CN117332863A - 标定并优化参量放大器的方法 - Google Patents
标定并优化参量放大器的方法 Download PDFInfo
- Publication number
- CN117332863A CN117332863A CN202311149756.8A CN202311149756A CN117332863A CN 117332863 A CN117332863 A CN 117332863A CN 202311149756 A CN202311149756 A CN 202311149756A CN 117332863 A CN117332863 A CN 117332863A
- Authority
- CN
- China
- Prior art keywords
- target value
- parametric amplifier
- signal
- noise ratio
- value
- 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 36
- 239000002096 quantum dot Substances 0.000 claims abstract description 87
- 238000005457 optimization Methods 0.000 claims abstract description 78
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000005086 pumping Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002922 simulated annealing 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
- G06N10/70—Quantum error correction, detection or prevention, e.g. surface codes or magic state distillation
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03F—AMPLIFIERS
- H03F19/00—Amplifiers using superconductivity effects
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Power Engineering (AREA)
- Amplifiers (AREA)
Abstract
本公开提供一种标定并优化参量放大器的方法,包括:根据参量放大器类型,确定参量放大器的工作参数;根据目标计算方法,在量子比特的读取频率下,分别计算参量放大器的微波泵浦输出在关闭状态的第一信噪比和微波泵浦输出在打开状态的第二信噪比;根据第一信噪比和第二信噪比,标定出信噪比增益;获取量子比特的第一目标值,根据第一目标值的平均值或者最小值,构建得到第二目标值;设定阈值范围,通过随机工作参数测试,根据超过阈值范围所对应的工作参数确定优化算法的初值,根据优化算法对初值进行迭代,优化算法对使第二目标值向更大方向进行预测,经过多次迭代,使得第二目标值最大化,最大化后的第二目标值对应的工作参数为优化工作参数。
Description
技术领域
本公开涉及量子计算的技术领域,更具体地,涉及一种标定并优化参量放大器的方法。
背景技术
如何实现快速高保真度的量子比特状态测量是量子计算发展的重点,由超导量子比特实现的超导量子芯片是当前量子计算最行之有效的物理平台之一,如何实现对大规模超导量子芯片的高保真度信息读出是提高量子比特读取精度的核心技术与挑战。
参量放大器是提升量子比特读取保真度的关键器件,它可以在极低温温区实现对微弱读取信号的放大,加入接近量子极限的噪声,从而提升读取信号的信噪比,降低了量子比特读取中的分离错误。而决定参量放大器工作性能的控制参数通常有参量放大器的直流偏置电压、泵浦信号频率和功率等。目前,如何快速地完成参量放大器的标定以及工作参数的优化,是实现大规模量子计算并行快速读取的必要条件之一。
发明内容
为解决现有技术中的所述以及其他方面的至少一种技术问题,本公开提供一种标定并优化参量放大器的方法,能够实现通过少量的测量次数标定不同类型的参量放大器在量子比特的读取频率下的性能情况,在快速标定参量放大器的同时可以优化得到参量放大器最佳的工作参数。
本公开的实施例的提供了一种标定并优化参量放大器的方法,包括:根据参量放大器的类型,确定上述参量放大器的工作参数;根据目标计算方法,在量子比特的读取频率下,分别计算上述参量放大器的微波泵浦输出在关闭状态下的第一信噪比和上述微波泵浦输出在打开状态下的第二信噪比;根据上述第一信噪比和上述第二信噪比,标定出上述参量放大器在上述工作参数和上述读取频率的条件下的信噪比增益;获取上述量子比特的第一目标值,根据上述第一目标值的平均值或者最小值,构建得到第二目标值;结合随机工作参数测试和优化算法,设定阈值范围,通过上述随机工作参数测试,根据超过上述阈值范围所对应的工作参数确定上述优化算法的初值,根据上述优化算法对上述初值进行迭代,上述优化算法对使上述第二目标值向更大的方向进行预测,经过多次上述优化算法的迭代,使得上述第二目标值最大化,最大化后的第二目标值对应的工作参数为上述参量放大器的优化工作参数。
根据本公开的一些实施例,上述参量放大器的类型包括以下之一:约瑟夫森参量放大器、阻抗匹配约瑟夫森参量放大器和约瑟夫森行波参量放大器;上述约瑟夫森参量放大器和上述阻抗匹配约瑟夫森参量放大器的工作参数分别包括电压直流偏置、泵浦信号频率和泵浦信号功率,上述约瑟夫森行波参量放大器的工作参数包括泵浦信号频率和泵浦信号功率。
根据本公开的一些实施例,上述根据目标计算方法,在量子比特的读取频率下,分别计算上述参量放大器的微波泵浦输出在关闭状态下的第一信噪比和上述微波泵浦输出在打开状态下的第二信噪比包括:任意选取上述量子比特的读取频率,对上述读取频率进行多次指定读取时间和读取信号幅度的重复采样;上述读取信号幅度在解模复平面上表征为二维高斯分布,通过拟合得到上述二维高斯分布的中心坐标和分布标准差;根据上述中心坐标和分布标准差,分别计算上述第一信噪比和上述第二信噪比。
根据本公开的一些实施例,上述根据目标计算方法,在量子比特的读取频率下,分别计算上述参量放大器的微波泵浦输出在关闭状态下的第一信噪比和上述微波泵浦输出在打开状态下的第二信噪比还包括:在上述量子比特的标定的读取频率下,将上述量子比特分别制备在0态和1态上,分别得到上述量子比特在上述0态和上述1态对应的信号分布和标准差;根据上述信号分布和上述标准差,分别计算上述第一信噪比和上述第二信噪比。
根据本公开的一些实施例,上述获取上述量子比特的第一目标值,根据上述第一目标值的平均值或者最小值,构建得到第二目标值包括:根据上述信噪比增益,得到上述量子比特的上述第一目标值;根据上述第一目标值的平均值或者最小值,构建得到上述第二目标值。
根据本公开的一些实施例,上述获取上述量子比特的第一目标值,根据上述第一目标值的平均值或者最小值,构建得到第二目标值还包括:根据上述量子比特分别制备在上述0态和上述1态测量得到的概率,计算上述量子比特在上述0态的概率和上述量子比特在上述1态的概率的和的平均值,得到上述量子比特的保真度,上述保真度组成上述量子比特的上述第一目标值;根据上述第一目标值的平均值或者最小值,构建得到上述第二目标值。
根据本公开的一些实施例,上述获取上述量子比特的第一目标值,根据上述第一目标值的平均值或者最小值,构建得到第二目标值还包括:根据上述参量放大器的微波泵浦输出在关闭状态下的信号幅值和上述微波泵浦输出在打开状态下的信号幅值,计算得到信号幅值增益,上述信号幅值增益组成上述量子比特的上述第一目标值;根据上述第一目标值的平均值或者最小值,构建得到上述第二目标值。
根据本公开的一些实施例,上述结合随机工作参数测试和优化算法,设定阈值范围,通过上述随机工作参数测试,根据超过上述阈值范围所对应的工作参数确定上述优化算法的初值,根据上述优化算法对上述初值进行迭代,上述优化算法对使上述第二目标值向更大的方向进行预测,经过多次上述优化算法的迭代,使得上述第二目标值最大化,最大化后的第二目标值对应的工作参数为上述参量放大器的优化工作参数包括:设定上述阈值范围,进行多次的上述随机工作参数测试,每个随机工作参数对应一个上述第二目标值;将超过上述阈值范围的最优工作点对应的工作参数作为上述优化算法的初值;根据上述优化算法对上述初值进行迭代,上述优化算法对使上述第二目标值向更大的方向进行预测;经过多次上述优化算法的迭代,使得上述第二目标值最大化,上述最大化后的第二目标值对应的工作参数为上述参量放大器的上述优化工作参数。
根据本公开的一些实施例,上述经过多次上述优化算法的迭代,使得上述第二目标值最大化,上述最大化后的第二目标值对应的工作参数为上述参量放大器的上述优化工作参数包括:在上述优化算法的优化次数达到上限值或者上述第二目标值在多次迭代中收敛的情况下,上述优化算法停止,上述最大化后的第二目标值对应的工作参数为上述参量放大器的上述优化工作参数。
根据本公开的一些实施例,上述量子比特为单个或者多个。
根据本公开实施例的一种标定并优化参量放大器的方法,根据不同参量放大器的类型,确定不同参量放大器的工作参数,根据目标计算方法,在量子比特的读取频率下,分别计算参量放大器的微波泵浦输出在关闭状态下的第一信噪比和微波泵浦输出在打开状态下的第二信噪比,根据第一信噪比和第二信噪比,标定出参量放大器在工作参数和读取频率的条件下的性能情况,再根据量子比特的第一目标值的平均值或者最小值,构建得到第二目标值,结合随机工作参数测试和优化算法,设定阈值范围,通过随机工作参数测试,根据超过阈值范围所对应的工作参数确定优化算法的初值,根据优化算法对初值进行迭代,优化算法对使第二目标值向更大的方向进行预测,经过多次优化算法的迭代,使得第二目标值最大化,最大化后的第二目标值对应的工作参数为参量放大器的优化工作参数,通过少量的测量次数在快速标定参量放大器的同时可以优化得到参量放大器最佳的工作参数。
附图说明
图1是根据本公开的一种示意性实施例的标定并优化参量放大器的方法的流程图;
图2是图1所示的步骤S2的子流程图;
图3是图1所示的步骤S2的另一子流程图;以及
图4是图1所示的步骤S5的子流程图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
根据本公开一个方面的发明构思,传统的参量放大器的优化方法,在巨大的参数空间中进行参数扫描,再通过大量的数据处理找到合适的工作参数,一般需要的测量线路数量在103量级。为了解决快速地完成参量放大器的标定以及工作参数的优化的问题,本公开通过少量的测量次数标定不同类型的参量放大器在量子比特的读取频率下的性能情况,并结合随机工作参数测试和优化算法,在快速标定参量放大器的同时可以优化得到参量放大器最佳的工作参数。使用随机工作参数测试的线路数量一般只需要50条线路,而使用优化算法在100条线路以内即可迭代出参量放大器最佳的工作参数,本公开的方法将线路数量降低了一个量级,节省了大量的实验优化时间。
图1是根据本公开的一种示意性实施例的标定并优化参量放大器的方法的流程图。
根据本公开的实施例,如图1所示,一种标定并优化参量放大器的方法包括以下步骤S1-S5:
步骤S1:根据参量放大器的类型,确定参量放大器的工作参数。
步骤S2:根据目标计算方法,在量子比特的读取频率下,分别计算参量放大器的微波泵浦输出在关闭状态下的第一信噪比和微波泵浦输出在打开状态下的第二信噪比。
步骤S3:根据第一信噪比和第二信噪比,标定出参量放大器在工作参数和读取频率的条件下的信噪比增益。
步骤S4:获取量子比特的第一目标值,根据第一目标值的平均值或者最小值,构建得到第二目标值。
步骤S5:结合随机工作参数测试和优化算法,设定阈值范围,通过随机工作参数测试,根据超过阈值范围所对应的工作参数确定优化算法的初值,根据优化算法对初值进行迭代,优化算法对使第二目标值向更大的方向进行预测,经过多次优化算法的迭代,使得第二目标值最大化,最大化后的第二目标值对应的工作参数为参量放大器的优化工作参数。
根据本公开的实施例,标定并优化参量放大器的方法适用于超导量子计算中量子比特读取的多种参量放大器,工作模式包括三波混频模式和四波混频模式。
根据本公开的实施例,目标计算方法包括单采样点信号信噪比的计算方法和量子比特读取态分布信噪比的计算方法。
根据本公开的实施例,优化算法可以是Nelder–Mead算法,也可以是其他的优化算法,例如是Differential evolution算法、Generalized Simulated Annealing等目标值不可导情况下应用的全局优化算法。
根据本公开的实施例,通过少量的测量次数标定不同类型的参量放大器在量子比特的读取频率下的性能情况,并结合随机工作参数测试和优化算法,在快速标定参量放大器的同时可以优化得到参量放大器最佳的工作参数。在实验标定的过程中,由于温度变化等因素导致参量放大器硬件输出有一定漂移,实验上需要重新优化参量放大器性能时,可以只使用优化算法并把原参数作为优化初值实现快速的工作参数的优化。又得益于量子计算的并行信息处理能力,在大规模量子计算实验中,本公开的方法可以对多读取链路的参量放大器的工作参数进行并行优化,加快量子计算芯片的标定速度。
根据本公开的实施例,参量放大器的类型包括但不限于采用以下之一:约瑟夫森参量放大器、阻抗匹配约瑟夫森参量放大器和约瑟夫森行波参量放大器。约瑟夫森参量放大器和阻抗匹配约瑟夫森参量放大器的工作参数分别包括电压直流偏置、泵浦信号频率和泵浦信号功率,约瑟夫森行波参量放大器的工作参数包括泵浦信号频率和泵浦信号功率。
根据本公开的实施例,参量放大器的泵浦信号频率和泵浦信号功率为一组泵浦信号参数,在部分实验情况下,参量放大器使用的泵浦信号参数会不止一组,存在包括多组泵浦信号参数的情况。
根据本公开的实施例,根据不同类型的参量放大器确定不同的参量放大器分别对应的工作参数,有助于后续对于参量放大器在工作参数和读取频率的条件下的信噪比增益的获取。
图2是图1所示的步骤S2的子流程图。
根据本公开的实施例,如图2所示,根据目标计算方法,在量子比特的读取频率下,分别计算参量放大器的微波泵浦输出在关闭状态下的第一信噪比和微波泵浦输出在打开状态下的第二信噪比包括以下步骤S201-S203:
步骤S201:任意选取量子比特的读取频率,对读取频率进行多次指定读取时间和读取信号幅度的重复采样。
步骤S202:读取信号幅度在解模复平面上表征为二维高斯分布,通过拟合得到二维高斯分布的中心坐标和分布标准差。
根据本公开的实施例,中心坐标表示为V_signal,分布标准差表示为Sigma_signal。
步骤S203:根据中心坐标和分布标准差,分别计算第一信噪比和第二信噪比。
根据本公开的实施例,步骤S201-S203为单采样点信号信噪比的计算方法,单采样点信号信噪比定义为中心坐标的绝对值与分布标准差比值的平方,通过以下公式(1)表示:
其中,SNR表示为信噪比,abs(V_signal)表示为中心坐标的绝对值。
根据本公开的实施例,参量放大器的工作性能指标包括信号幅值的增益,本公开的方法还给出了信噪比的指标,有助于标定参量放大器的工作性能。
图3是图1所示的步骤S2的另一子流程图。
根据本公开的实施例,如图3所示,根据目标计算方法,在量子比特的读取频率下,分别计算参量放大器的微波泵浦输出在关闭状态下的第一信噪比和微波泵浦输出在打开状态下的第二信噪比还包括以下步骤S211-S212:
步骤S211:在量子比特的标定的读取频率下,将量子比特分别制备在0态和1态上,分别得到量子比特在0态和1态对应的信号分布和标准差。
根据本公开的实施例,0态和1态表示为量子比特的两个状态,0态和1态分别是量子比特的基态和第一激发态,对应为经典的0和1。
根据本公开的实施例,0态对应的信号分布的中心表示为V_0,1态对应的信号分布的中心表示为V_1。0态对应的标准差表示为Sigma_0,1态对应的标准差表示为Sigma_1。
根据本公开的实施例,步骤S211为量子比特读取态分布信噪比的计算方法,通过以下公式(2)表示:
其中,abs(V_0-V_1)表示为0态对应的信号分布的中心与1态对应的信号分布的中心的差值的绝对值。
步骤S212:根据信号分布和标准差,分别计算第一信噪比和第二信噪比。
根据本公开的实施例,在量子比特的读取频率下,在参量放大器的指定工作参数下,参量放大器的微波泵浦输出在关闭状态下通过实验测试得到第一信噪比SNR_off,参量放大器的微波泵浦输出在打开状态下通过实验测试得到第二信噪比SNR_on。
根据本公开的实施例,根据第一信噪比SNR_off和第二信噪比SNR_on,标定出参量放大器在工作参数和读取频率的条件下的信噪比增益,通过以下公式(3)表示:
其中,SNR_Gain(f)表示为信噪比增益。
根据本公开的实施例,量子比特为单个或者多个。
根据本公开的实施例,在量子计算中,量子比特的测量一般为外差测量模式,一路读取链路同时对多个量子比特进行状态测量,每个量子比特的读取谐振腔频率设计一定的频率间隔,因此,在读取链路上的参量放大器需要同时放大多个读取信号,而由于读取信号频率的不同,参量放大器在不同量子比特的读取频率处有不同的性能表现,即不同的增益和噪声,最终对应不同的信噪比提升效果。
根据本公开的实施例,获取量子比特的第一目标值,根据第一目标值的平均值或者最小值,构建得到第二目标值包括:根据信噪比增益,得到量子比特的第一目标值。再根据第一目标值的平均值或者最小值,构建得到第二目标值。
根据本公开的实施例,对于单个量子比特的第一目标值,可以选择为单采样点信号信噪比增益或者量子比特读取态分布信噪比增益,单个量子比特的第一目标值的平均值或者最小值均为本身。
根据本公开的实施例,取第一目标值的平均值可以均衡的选择对量子比特较好的参量放大器的工作点性能,而取第一目标值的最小值可以保证读取频率的性能都均衡。
根据本公开的实施例,获取量子比特的第一目标值,根据第一目标值的平均值或者最小值,构建得到第二目标值还包括:根据量子比特分别制备在0态和1态测量得到的概率,计算量子比特在0态的概率和量子比特在1态的概率的和的平均值,得到量子比特的保真度,保真度组成量子比特的第一目标值。再根据第一目标值的平均值或者最小值,构建得到第二目标值。
根据本公开的实施例,将量子比特分别制备在0态和1态上,获取量子比特分别在0态和1态上对应的读取信号的幅值分布,并通过选择其信号分布中心连线的垂直平分线作为状态分辨线来进行读取状态的认定。在重复多次将量子比特制备在0态时,其读取信号在状态分辨线下被认为是0态的次数在总次数的占比,得到量子比特制备在0态测量得到的0态的概率,重复多次将量子比特制备在1态时,在状态分辨线下被认为是1态的概率在总次数的占比,得到量子比特制备在1态测量得到的1态的概率。
根据本公开的实施例,F00表示为量子比特制备在0态测量得到的0态的概率,F11表示为量子比特制备在1态测量得到的1态的概率,量子比特的保真度F通过以下公式(4)表示:
根据本公开的实施例,将量子比特的保真度直接作为第一目标值,能够在快速标定参量放大器并优化得到参量放大器最佳的工作参数后将读取保真度提到最大值具备直接标准。
根据本公开的实施例,获取量子比特的第一目标值,根据第一目标值的平均值或者最小值,构建得到第二目标值还包括:根据参量放大器的微波泵浦输出在关闭状态下的信号幅值和微波泵浦输出在打开状态下的信号幅值,计算得到信号幅值增益,信号幅值增益组成量子比特的第一目标值。再根据第一目标值的平均值或者最小值,构建得到第二目标值。
根据本公开的实施例,Vsignal_off表示为参量放大器的微波泵浦输出在关闭状态下的信号幅值,Vsignal_on表示为参量放大器的微波泵浦输出在打开状态下的信号幅值,信号幅值增益Gain通过以下公式(5)表示:
其中,abs(Vsignal_on)表示为参量放大器的微波泵浦输出在打开状态下的信号幅值的绝对值,abs(Vsignal_off)表示为参量放大器的微波泵浦输出在关闭状态下的信号幅值的绝对值。
根据本公开的实施例,在多个量子比特同时读取的情况下,此时存在多个读取频率,根据多个量子比特的第一目标值的平均值或者最小值,构建得到第二目标值,多个量子比特的第一目标值的平均值通过以下公式(6)表示:
Target_all = mean([Target_0, Target_1, Target_2…]) (6)
其中,Target_all表示为第二目标值,Target_0,Target_1,Target_2…表示为每个读取频率的第一目标值。
根据本公开的实施例,多个量子比特的第一目标值的最小值通过以下公式(7)表示:
Target_all = min([Target_0, Target_1, Target_2…]) (7)
根据本公开的实施例,取第一目标值的平均值可以均衡的选择对所有量子比特都较好的参量放大器的工作点性能,而取第一目标值的最小值可以保证所有读取频率的性能都均衡。
图4是图1所示的步骤S5的子流程图。
根据本公开的实施例,如图4所示,结合随机工作参数测试和优化算法,设定阈值范围,通过随机工作参数测试,根据超过阈值范围所对应的工作参数确定优化算法的初值,根据优化算法对初值进行迭代,优化算法对使第二目标值向更大的方向进行预测,经过多次优化算法的迭代,使得第二目标值最大化,最大化后的第二目标值对应的工作参数为参量放大器的优化工作参数包括以下步骤S501-S504:
步骤S501:设定阈值范围,进行多次的随机工作参数测试,每个随机工作参数对应一个第二目标值。
根据本公开的实施例,随机工作参数的选取区间根据实验标定过程中样品的设计参数和经验值手动给定。
根据本公开的实施例,进行多次的随机工作参数测试时,选取的每个随机的工作参数经过步骤S1-S4分别对应一个第二目标值。
步骤S502:将超过阈值范围的最优工作点对应的工作参数作为优化算法的初值。
步骤S503:根据优化算法对初值进行迭代,优化算法对使第二目标值向更大的方向进行预测。
根据本公开的实施例,根据目前的工作参数和第二目标值的情况,优化算法给出下一步实验上进行测试的工作参数的预测,而实验上也会在优化算法给出的工作参数上进行测试,得到新工作参数下的第二目标值。
步骤S504:经过多次优化算法的迭代,使得第二目标值最大化,最大化后的第二目标值对应的工作参数为参量放大器的优化工作参数。
根据本公开的实施例,在实验标定的过程中,由于温度变化等因素导致参量放大器硬件输出有一定漂移,实验上需要重新优化参量放大器性能时,可以只使用优化算法并把原参数作为优化算法的初值实现快速的工作参数的优化,或根据样品设计参数或经验手动给定优化算法的初值。
根据本公开的实施例,优化算法的初值的给定包括但不限于采用随机工作参数测试,也可以根据样品设计参数或经验手动给定。
根据本公开的实施例,经过多次优化算法的迭代,使得第二目标值最大化,最大化后的第二目标值对应的工作参数为参量放大器的优化工作参数包括:在优化算法的优化次数达到上限值或者第二目标值在多次迭代中收敛,或者第二目标值对应的工作参数在多次迭代中收敛,优化算法停止,最大化后的第二目标值对应的工作参数为参量放大器的优化工作参数。
根据本公开的实施例,得益于量子计算的并行信息处理能力,在大规模量子计算实验中,本公开的方法可以对多读取链路的参量放大器的工作参数进行并行优化,加快量子计算芯片的标定速度。
还需要说明的是,实施例中提到的方向用语,例如“上”、“下”、“前”、“后”、“左”、“右”等,仅是参考附图的方向,并非用来限制本公开的保护范围。贯穿附图,相同的元素由相同或相近的附图标记来表示。在可能导致对本公开的理解造成混淆时,将省略常规结构或构造,并且图中各部件的形状和尺寸不反映真实大小和比例,而仅示意本公开实施例的内容。
除非有所知名为相反之意,本说明书及所附权利要求中的数值参数是近似值,能够根据通过本公开的内容所得的所需特性改变。具体而言,所有使用于说明书及权利要求中表示组成的含量、反应条件等等的数字,应理解为在所有情况中是受到“约”的用语所修饰。一般情况下,其表达的含义是指包含由特定数量在一些实施例中±10%的变化、在一些实施例中±5%的变化、在一些实施例中±1%的变化、在一些实施例中±0.5%的变化。
说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词,以修饰相应的元件,其本身并不意味着该元件有任何的序数,也不代表某一元件与另一元件的顺序、或是制造方法上的顺序,该些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种标定并优化参量放大器的方法,包括:
根据参量放大器的类型,确定所述参量放大器的工作参数;
根据目标计算方法,在量子比特的读取频率下,分别计算所述参量放大器的微波泵浦输出在关闭状态下的第一信噪比和所述微波泵浦输出在打开状态下的第二信噪比;
根据所述第一信噪比和所述第二信噪比,标定出所述参量放大器在所述工作参数和所述读取频率的条件下的信噪比增益;
获取所述量子比特的第一目标值,根据所述第一目标值的平均值或者最小值,构建得到第二目标值;
结合随机工作参数测试和优化算法,设定阈值范围,通过所述随机工作参数测试,根据超过所述阈值范围所对应的工作参数确定所述优化算法的初值,根据所述优化算法对所述初值进行迭代,所述优化算法对使所述第二目标值向更大的方向进行预测,经过多次所述优化算法的迭代,使得所述第二目标值最大化,最大化后的第二目标值对应的工作参数为所述参量放大器的优化工作参数。
2.根据权利要求1所述的标定并优化参量放大器的方法,其中,所述参量放大器的类型包括以下之一:约瑟夫森参量放大器、阻抗匹配约瑟夫森参量放大器和约瑟夫森行波参量放大器;
所述约瑟夫森参量放大器和所述阻抗匹配约瑟夫森参量放大器的工作参数分别包括电压直流偏置、泵浦信号频率和泵浦信号功率,所述约瑟夫森行波参量放大器的工作参数包括泵浦信号频率和泵浦信号功率。
3.根据权利要求1所述的标定并优化参量放大器的方法,其中,所述根据目标计算方法,在量子比特的读取频率下,分别计算所述参量放大器的微波泵浦输出在关闭状态下的第一信噪比和所述微波泵浦输出在打开状态下的第二信噪比包括:
任意选取所述量子比特的读取频率,对所述读取频率进行多次指定读取时间和读取信号幅度的重复采样;
所述读取信号幅度在解模复平面上表征为二维高斯分布,通过拟合得到所述二维高斯分布的中心坐标和分布标准差;
根据所述中心坐标和分布标准差,分别计算所述第一信噪比和所述第二信噪比。
4.根据权利要求3所述的标定并优化参量放大器的方法,其中,所述根据目标计算方法,在量子比特的读取频率下,分别计算所述参量放大器的微波泵浦输出在关闭状态下的第一信噪比和所述微波泵浦输出在打开状态下的第二信噪比还包括:
在所述量子比特的标定的读取频率下,将所述量子比特分别制备在0态和1态上,分别得到所述量子比特在所述0态和所述1态对应的信号分布和标准差;
根据所述信号分布和所述标准差,分别计算所述第一信噪比和所述第二信噪比。
5.根据权利要求1所述的标定并优化参量放大器的方法,其中,所述获取所述量子比特的第一目标值,根据所述第一目标值的平均值或者最小值,构建得到第二目标值包括:
根据所述信噪比增益,得到所述量子比特的所述第一目标值;
根据所述第一目标值的平均值或者最小值,构建得到所述第二目标值。
6.根据权利要求4所述的标定并优化参量放大器的方法,其中,所述获取所述量子比特的第一目标值,根据所述第一目标值的平均值或者最小值,构建得到第二目标值还包括:
根据所述量子比特分别制备在所述0态和所述1态测量得到的概率,计算所述量子比特在所述0态的概率和所述量子比特在所述1态的概率的和的平均值,得到所述量子比特的保真度,所述保真度组成所述量子比特的所述第一目标值;
根据所述第一目标值的平均值或者最小值,构建得到所述第二目标值。
7.根据权利要求1所述的标定并优化参量放大器的方法,其中,所述获取所述量子比特的第一目标值,根据所述第一目标值的平均值或者最小值,构建得到第二目标值还包括:
根据所述参量放大器的微波泵浦输出在关闭状态下的信号幅值和所述微波泵浦输出在打开状态下的信号幅值,计算得到信号幅值增益,所述信号幅值增益组成所述量子比特的所述第一目标值;
根据所述第一目标值的平均值或者最小值,构建得到所述第二目标值。
8.根据权利要求1所述的标定并优化参量放大器的方法,其中,所述结合随机工作参数测试和优化算法,设定阈值范围,通过所述随机工作参数测试,根据超过所述阈值范围所对应的工作参数确定所述优化算法的初值,根据所述优化算法对所述初值进行迭代,所述优化算法对使所述第二目标值向更大的方向进行预测,经过多次所述优化算法的迭代,使得所述第二目标值最大化,最大化后的第二目标值对应的工作参数为所述参量放大器的优化工作参数包括:
设定所述阈值范围,进行多次的所述随机工作参数测试,每个随机工作参数对应一个所述第二目标值;
将超过所述阈值范围的最优工作点对应的工作参数作为所述优化算法的初值;
根据所述优化算法对所述初值进行迭代,所述优化算法对使所述第二目标值向更大的方向进行预测;
经过多次所述优化算法的迭代,使得所述第二目标值最大化,所述最大化后的第二目标值对应的工作参数为所述参量放大器的所述优化工作参数。
9.根据权利要求8所述的标定并优化参量放大器的方法,其中,所述经过多次所述优化算法的迭代,使得所述第二目标值最大化,所述最大化后的第二目标值对应的工作参数为所述参量放大器的所述优化工作参数包括:
在所述优化算法的优化次数达到上限值或者所述第二目标值在多次迭代中收敛的情况下,所述优化算法停止,所述最大化后的第二目标值对应的工作参数为所述参量放大器的所述优化工作参数。
10.根据权利要求7所述的标定并优化参量放大器的方法,其中,所述量子比特为单个或者多个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149756.8A CN117332863A (zh) | 2023-09-07 | 2023-09-07 | 标定并优化参量放大器的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311149756.8A CN117332863A (zh) | 2023-09-07 | 2023-09-07 | 标定并优化参量放大器的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117332863A true CN117332863A (zh) | 2024-01-02 |
Family
ID=89274585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311149756.8A Pending CN117332863A (zh) | 2023-09-07 | 2023-09-07 | 标定并优化参量放大器的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117332863A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581099A (zh) * | 2018-11-16 | 2019-04-05 | 合肥本源量子计算科技有限责任公司 | 一种约瑟夫森参量放大器的性能测试方法 |
CN110311289A (zh) * | 2019-07-09 | 2019-10-08 | 中国人民解放军空军工程大学 | 一种路径纠缠微波位相锁定方法及装置 |
-
2023
- 2023-09-07 CN CN202311149756.8A patent/CN117332863A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109581099A (zh) * | 2018-11-16 | 2019-04-05 | 合肥本源量子计算科技有限责任公司 | 一种约瑟夫森参量放大器的性能测试方法 |
CN110311289A (zh) * | 2019-07-09 | 2019-10-08 | 中国人民解放军空军工程大学 | 一种路径纠缠微波位相锁定方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄克强: "用于超导量子计算的参量放大器及量子芯片的制备和研究", 《中国博士学位论文全文数据库》, no. 12, 15 December 2018 (2018-12-15), pages 73 - 83 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tony Cai et al. | Semisupervised inference for explained variance in high dimensional linear regression and its applications | |
CN110082711B (zh) | 一种比幅比相测向方法和装置 | |
Wang et al. | Non‐circular generalised‐ESPRIT algorithm for direction of arrival estimation | |
CN114462613B (zh) | 量子计算机性能刻画方法及装置、电子设备和介质 | |
CN111596285B (zh) | 基于特征值对角加载和构造二阶统计量的信源数估计方法 | |
Shutin et al. | Incremental sparse Bayesian learning for parameter estimation of superimposed signals | |
Decurninge et al. | Robust Burg estimation of radar scatter matrix for autoregressive structured SIRV based on Fréchet medians | |
CN115117624A (zh) | 相控阵天线校准系统及校准方法 | |
Coutino et al. | Direction of arrival estimation based on information geometry | |
Dai et al. | Adaptively iterative weighting covariance matrix estimation for airborne radar clutter suppression | |
CN117332863A (zh) | 标定并优化参量放大器的方法 | |
CN108647418B (zh) | 一种图像信噪比最优的综合孔径辐射计天线阵列排布方法 | |
Kang et al. | Adaptive channel estimation for cognitive fully adaptive radar | |
Abderrahmane et al. | New optimisation algorithm for planar antenna array synthesis | |
CN113158741A (zh) | 一种基于特征值对角加载的信源数估计方法 | |
CN113051739A (zh) | 一种基于稀疏约束的鲁棒性自适应处理方法 | |
CN110174657B (zh) | 基于秩一降维模型和块矩阵恢复的波达方向估计方法 | |
CN115545202B (zh) | 一种基于量子门获取待测系统本征值的方法及装置 | |
CN115494466A (zh) | 一种针对分布式雷达的自校准方法 | |
RU2392634C1 (ru) | Способ определения направлений на источники излучения и углового разрешения источников | |
Nayir et al. | Hybrid-field channel estimation for massive MIMO systems based on OMP cascaded convolutional autoencoder | |
Shokry et al. | Quantum fingerprinting for heterogeneous devices localization | |
Taylor et al. | Using hybrid multiobjective machine learning to optimise sonobuoy placement patterns | |
Hu et al. | Weighted space-frequency time-reversal imaging for multiple targets | |
Lin et al. | Robust STAP algorithms using prior knowledge for airborne radar applications |
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 |