JP2021504805A - 量子近似最適化におけるコスト関数の変形方法、システム、およびプログラム - Google Patents
量子近似最適化におけるコスト関数の変形方法、システム、およびプログラム Download PDFInfo
- Publication number
- JP2021504805A JP2021504805A JP2020528163A JP2020528163A JP2021504805A JP 2021504805 A JP2021504805 A JP 2021504805A JP 2020528163 A JP2020528163 A JP 2020528163A JP 2020528163 A JP2020528163 A JP 2020528163A JP 2021504805 A JP2021504805 A JP 2021504805A
- Authority
- JP
- Japan
- Prior art keywords
- hamiltonian
- quantum
- state
- trial
- cost function
- 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.)
- Granted
Links
Images
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
- G06N10/60—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Linguistics (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
- Junction Field-Effect Transistors (AREA)
Abstract
Description
さらに、上記の背景技術または要約のセクション、または本発明を実施するための形態のセクションにおいて提示されたいかなる明示または暗示の情報にも拘束されることは意図されていない。
C(x)を最小化せよ
制約条件 x∈S
で与えられ、上式のx∈Sは離散変数であり、
は、Dを或るドメインDから実数
にマッピングするコスト関数である。通常、変数xは、制約条件のセットに従い、実行可能な点のセットS内にある。
に対し、正準形で、
として表される。最適化は、C(x)が最小となるnビットのストリングxを見出すことに向けられる。
として定義され、上式のx∈{0,1}nは計算ベースの状態|x〉∈Cdを標識し、d=2nである。このとき、量子最適化のタスクは、量子状態の変分サブクラスΩから、HCのエネルギを最小化する状態|ψ〉∈Ω⊂Cdを見出すことである。
〈ψ|HC|ψ〉を最小化せよ
制約条件 |ψ〉∈Ω。
および
が判明している小さな試行状態から変形される。例として、次のnビットに対するハミルトニアンのファミリ
およびあらゆる単一のサイトiに作用するパウリ・スピン演算子
について考える。ここでの説明は、パラメータsに対するコスト関数を、s0=0から開始し、次いで、s=1に達し、E(1)=〈ψ|HC|ψ〉のオプティマイザが見出されるまで、sk+1=sk+εでの次の最適化のための次の開始状態として最適
を使って、最小化することである。
あらゆるステップで、実数値のコスト関数E(s)=〈ψ|H(s)|ψ〉を評価するために量子ハードウェアが用いられる。
の2つのセットの奥行きd=2の回路に対しては数値的調査が行われている。2つの頂点および対応するN=2キュービットのハミルトニアンを備えたグラフに対する、最適化された評価確率
が、s∈[0,1]について図9に描かれている。3つの頂点の例のグラフが図10に、および4つの頂点のグラフが図11に示されている。これらローカル・パラメータは、標準的なシミュレーテッド・アニーリング技法を用いて最適化された。
は、通常、xi∈{0,1}および
に対し、正準形で
として表され、通常、Qの大きさはnに比べて小さい。nビット・ストリングx∈{0,1}nを見出すのがタスクであり、これに対してC(x)は外部である。或る問題は、ビット・ストリングへの追加の制約条件を付けてCを最適化することを求めることかもしれない。例を示すために、以下の「巡回セールスマン問題」を考えてみる。変数xに対する追加の制約条件は、制約関数の形で表すことができる。
上式において、制約条件を実行するために、1・・・kに対し、
gi(x)=0 (3)
かかる制約条件は、修改されたコスト関数
に対して実行が可能であることが周知であり、Ai>>ΔCとなるように、
が選択され、ΔCは、Cの離散値の間の最小の差を表す。
MaxCutは、クラスタ化、ネットワーク科学、および統計物理を応用するNP完全問題である。この問題の公式の定義は以下による。
このwijは実数である。xi=2−1(1−Zi)を代入することによってイジング・ハミルトニアンへのマッピングを行う。このとき、ハミルトニアンのコストHCは、
によって与えられ、const(定数)=Σi<jwij/2+Σiwi/2である。この定数は関係ないので、重み付きMaxCut問題は、イジング・ハミルトニアンを最小化することに等しい。
制約条件付きの最適化問題のマッピングを例示するために、ここで、巡回セールスマン問題(TSP:Traveling Salesman Problem)について説明する。グラフのノード上のTSPは、n=|V|のノードおよび距離wij(頂点iから頂点jへの距離)を有するグラフG(V,E)中の最短のハミルトニアン・サイクルを見出すことを求める。ハミルトニアン・サイクルは、N2個の変数xi,pで表すことができ、このiはノードを表し、pは予測されるサイクル中のその順番を表す。ノードi、時間順序pで解答が得られれば、決定変数は値1を取る。このサイクル中ではあらゆるノードが一度出現し、毎回1ノードが存在しなければならない。これは2つの制約条件を取る。
であれば、エネルギ・ペナルティがあるはずである(グラフ中では連結されていない)。このペナルティの形は、
であり、ハミルトニアン・サイクルの境界条件は、(p=N)≡(p=0)である。但し、ここで、完全に連結されているグラフはこの項を含まないものとする。最小化される必要がある距離は、
となる。
上式のAは自由パラメータである。これらの制約条件を順守されるように、このパラメータは十分に大きくする必要がある。これをするための1つの仕方は、A>max〈wij〉となるようにAを選ぶことである。さらに、この問題は、セールスマンが当初の町に戻ることを許しているので、一般性を失わずに、x00=1,xi0=0∀i≠0、およびx0p=0∀p≠0に設定することが可能である。これを行うことによって目的関数は、
となる。
であって、
によってパラメータ化された、該ローテーションから成る、図5に示されたような、dの反復ドリフト・ステップの回路を適用することによって、量子状態
を形成するために、Nのキュービットを備える超伝導チップなど、コヒーレントに制御可能な量子機械システムが使用される。
のもつれ相互作用を適用でき、これはあらゆるσ(α)∈PNに対し、いくつかの実数パラメータ
に依拠している。ユニタリ
をもつれさせるための複数の選択肢があり、考えられた試行状態は、既知の量子近似最適化アルゴリズム状態も一般化と見なすことができ、これらユニタリは、
であり、U(θi,t)=exp(iθtxi)となるように、
に追加の制約が課される。なお、
に対するもっと一般的なイジング型の結合グラフを考慮するためにこれらの制約を緩和することが可能で、これは必ずしも問題のハミルトニアンHCに対応している必要はない。
hk,l=aZk+bZ1+ck,lZkZl+dk,l(1−ek,l)Xk+dk,lek,lXkZl (11)
で与えられる。
によって与えられることを意味し、この式のJk,l〈θt〉は、実験によって調整することが可能である。
に分解できると仮定する。
を再生することになるいかなる測定も、少なくともM≧Q(ε−2−2VarE)のサンプルを形成するはずであり、このVarEは当該測定スキームのエネルギの分散を示す。
に集束する標準的最適化ルーティンが必要とされている。適用可能ないくつかの選択肢が存在する。限定でなく例として、1つのアプローチは、コスト関数
に対しシミュレーテッド・アニーリングを行うことである。他の代案には、SPSA[スポール]傾斜降下アルゴリズム、またはネルダーミード[NM:Nelder−Mead]アルゴリズムが含まれる。これは、ハミルトニアンHに対する
のエネルギの最小化への直接的アプローチを構成することになろう。これは、コスト関数
による標準的最適化ルーティンに対応しており、この関数は量子コンピュータ上で直接計算されることになる。このアプローチは、Eminの最適エネルギ近似
を見積もり、状態
を形成するための制御パラメータを提供し、この近似は、真の状態|ψmin〉に対する最善の見積もりである。
1.t=0に対して、初期パラメータ
を用意する。
2.以下のステップをM回繰り返す。
(a)量子コンピュータ上に状態
を形成し、この状態でのパウリσ(α)を測定する。
(b)次いで、期待値
を得るため、そのサンプルを加算する。
3.次に、t→t+1に設定し、標準的最適化スキームに基づいて、パラメータ
の新規セットを提起する。
4.最適値
に集束するまでこれを反復する。
を直接に最小化する標準的最適化問題は、当初のコスト関数を直接に最小化するよりも簡単でない可能性が高い。このコンテキストにおいて、パラメータs∈[0,1]に依拠するコスト関数の変形を説明する。すなわち、ハミルトニアンH(s)のファミリは、初期ハミルトニアンH(0)=H小と最終的ハミルトニアンH(1)=HCとの間の補間と見なされる。
H(s)=(1−s)H小+sHC (17)
の形で与えることができる。
の最適セットが既知であり、|G0〉=Emin(0)|G0である、基底状態
が容易に構築できるように行われる。
によって与えられる。
である。この選択は、式(8)中の試行状態で、相互作用ハミルトニアン・パラメータであるベクトルφを、全てのK=0として、および単一キュービットローテーション・パラメータであるベクトルθを、ユニタリの第一層が
で与えられるように設定することによって容易に実現される。
は、基底状態エネルギの近似E0,E1の間を補間し、ステップs毎に、図7を参照して前述した標準的なミニマイザを用いて、パラメータを最小化する変形されたパスに沿って、パラメータ
を更新する。
で開始され、次いで、次の最小化のための開始点として最適値
を使い、パラメータのT値、0=s0<s1<s2<・・・<sT=1に対するスケジュールをたどる。すなわち、
1.T値、0=s0<s1<s2<・・・<sT=1を選び、
としてs0=0に対する初期の最適パラメータを形成する。
2.1≦t≦Tに対し、以下を繰り返す
(a)ハミルトニアンH(st)を設ける
(b)初期パラメータを
に設定する。
(c)H(st)および
に対し、最適化方法(図1)を実行する
3.最適パラメータ
およびエネルギEsTを伝達する
4.EsTに相当するHCのエネルギを提供する良好なビット・ストリングを得るため、計算ベースで複数回、状態
を形成し、サンプリングする。
のウォームスタートを行うので、標準的最適化方法の集束を改善することが期待される。s∈[0,1]に対し、式(18)中のハミルトニアンHMaxCut(s)のファミリを考える。なお、他のソリューションでは、多ノイズ量子アニーリングをエミュレートする完全に標準的な方法が提案されている。この標準的モデルは、プロダクト試行状態の非常に制限されたクラス
を考慮することによって、本明細書に記載のフレームワーク内で得ることができる。
ブロック1206は、最適状態を見出すために、(例えば、変形コンポーネント118によって)ハミルトニアンを変形ハミルトニアンに変形し、望ましいハミルトニアンに対するオプティマイザが算定されるまで、変形されたハミルトニアンに対する次の最適化のための次の開始状態としてその最適状態を用いる、変形コンポーネントを表す。
Claims (25)
- コンピュータ実行可能コンポーネントを格納するメモリと、
前記メモリ中に格納されたコンピュータ実行可能コンポーネントを実行するプロセッサと、
を含むシステムであって、前記コンピュータ実行可能コンポーネントが、
最適化問題を許容量子状態上の最適化問題中にマッピングするため、1つ以上の制約に基づいてコスト関数をハミルトニアンにマッピングするマッピング・コンポーネントと、
少なくとも1つの集合ゲートを有する量子回路を含み、量子ハードウェアのキュービットをもつれさせるためのマイクロ波制御パルスが点在する量子ハードウェアの物理時間発展によって前記ハミルトニアンに対応する試行状態を生成し、最適値をもたらす試行状態を判定するために前記試行状態に対する量子コスト関数を評価する、試行状態および評価コンポーネントと、
最適状態を見出すため、ハミルトニアンを変形ハミルトニアンに変形し、望ましいハミルトニアンに対するオプティマイザが算定されるまで、前記変形されたハミルトニアンに対する次の最適化のための次の開始状態として前記最適状態を用いる、変形コンポーネントと、
を含む、システム。 - 前記組み合せ最適化問題の1つ以上の近似を得るために、前記オプティマイザに対応する前記最適状態からサンプリングを行うサンプリング・コンポーネントをさらに含む、請求項1に記載のシステム。
- 前記マッピング・コンポーネントと相互作用し、前記最適値をもたらす前記試行状態を出力するインターフェースをさらに含む、請求項1に記載のシステム。
- 前記試行状態および評価コンポーネントが、前記試行状態上の個々のパウリ演算子を測定する、請求項1に記載のシステム。
- プロセッサに動作可能に連結されたシステムによって、量子ハードウェアを用いて組み合せ最適化問題の解決を促進するステップを含むコンピュータ実装の方法であって、前記システムが、
前記システムによって、前記組み合せ最適化問題に関連付けられたコスト関数を、前記コスト関数に対する量子ハミルトニアンを構築するステップも含め、許容量子状態上の最適化問題にマッピングするステップと、
前記システムの量子回路によって、マイクロ波制御パルスが点在する前記量子ハードウェアの物理時間発展によって試行状態のセットを生成するステップと、
前記システムによって、前記試行状態に対する量子コスト関数を評価するステップと、
前記システムによって、最適値をもたらす試行状態を判定するステップと、
前記システムによって、最適の状態を見出すためにハミルトニアンを変形し、望ましいハミルトニアンに対するオプティマイザが算定されるまで、変形されたハミルトニアンに対する次の最適化のための次の開始状態として前記最適状態を用いるステップと、
を含む、
コンピュータ実装の方法。 - 制御パルスが点在する量子ハードウェアの前記物理時間発展によって前記試行状態のセットを前記生成するステップが、試行状態を生成するために前記物理時間発展を用いるステップを含む、請求項5に記載のコンピュータ実装の方法。
- 前記コスト関数に対する前記量子ハミルトニアンを前記構築するステップが、対角量子ハミルトニアンを構築するステップを含む、請求項5に記載のコンピュータ実装の方法。
- 前記コスト関数に対する前記量子ハミルトニアンを前記構築するステップが、量子ハミルトニアンをパウリZ項の一次結合として表すステップを含む、請求項5に記載のコンピュータ実装の方法。
- バイナリの組み合せ最適化問題に関連付けられた前記コスト関数を前記マッピングするステップが、前記コスト関数を近似量子コンピュータ上のキュービット表現にマッピングするステップを含む、請求項5に記載のコンピュータ実装の方法。
- 前記試行状態に対する前記量子コスト関数を前記測定するステップが、前記試行状態上の個々のパウリ演算子を測定するステップを含む、請求項5に記載のコンピュータ実装の方法。
- 前記組み合せ最適化問題への近似解を得るために、前記オプティマイザに対応する前記最適状態からサンプリングを行うステップをさらに含む、請求項5に記載のコンピュータ実装の方法。
- 前記組み合せ最適化問題がバイナリの組み合せ最適化問題を含み、前記方法が、前記バイナリの最適化問題への近似解を提供するビット・ストリングを得るために、前記オプティマイザに対応する前記最適状態からサンプリングを行うステップをさらに含む、請求項5に記載のコンピュータ実装の方法。
- 組み合せ最適化問題に関連付けられたコスト関数を、1つ以上の制約条件に基づいて許容量子状態上の最適化問題にマッピングし、前記コスト関数に対する量子ハミルトニアンを構築する、マッピング・コンポーネントと、
マイクロ波制御パルスが点在する量子ハードウェアの物理時間発展によって、試行状態のセットを生成する量子回路を含み、前記試行状態に対する量子コスト関数を評価し、最適値をもたらす試行状態を判定する、試行状態および評価コンポーネントと、
最適状態を見出すため、前記量子ハミルトニアンを変形ハミルトニアンに変形し、望ましいハミルトニアンに対するオプティマイザが算定されるまで、前記変形ハミルトニアンに対する次の最適化のための次の開始状態として前記最適状態を使用する、変形コンポーネントと
を含む電子デバイス。 - 前記量子回路が、もつれを生じさせるために前記制御パルスを使用する、請求項13に記載の電子デバイス。
- 前記コスト関数に対する前記量子ハミルトニアンを構築する前記マッピング・コンポーネントが、対角量子ハミルトニアンを構築する、請求項13に記載の電子デバイス。
- 前記対角量子ハミルトニアンを構築する前記マッピング・コンポーネントが、前記量子ハミルトニアンをパウリZ項の一次結合として表す、請求項15に記載の電子デバイス。
- 前記マッピング・コンポーネントが、前記コスト関数を近似量子コンピュータ上のキュービット表現にマッピングする、請求項13に記載の電子デバイス。
- 前記試行状態および評価コンポーネントが、前記試行状態上の個々のパウリ演算子を測定する、請求項13に記載の電子デバイス。
- 前記最適化問題への近似解を提供するビット・ストリングを得るために、サンプリングを行うサンプリング・コンポーネントをさらに含む、請求項13に記載の電子デバイス。
- プロセッサに動作可能に連結されたシステムによって、関連する開始制御パラメータを有する開始ハミルトニアンを取得するステップと、
ユニタリもつれゲートを含む量子ハードウェアを用いて、前記開始ハミルトニアンから得られた変形ハミルトニアンのエネルギを見積もるための試行状態を生成するステップと、
前記開始ハミルトニアンに関連付けられた前記試行状態に対する最適制御パラメータに基づいて、前記変型ハミルトニアンの新しい最適制御パラメータを見出すため、前記量子ハードウェアを使って、前記変形ハミルトニアンの前記エネルギを反復して測定するステップと、
前記変形ハミルトニアンの前記新しい最適制御パラメータを新規の開始制御パラメータとし前記変形ハミルトニアンを新規の開始ハミルトニアンとして使用するステップを含めて、最終的な望ましいハミルトニアンへの変形達成されるまで、前記変形されたハミルトニアンを、繰り返される初期制御パラメータによって新規の変形ハミルトニアンに反復して変形するステップと、
を含む、コンピュータ実装の方法。 - 前記システムによって、組み合せ最適化問題への近似解を提供するデータを取得するため、前記最終の望ましいハミルトニアン、および前記最終の望ましいハミルトニアンに関連付けられた前記最適制御パラメータに対応する情報に基づいて、サンプリングを行うステップをさらに含む、請求項20に記載のコンピュータ実装の方法。
- 前記システムによって、もつれを生じさせる制御パルスが点在する前記量子ハードウェアの物理時間発展によって試行状態のセットを生成するステップと、前記試行状態に対する量子コスト関数を評価するステップと、最適値をもたらす試行状態を判定するステップとをさらに含む、請求項20に記載のコンピュータ実装の方法。
- バイナリの組み合せ最適化問題の解決を促進するコンピュータ・プログラム製品であって、前記コンピュータ・プログラム製品は、具現化されたプログラム命令を有するコンピュータ可読ストレージ媒体を含み、前記プログラム命令は、プロセッサによって実行可能で、前記プロセッサに、
プロセッサに動作可能に連結されたシステムによって、関連する開始制御パラメータを有する開始ハミルトニアンを取得させ、
ユニタリもつれゲートを含む量子ハードウェアを用いて、前記開始ハミルトニアンから得られた変形ハミルトニアンのエネルギを見積もるための試行状態を生成させ、
前記開始ハミルトニアンに関連付けられた前記試行状態に対する最適制御パラメータに基づいて、前記変型ハミルトニアンの新しい最適制御パラメータを見出すため、前記量子ハードウェアを使って、前記変形ハミルトニアンの前記エネルギを反復して測定させ、
前記変形ハミルトニアンの前記新しい最適制御パラメータを新規の開始制御パラメータとして前記変形ハミルトニアンを新規の開始ハミルトニアンとして使用することを含めて、最終的な望ましいハミルトニアンへの変形が達成されるまで、変形されたハミルトニアンを、繰り返される初期制御パラメータによって新規の変形ハミルトニアンに反復して変形させる、
コンピュータ・プログラム製品。 - 前記プログラム命令がプロセッサによってさらに実行可能で、前記プロセッサに、組み合せ最適化問題への近似解を提供するデータを取得するため、前記最終の望ましいハミルトニアン、および前記望ましいハミルトニアンに関連付けられた前記最適制御パラメータに対応する情報に基づいて、前記プロセッサにサンプリングを行わせる、請求項23に記載のコンピュータ・プログラム製品。
- 前記プログラム命令が前記プロセッサによってさらに実行可能で、前記プロセッサに、もつれを生じさせる制御パルスが点在する前記量子ハードウェアの物理時間発展によって試行状態のセットを生成させ、前記試行状態に対する量子コスト関数を評価させ、且つ、最適値をもたらす試行状態を判定させる、請求項23に記載のコンピュータ・プログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/823,654 US10452990B2 (en) | 2017-11-28 | 2017-11-28 | Cost function deformation in quantum approximate optimization |
US15/823,654 | 2017-11-28 | ||
PCT/EP2018/082495 WO2019105873A1 (en) | 2017-11-28 | 2018-11-26 | Cost function deformation in quantum approximate optimization |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021504805A true JP2021504805A (ja) | 2021-02-15 |
JP2021504805A5 JP2021504805A5 (ja) | 2021-05-20 |
JP7210582B2 JP7210582B2 (ja) | 2023-01-23 |
Family
ID=64500384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020528163A Active JP7210582B2 (ja) | 2017-11-28 | 2018-11-26 | 量子近似最適化におけるコスト関数の変形方法、システム、およびプログラム |
Country Status (6)
Country | Link |
---|---|
US (3) | US10452990B2 (ja) |
JP (1) | JP7210582B2 (ja) |
CN (1) | CN111373420B (ja) |
DE (1) | DE112018006047T5 (ja) |
GB (1) | GB2582515A (ja) |
WO (1) | WO2019105873A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022068327A (ja) * | 2021-05-08 | 2022-05-09 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | ノードグループ化方法、装置及び電子機器 |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10996979B2 (en) * | 2017-09-29 | 2021-05-04 | International Business Machines Corporation | Job processing in quantum computing enabled cloud environments |
US10977546B2 (en) * | 2017-11-29 | 2021-04-13 | International Business Machines Corporation | Short depth circuits as quantum classifiers |
WO2019113600A1 (en) * | 2017-12-08 | 2019-06-13 | Microsoft Technology Licensing, Llc | Debugging quantum programs |
US11568293B2 (en) | 2018-07-18 | 2023-01-31 | Accenture Global Solutions Limited | Quantum formulation independent solver |
WO2020037301A1 (en) | 2018-08-17 | 2020-02-20 | Zapata Computing, Inc. | Hybrid quantum-classical computer system and method for performing function inversion |
US11074519B2 (en) * | 2018-09-20 | 2021-07-27 | International Business Machines Corporation | Quantum algorithm concatenation |
US11488049B2 (en) | 2019-04-09 | 2022-11-01 | Zapata Computing, Inc. | Hybrid quantum-classical computer system and method for optimization |
US11537928B2 (en) | 2019-05-03 | 2022-12-27 | Zapata Computing, Inc. | Quantum-classical system and method for matrix computations |
JP7223174B2 (ja) | 2019-06-14 | 2023-02-15 | ザパタ コンピューティング,インコーポレイテッド | ロバストな振幅推定のための工学的尤度関数を用いたベイズ推論のためのハイブリッド量子古典コンピュータ |
JP7042867B2 (ja) * | 2019-07-12 | 2022-03-28 | アクセンチュア グローバル ソリューションズ リミテッド | 物流配送の最適ルートの決定 |
US11157827B2 (en) | 2019-10-30 | 2021-10-26 | Zapata Computing, Inc. | Hybrid quantum-classical computer system for parameter-efficient circuit training |
US20230143904A1 (en) * | 2020-04-20 | 2023-05-11 | Zapata Computing, Inc. | Computer System and Method for Solving Pooling Problem as an Unconstrained Binary Optimization |
CN111241356B (zh) * | 2020-04-26 | 2020-08-11 | 腾讯科技(深圳)有限公司 | 基于模拟量子算法的数据搜索方法、装置及设备 |
JP6985481B1 (ja) * | 2020-09-28 | 2021-12-22 | 鉄道情報システム株式会社 | 計算方法、計算装置、計算プログラム、記録媒体 |
JP6985480B1 (ja) * | 2020-09-28 | 2021-12-22 | 鉄道情報システム株式会社 | 計算方法、計算装置、計算プログラム、記録媒体 |
JP6985479B1 (ja) * | 2020-09-28 | 2021-12-22 | 鉄道情報システム株式会社 | 計算方法、計算装置、計算プログラム、記録媒体 |
EP3975073B1 (en) * | 2020-09-29 | 2024-02-28 | Terra Quantum AG | Hybrid quantum computation architecture for solving quadratic unconstrained binary optimization problems |
CN112464391B (zh) * | 2020-10-15 | 2022-09-06 | 昆明理工大学 | 一种柴油发电机组哈密顿模型的建立方法 |
JP2022072685A (ja) * | 2020-10-30 | 2022-05-17 | 富士通株式会社 | 評価関数生成プログラム、評価関数生成方法、最適化方法及び最適化装置 |
CN112529193B (zh) * | 2020-12-04 | 2021-10-08 | 北京百度网讯科技有限公司 | 基于量子系统的数据处理方法及量子设备 |
CN112541590B (zh) * | 2020-12-10 | 2021-09-14 | 北京百度网讯科技有限公司 | 量子纠缠探测方法、装置、电子设备及存储介质 |
CN112819170B (zh) * | 2021-01-22 | 2021-11-05 | 北京百度网讯科技有限公司 | 控制脉冲生成方法、装置、系统、设备及存储介质 |
CN112819169B (zh) * | 2021-01-22 | 2021-11-23 | 北京百度网讯科技有限公司 | 量子控制脉冲生成方法、装置、设备及存储介质 |
WO2022204266A1 (en) * | 2021-03-23 | 2022-09-29 | Zapata Computing, Inc. | Classically-boosted quantum optimization |
CN113313261B (zh) * | 2021-06-08 | 2023-07-28 | 北京百度网讯科技有限公司 | 函数处理方法、装置及电子设备 |
CN116090274B (zh) * | 2021-10-29 | 2024-06-14 | 本源量子计算科技(合肥)股份有限公司 | 基于量子计算的材料变形模拟方法、装置、终端及介质 |
US11809426B2 (en) * | 2022-02-03 | 2023-11-07 | Bank Of America Corporation | System for implementing a data driven channel for query executions using quantum computing |
WO2023215401A1 (en) * | 2022-05-03 | 2023-11-09 | University Of Washington | Systems and methods including combinatorial optimization circuitry utilizing sram cells and noise |
CN115099072B (zh) * | 2022-08-24 | 2022-11-11 | 自然资源部第一海洋研究所 | 一种海洋生态动力学模型参数非线性优化方法 |
CN118014091A (zh) * | 2024-04-08 | 2024-05-10 | 国开启科量子技术(安徽)有限公司 | 基于量子线路确定非线性规划问题最优解的方法、装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7398162B2 (en) * | 2003-02-21 | 2008-07-08 | Microsoft Corporation | Quantum mechanical model-based system and method for global optimization |
US8832165B2 (en) * | 2007-12-12 | 2014-09-09 | Lockheed Martin Corporation | Computer systems and methods for quantum verification and validation |
US8229863B2 (en) * | 2008-05-28 | 2012-07-24 | D-Wave Systems Inc. | Method and apparatus for evolving a quantum system using a mixed initial hamiltonian comprising both diagonal and off-diagonal terms |
CA2840958C (en) * | 2011-07-06 | 2018-03-27 | D-Wave Systems Inc. | Quantum processor based systems and methods that minimize an objective function |
US9830555B2 (en) * | 2013-07-09 | 2017-11-28 | The Board Of Trustees Of The Leland Stanford Junior University | Computation using a network of optical parametric oscillators |
US9762262B2 (en) * | 2014-06-18 | 2017-09-12 | Alcatel Lucent | Hardware-efficient syndrome extraction for entangled quantum states |
EP3227837A1 (en) * | 2014-12-05 | 2017-10-11 | Microsoft Technology Licensing, LLC | Quantum deep learning |
US10318607B2 (en) * | 2015-03-27 | 2019-06-11 | Hitachi, Ltd. | Computer and computing program |
EP3113084B1 (en) * | 2015-06-29 | 2020-12-09 | Parity Quantum Computing GmbH | Quantum processing device and method |
EP3520041A4 (en) * | 2016-09-30 | 2020-07-29 | Rigetti & Co., Inc. | SIMULATION OF QUANTUM SYSTEMS WITH QUANTUM CALCULATION |
US11120357B2 (en) * | 2017-03-10 | 2021-09-14 | Rigetti & Co, Inc. | Quantum approximate optimization |
CA2968830C (en) * | 2017-05-29 | 2024-04-02 | Socpra Sciences Et Genie S.E.C. | Quantum processor, and method of quantum processing |
US10332023B2 (en) * | 2017-09-22 | 2019-06-25 | International Business Machines Corporation | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines |
-
2017
- 2017-11-28 US US15/823,654 patent/US10452990B2/en active Active
-
2018
- 2018-11-26 JP JP2020528163A patent/JP7210582B2/ja active Active
- 2018-11-26 CN CN201880075391.XA patent/CN111373420B/zh active Active
- 2018-11-26 WO PCT/EP2018/082495 patent/WO2019105873A1/en active Application Filing
- 2018-11-26 DE DE112018006047.0T patent/DE112018006047T5/de active Pending
- 2018-11-26 GB GB2008794.6A patent/GB2582515A/en not_active Withdrawn
-
2019
- 2019-09-10 US US16/566,400 patent/US10664762B2/en active Active
-
2020
- 2020-04-06 US US16/840,685 patent/US10963809B2/en active Active
Non-Patent Citations (2)
Title |
---|
FARHI, EDWARD ET AL.: ""Quantum Computation by Adiabatic Evolution" [online]", ARXIV, JPN6022020535, January 2000 (2000-01-01), ISSN: 0004787208 * |
KANDALA, ABHINAV ET AL.: ""Hardware-efficient Variational Quantum Eigensolver for Small Molecules and Quantum Magnets" [online", ARXIV, JPN6022020536, August 2017 (2017-08-01), ISSN: 0004787207 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022068327A (ja) * | 2021-05-08 | 2022-05-09 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | ノードグループ化方法、装置及び電子機器 |
JP7372996B2 (ja) | 2021-05-08 | 2023-11-01 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | ノードグループ化方法、装置及び電子機器 |
Also Published As
Publication number | Publication date |
---|---|
US10963809B2 (en) | 2021-03-30 |
WO2019105873A1 (en) | 2019-06-06 |
US10664762B2 (en) | 2020-05-26 |
US20200005179A1 (en) | 2020-01-02 |
DE112018006047T5 (de) | 2020-08-06 |
US20200234174A1 (en) | 2020-07-23 |
GB202008794D0 (en) | 2020-07-22 |
GB2582515A (en) | 2020-09-23 |
US20190164079A1 (en) | 2019-05-30 |
CN111373420B (zh) | 2024-02-20 |
US10452990B2 (en) | 2019-10-22 |
CN111373420A (zh) | 2020-07-03 |
JP7210582B2 (ja) | 2023-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021504805A (ja) | 量子近似最適化におけるコスト関数の変形方法、システム、およびプログラム | |
JP7232902B2 (ja) | ハイブリッド古典-量子コンピューティング・システムを使用した分子系の励起状態特性の計算 | |
US10755193B2 (en) | Implementation of error mitigation for quantum computing machines | |
CN113159239B (zh) | 一种量子图卷积神经网络处理图数据的方法 | |
ur Rehman et al. | Efficient Kriging-based robust optimization of unconstrained problems | |
JP2020534607A (ja) | 量子コンピューティング・マシンのための高ハードウェア効率変分量子固有値ソルバを実現するためのシステム、方法、量子コンピューティング・デバイスおよびコンピュータ・プログラム | |
WO2019241879A1 (en) | Variationally and adiabatically navigated quantum eigensolvers | |
JP2022509841A (ja) | 人工知能駆動型量子計算 | |
JP2023505320A (ja) | ハミルトニアンの期待エネルギー値の推定 | |
JP7110357B2 (ja) | 量子コンピューティング・デバイス設計 | |
US20240161002A1 (en) | Quantum reinforcement learning agent | |
JP2022088600A (ja) | 量子回路の処理方法、装置、電子デバイス、記憶媒体、及びプログラム | |
US20180018167A1 (en) | Transforming data manipulation code into data workflow | |
JP2024517615A (ja) | パラメータ最適化および量子チップ制御のための方法および装置 | |
CN108804391A (zh) | 一种基于b样条的插值曲线或曲面的构造方法及系统 | |
JP2022163051A (ja) | 化合物特性予測モデル訓練方法、装置、電子デバイス、記憶媒体及びコンピュータプログラム | |
Heghedus et al. | Neural network frameworks. comparison on public transportation prediction | |
AU2022263561A1 (en) | Quantum measurement device calibration method and apparatus, electronic device and medium | |
CN114418103B (zh) | 基态能量的确定方法、装置、设备及存储介质 | |
JP2020201566A (ja) | 開放量子系のための量子情報処理方法、古典コンピュータ、量子コンピュータ、量子情報処理プログラム、及びデータ構造 | |
JP2020535518A (ja) | 量子トモグラフィを容易化するためのシステム、コンピュータによって実施される方法、およびコンピュータ・プログラム | |
Meng et al. | How to efficiently train your ai agent? characterizing and evaluating deep reinforcement learning on heterogeneous platforms | |
Nandhini et al. | A novel quantum representation of fuzzy image and simulation on IBMQ | |
US20220206698A1 (en) | Method and apparatus with memory management and neural network operation | |
WO2021174895A1 (zh) | 逆合成处理方法、装置、电子设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210409 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210423 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220502 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220818 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230111 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7210582 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |