and deriving confidence intervals for mutation rates across a wide range of evolutionary distances | |
CN115982053A (zh) | 一种检测软件源代码缺陷的方法、装置及应用 | |
Pilavakis et al. | Testing equality of autocovariance operators for functional time series | |
CN113919418A (zh) | 基于小样本的分类模型训练方法、装置及电子设备 | |
CN117332861A (zh) | 单量子比特逻辑门的测试方法、量子计算机 | |
Duque-Torres et al. | Using source code metrics for predicting metamorphic relations at method level | |
US20220261998A1 (en) | Adaptive machine learning system for image-based biological sample constituent analysis | |
CN112433952B (zh) | 深度神经网络模型公平性测试方法、系统、设备及介质 | |
CN117313874A (zh) | 单量子比特逻辑门的测试方法、量子控制系统 | |
CN117368569A (zh) | Ac调制谱的测试方法、装置以及量子计算机 | |
CN117521818A (zh) | 两量子比特逻辑门参数的测试方法及装置、量子计算机 | |
CN117196047A (zh) | 量子比特能量驰豫时间参数的测试方法、量子控制系统 | |
EP4207006A1 (en) | Model generation program, model generation method, and model generation device | |
CN117434343A (zh) | 量子比特频率参数的测试方法、量子计算机 | |
WO2022041866A1 (zh) | 因果关系的确定方法、装置、设备及可读存储介质 |
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 |