JP2022509841A - 人工知能駆動型量子計算 - Google Patents
人工知能駆動型量子計算 Download PDFInfo
- Publication number
- JP2022509841A JP2022509841A JP2021530161A JP2021530161A JP2022509841A JP 2022509841 A JP2022509841 A JP 2022509841A JP 2021530161 A JP2021530161 A JP 2021530161A JP 2021530161 A JP2021530161 A JP 2021530161A JP 2022509841 A JP2022509841 A JP 2022509841A
- Authority
- JP
- Japan
- Prior art keywords
- calculation
- computer
- control unit
- quantum
- adjustable parameters
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 330
- 238000000034 method Methods 0.000 claims abstract description 381
- 238000010801 machine learning Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims description 340
- 238000005259 measurement Methods 0.000 claims description 107
- 208000011580 syndromic disease Diseases 0.000 claims description 90
- 238000012549 training Methods 0.000 claims description 49
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 41
- 238000013528 artificial neural network Methods 0.000 claims description 38
- 239000002096 quantum dot Substances 0.000 claims description 30
- 230000009471 action Effects 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 230000002787 reinforcement Effects 0.000 claims description 20
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000000137 annealing Methods 0.000 claims description 15
- 238000002922 simulated annealing Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000005496 tempering Methods 0.000 claims description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- 230000001427 coherent effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000005086 pumping Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims 3
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000015654 memory Effects 0.000 description 31
- 238000003860 storage Methods 0.000 description 29
- 230000006870 function Effects 0.000 description 22
- 239000003795 chemical substances by application Substances 0.000 description 18
- 230000001186 cumulative effect Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000004138 cluster model Methods 0.000 description 10
- 230000005291 magnetic effect Effects 0.000 description 10
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 230000005283 ground state Effects 0.000 description 6
- 206010048669 Terminal state Diseases 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000000371 solid-state nuclear magnetic resonance spectroscopy Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 229910003460 diamond Inorganic materials 0.000 description 2
- 239000010432 diamond Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000001307 helium Substances 0.000 description 2
- 229910052734 helium Inorganic materials 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000008672 reprogramming Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000002887 superconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- VLCQZHSMCYCDJL-UHFFFAOYSA-N tribenuron methyl Chemical compound COC(=O)C1=CC=CC=C1S(=O)(=O)NC(=O)N(C)C1=NC(C)=NC(OC)=N1 VLCQZHSMCYCDJL-UHFFFAOYSA-N 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- XMWRBQBLMFGWIX-UHFFFAOYSA-N C60 fullerene Chemical compound C12=C3C(C4=C56)=C7C8=C5C5=C9C%10=C6C6=C4C1=C1C4=C6C6=C%10C%10=C9C9=C%11C5=C8C5=C8C7=C3C3=C7C2=C1C1=C2C4=C6C4=C%10C6=C9C9=C%11C5=C5C8=C3C3=C7C1=C1C2=C4C6=C2C9=C5C3=C12 XMWRBQBLMFGWIX-UHFFFAOYSA-N 0.000 description 1
- 102100024873 Ceramide-1-phosphate transfer protein Human genes 0.000 description 1
- 101710189399 Ceramide-1-phosphate transfer protein Proteins 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 229910003472 fullerene Inorganic materials 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010584 magnetic trap Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 229910052761 rare earth metal Inorganic materials 0.000 description 1
- 150000002910 rare earth metals Chemical class 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229920002803 thermoplastic polyurethane Polymers 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- 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
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Complex Calculations (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
Description
本出願は、2018年12月6日に出願された、米国仮出願第62/776,183号と、2019年7月10日に出願された、米国仮出願第62/872,601号の利益を主張するものであり、その各々は、全ての目的のために参照によってその全体が本明細書に組み込まれる。
本明細書で言及される全ての公開、特許、及び特許出願は、あたかも個々の公開、特許、又は特許出願が引用によって組み込まれるよう具体的且つ個別に示されるかのように、同じ程度まで引用によって本明細書に組み込まれる。参照によって組み込まれる公開、特許、または特許出願が本明細書に含まれる開示に矛盾するという程度まで、本明細書は、任意のそのような矛盾のある題材に取って代わるおよび/またはそれに優先することを意図している。
(量子計算などの)非古典的計算に適用される場合、環境は、量子コンピュータのあらゆる可能性のある瞬間状態を含む合計ヒルベルト空間であってもよい。古典的AI制御ユニットは、問題のいくつかのインスタンスについての、量子計算のセグメントのいくつかの実行によって訓練されてもよい。ヒルベルト空間のサブシステムにおける計測は、AI制御ユニットのための部分的に観察可能な環境を説明するものであってもよい。深層学習の言語では、各計測は、量子システムの状態からの特徴抽出として観察されてもよい。いくつかの例では、各シンドローム計測が、量子サブシステムの状態からの特徴抽出として観察されてもよいが、他の例では、いずれの計測が使用されてもよい。
いくつかの実施形態では、古典的コンピュータは、1以上の古典的アルゴリズムを実行するように構成されてもよい。古典的アルゴリズム(または古典的計算タスク)は、量子コンピュータ、量子使用可能(quantum-ready)計算サービスまたは量子対応(quantum-enabled)計算サービスを使用せずに、1以上の古典的コンピュータによって実行され得るアルゴリズム(または計算タスク)を含んでもよい。古典的アルゴリズムは、非量子アルゴリズムを含んでもよい。古典的コンピュータは、量子コンピュータと、量子使用可能計算サービスまたは量子対応コンピュータとを含まないコンピュータを含んでもよい。古典的コンピュータは、量子ビット(quantum bit)(量子ビット(qubit))ではなく、デジタルビット(例えば、ゼロ(「0」)および1(「1」))によって表わされるデータを、処理または保存してもよい。古典的コンピュータの例としては、サーバーコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、ノート型コンピュータ、サブノート型コンピュータ、ネットブックコンピュータ、ネットパッドコンピュータ、セットトップコンピュータ、メディアストリーミングデバイス、ハンドヘルドコンピュータ、インターネットアプライアンス、モバイルスマートフォン、タブレットコンピュータ、携帯情報端末、ビデオゲーム機、および媒体が挙げられるが、これらに限定されない。
非古典的計算(例えば量子計算)は、量子デバイスによって表わされるヒルベルト空間上で、(量子チャネル上の、ユニタリー変換または完全正トレース保存(CPTP)マップなどの)ある量子操作を実行することを含んでもよい。このように、量子計算と古典的(またはデジタル)計算は、以下の面で類似していてもよい。つまり、両方の計算が、入力情報に対して実行される命令のシーケンスを含み、その後に出力を提供してもよい。量子計算のさまざまなパラダイムは、量子操作を、量子デバイスの量子ビットのサブセットに同時に影響を与える基本的な量子操作のシーケンスに分解してもよい。量子操作は、例えばそれらの局所性、またはそれらの物理的実装の容易さに基づいて選択されてもよい。その時、量子手順または量子計算は、さまざまな用途において、量子デバイスの異なる量子発展を表すことができる命令のシーケンスから成るかもしれない。例えば、量子化学シミュレーションを計算する手順は、量子状態と、電子スピン軌道の対消滅および生成演算子とを、いわゆるJordan-Wigner変換[Wigner, E.P, & Jordan, P, Ueber das Paulische Aequivalenzverbot, Zeitschri fuer Physik 5, 11 (1928)]、または Bravyi-Kitaev変換[Bravyi, S. B., & Kitaev, A.Yu., Fermionic quantum computation, arXiv:quant-ph/0003137]、を通して、(2準位量子系などの)量子ビットと(アダマール、制御ノット(CNOT)、およびπ/8回転などの)ユニバーサル量子ゲートセットとを使用することによって表してもよく、上記文献の各々は、参照によってその全体が本明細書に組み込まれる。
いくつかの実施形態では、本明細書に記載されるシステム、媒体、ネットワーク、および方法は、古典的コンピュータ、またはその使用を含む。例えば、本明細書に記載されるシステム、媒体、ネットワーク、および方法は、図6に関して本明細書で記載されるコンピュータ、またはその使用を含んでもよい。いくつかの実施形態では、古典的コンピュータは、古典的コンピュータの関数を遂行する、1以上のハードウェア中央処理ユニット(CPU)を含む。いくつかの実施形態では、古典的コンピュータは、実行可能な命令を実行するように構成されたオペレーティングシステム(OS)をさらに含む。いくつかの実施形態では、古典的コンピュータは、コンピュータネットワークに接続される。いくつかの実施形態では、古典的コンピュータは、ワールドワイドウェブにアクセスするようにインターネットに接続される。いくつかの実施形態では、古典的コンピュータは、クラウドコンピューティングインフラストラクチャーに接続される。いくつかの実施形態では、古典的コンピュータは、イントラネットに接続される。いくつかの実施形態では、古典的コンピュータは、データ記憶デバイスに接続される。
いくつかの実施形態では、本明細書に記載されるシステムおよび方法は、随意にネットワーク化されたデジタル処理ユニットのオペレーティングシステムによって実行可能な命令を含むプログラムでコード化された、1以上の非一時的コンピュータ可読記憶媒体を含む。いくつかの実施形態では、コンピュータ可読記憶媒体は、古典的コンピュータの有形の構成要素である。いくつかの実施形態では、コンピュータ可読記憶媒体は、古典的コンピュータから任意に取り外し可能である。いくつかの実施形態では、コンピュータ可読記憶媒体は、非限定的な例として、CD-ROM、DVD、フラッシュメモリデバイス、ソリッドステートメモリ、磁気ディスクドライブ、磁気テープドライブ、光ディスクドライブ、クラウドコンピューティングシステム、およびサービスなどを含む。場合によっては、プログラムと命令は、媒体上で永久に、実質的に永久に、半永久に、または非一時的にコード化される。
ある態様では、本開示は、人工知能(AI)を使用して計算を実行するためのシステムを提供する。システムは、1以上の調整可能なパラメータと1以上の調整不可能なパラメータとを含む計算を実行し、かつ計算を示すレポートを出力するように構成された少なくとも1つのコンピュータ、および少なくともAI制御ユニットを、含む。コンピュータは、(i)1以上のレジスタであって、ここで該1以上のレジスタは、計算を実行するように構成されている、1以上のレジスタと、(ii)1以上のレジスタの少なくとも1つの状態を計測して、1以上のレジスタの状態の表現を決定するように構成された、計測ユニットであって、これによって、計算の表現を決定する、計測ユニットと、を含んでもよい。AI制御ユニットは、計算を制御し、計算に対応する1以上の調整可能なパラメータを決定するために、少なくとも1つのAI手順を実行し、そして、コンピュータに1以上の調整可能なパラメータを指示する、ように構成されてもよい。AI制御ユニットは、1以上のAI制御ユニットパラメータを含んでもよい。
訓練モードでは、AI制御ユニットは、最適な調整可能なパラメータのその認知を向上させ得る。(特定の量子計算、量子古典計算、または古典計算などの)特定の計算上でAI制御ユニットを訓練するために、調整不可能なパラメータによって表示される入力の多数のインスタンスがコンピュータに(例えば、計算レジスタの様々な初期化、量子オラクルを再プログラムすることなどによって)提供されてもよい。アルゴリズムの各インスタンスの各実行では、計算の複数のセグメントでレジスタの初期化および計測が実行されてもよい。AI制御ユニットは、実行された計測から計算の表示の指示を受信してもよい。コンピュータが量子コンピュータである実施形態では、AI制御ユニットは、計算の現在の状態に関する部分情報を表すシンドロームデータを受信してもよい。アルゴリズムの各インスタンスの各実行の終わりに、レジスタは計測されてもよい。コンピュータが量子コンピュータである実施形態では、アルゴリズムの各インスタンスの各実行の終わりに、計算レジスタは計測される。結果として生じた(古典的情報などの)情報は、手順またはヒューリスティックが望ましい問題をどれくらいよく解決したか、あるいは、それがどれくらいよく計算を実施したかを示す場合がある。したがって、AI制御ユニットのための計算の最も重要なセグメントは、計算のレジスタの実行の終わりであってもよい。
訓練されたAI制御ユニットで計算を実行するのために本明細書に記載されるシステムを使用する際、AI制御ユニットは、そのAI制御ユニットパラメータを更新することなく、計算の各セグメントに対して調整可能なパラメータの値を提供する。結果として、調整可能なパラメータは、計算中に更新されない。AI制御ユニットは、計算を実行するために、計算の各セグメントのための調整可能なパラメータの最良選択をコンピュータに指示する。計算の過程は、計算の各セグメントのための、訓練されたAI制御ユニットによって指示された調整可能なパラメータの値に基づいて変更される。
訓練モードでは、AI制御ユニットは、最適方策のその認知を向上させ得る。(特定の量子計算、量子古典計算、または古典計算などの)特定の計算にAI制御ユニットを訓練させるために、手順の入力の多くのインスタンスが計算サブシステムに(例えば、計算レジスタの様々な初期化、量子オラクルを再プログラムすることなどによって)提供されてもよい。アルゴリズムの各インスタンスの各実行では、シンドロームサブシステムの初期化、エンタングルメントおよび計測が、複数の状態行動エポックで実行されてもよい。AI制御ユニットは、実行された計測から即時報酬を受け取ってもよい。量子アルゴリズムの各インスタンスの各実行の終わりに、計算サブシステムは計測されてもよい。結果として生じた情報(古典的情報などの)は、手順またはヒューリスティックが望ましい問題をどれくらいよく解決したか、あるいは、それがどれくらいよく計算を実施したかを示す場合がある。したがって、AI制御ユニットの最も重要な状態行動エポックは、計算のインスタンスの実行の終わりにあってもよく、ここで、即時報酬は、計算の結果の有用性に関連して取得されてもよい。
推定モードでは、エージェントは、それが発見した方策における改善を追求するように義務づけられなくてもよい。代わりに、それは、単にシンドロームサブシステムの計測の関数としてアークションの最良選択を提供してもよい。いくつかの実施形態では、1以上の古典的ニューラルネットワークは、最適方策を保存するために関数アプロキシメータとして使用されてもよい。その後、推定は、ニューラルネットワーク上でフィードフォワード計算を実行する、およびニューラルネットワークの出力層のアクティベーションによって示唆された最良アークションを提供することを含んでもよい。
本開示は、本開示の方法を実施するようにプログラムされるコンピュータシステムを提供する。 図6は、本開示の方法を実施するようにプログラム又は構成される、コンピュータシステム(601)を示す。コンピュータシステム(601)は、本開示の方法およびシステムの様々な態様を調節することができる。
QAOAを使用して、本明細書に記載される手順が組み合せ最適化問題を解決する場合、組み合せ最適化問題の各インスタンスは、目的関数を計算するオラクルによって提供されてもよい。目的関数のハミルトニアンの表現は、量子オラクル内にプログラムされ、計算を介してオラクルに対する任意のクエリーによってコヒーレントに計算されてもよい。いくつかの実施形態では、2つの状態行動エポックのみがあり得る:一つはQAOA計算中のものであり(それは中間状態行動エポックと呼ばれてもよい)、および一つはQAOA計算の一回の実行の終わりにあるものである(それは終端状態行動エポックと呼ばれてもよい)。
実施例では、上記に紹介された変分量子固有値ソルバー(VQE)は、量子ハミルトニアンの低エネルギー状態(例えば、基底状態)を見つけるために量子デバイスを使用するための方法である。量子化学用途では、ハミルトニアンは、それの分子または一種の材料から構築され、その後、様々な方法(例えば、Jordan-Wigner変換またはBravyi-Kitaev変換)で複数の量子ビットの観点から書かれたハミルトニアンに変換されてもよい。いくつかの例では、VQEは、高度にもつれた量子状態を調製するために量子コンピュータ(小さくても)のパワーを使用することを使用する場合がある。一方では、VQEは、計算の終了までにより望ましい量子状態を達成するためにVQEによって実行されたゲートセットを変動する古典的最適化モジュールを使用してもよい。VQEは、古典的最適化問題を解決するのが簡単であると仮定してもよい;しかしながら、量子状態(例えば、エネルギー)の観察に単一およびマルチ量子ビットゲートの角度および振幅を指定する目的関数の最適化のランドスケープは、非常に複雑であり得る。いくつかの態様では、本明細書に開示される方法は、VQEのゴール(例えば、量子状態の観察に結びつく、単一およびマルチ量子ビットゲートの角度および振幅を見つけること)を達成できる近似力学プログラムスキームを訓練するために、AIモジュール(例えば、強化学習)を使用する方法を提供する。
断熱量子計算は、万能の量子計算であり、その計算目的が、あるターゲット計算サブシステムハミルトニアンの基底状態を取得することである。これを達成するために、断熱量子計算は、その基底状態を調製するのが簡単である初期の計算サブシステムハミルトニアンで開始してもよく、その後、計算サブシステムハミルトニアンを、終期の計算サブシステムハミルトニアンに断熱的に変更してもよい。
シミュレーションされたアニーリングなどの計算の最適化手順は、(温度スケジュールなどの)パラメータの注意深い選別および微調整を典型的に要求する場合があり、および最適化手順が解決に集束するまで多数の繰り返された実行が、要求される場合がある。パラメータの限られた選択は、最適化手順の速い実行ただし不正確な解決、正確な解決ただし最適化手順の遅い実行、または不正確な解決と最適化手順の遅い実行を引き起こす場合がある。本明細書に開示されるのは、正確な解決と最適化手順の速い実行を取得するために、パラメータを選択するためにAI手順を利用するシステムおよび方法である。
Claims (47)
- 人工知能(AI)を使用して計算を実行するためのシステムであって、前記システムは、
(a)1以上の調整可能なパラメータと1以上の調整不可能なパラメータとを含む計算を実行し、かつ前記計算を示すレポートを出力するように構成された、少なくとも1つのコンピュータであって、前記コンピュータは、
(i)1以上のレジスタであって、ここで前記1以上のレジスタは、前記計算を実行するように構成されている、1以上のレジスタと、
(ii)前記1以上のレジスタの少なくとも1つの状態を計測して、前記1以上のレジスタの前記状態の表現を決定するように構成された、計測ユニットであって、これによって、前記計算の表現を決定する、計測ユニットと、を含むコンピュータと、
(b)少なくとも1つの人工知能(AI)制御ユニットであって、前記少なくとも1つの人工知能(AI)制御ユニットは、(1)前記計算を制御し、(2)前記計算に対応する1以上の調整可能なパラメータを決定するために、少なくとも1つのAI手順を実行し、そして、(3)前記コンピュータに前記調整可能なパラメータを指示する、ように構成され、ここで、前記少なくとも1つの人工知能(AI)制御ユニットは、1以上のAI制御ユニットパラメータを含む、少なくとも1つの人工知能(AI)制御ユニットと、を含む、システム。 - 前記コンピュータが、ハイブリッド計算システムを含み、前記ハイブリッド計算システムは、
(a)前記計算を実行するように構成された少なくとも1つの非古典的コンピュータであって、
(i)前記1以上のレジスタと、
(ii)前記計測ユニットと、を含む、少なくとも1つの非古典的コンピュータと、
(b)前記AI制御ユニットと、を含む、請求項1に記載のシステム。 - 前記少なくとも1つの非古典的コンピュータが、少なくとも1つの量子コンピュータを含み、ここで、前記1以上のレジスタは、1以上の量子ビットを含み、前記1以上の量子ビットは、前記計算を実行するように構成され、ここで、前記計測ユニットは、前記1以上の量子ビットの少なくとも1つの状態を計測して、前記1以上の量子ビットの前記少なくとも1つの前記状態の表現を決定するように構成され、これによって、前記計算の表現を決定し、ここで、前記計測ユニットは、前記AI制御ユニットに前記計算の前記表現を提供するようにさらに構成される、請求項2に記載のシステム。
- 前記計測ユニットが、前記1以上の量子ビットの少なくとも1つの前記状態を計測して、前記計算の現在の状態に関する部分的な情報を表すシンドロームデータを取得して、かつ前記AI制御ユニットに前記シンドロームデータを提供するように構成される、請求項3に記載のシステム。
- 前記1以上のレジスタが、計算レジスタとシンドロームレジスタを含み、ここで、前記計算レジスタは、1以上の計算量子ビットを含み、前記1以上の計算量子ビットは、前記計算を実行するように構成されて、ここで、前記シンドロームレジスタは、前記1以上の計算量子ビットと異なる1以上のシンドローム量子ビットを含み、ここで、前記1以上のシンドローム量子ビットは、前記1以上の計算量子ビットと量子学的にもつれており、および、ここで、前記1以上のシンドローム量子ビットは、前記計算を実行するためのものではなく、そして、ここで、前記計測ユニットは、前記1以上のシンドローム量子ビットの状態を計測して、前記1以上の計算量子ビットの状態の表現を決定するように構成され、これによって、前記計算の前記表現を決定する、請求項3に記載のシステム。
- 前記計算が量子計算を含む、請求項1に記載のシステム。
- 前記量子計算が断熱量子計算を含む、請求項6に記載のシステム。
- 前記量子計算が量子近似最適化アルゴリズム(QAOA)を含む、請求項6に記載のシステム。
- 前記量子計算が変分量子アルゴリズムを含む、請求項6に記載のシステム。
- 前記量子計算が量子レジスタ上の誤り訂正を含む、請求項6に記載のシステム。
- 前記量子計算がフォールトトレラント量子計算ガジェットを含む、請求項6に記載のシステム。
- 前記計算が古典的計算を含む、請求項1に記載のシステム。
- 前記計算が、シミュレーションされたアニーリング、シミュレーションされた量子アニーリング、パラレルテンパリング、等エネルギークラスター移動を伴うパラレルテンパリング、拡散モンテカルロ法、ポピュレーションアニーリング、および量子モンテカルロ法、からなる群から選択される、少なくとも1つのメンバーを含む、請求項1に記載のシステム。
- 前記少なくとも1つの量子コンピュータが、前記1以上の量子ビットの初期状態の調製と、前記1以上の量子ビット上の1以上の単一量子ビット量子ゲートの実施と、前記1以上の量子ビット上の1以上のマルチ量子ビット量子ゲートの実施と、1以上の量子ビットを使用する、初期ハミルトニアンから最終ハミルトニアンまでの断熱的発展と、からなる群から選択される、少なくとも1つのメンバーを含む、1以上の量子操作を実行するように構成される、請求項3に記載のシステム。
- 前記1以上の計算量子ビットの前記状態の前記表現が、前記1以上のシンドローム量子ビットの前記状態と、数学的に相関がある、請求項5に記載のシステム。
- 前記計測ユニットが、前記計算中の前記1以上の計算量子ビットの発展中に、前記1以上のシンドローム量子ビットの前記状態を計測するように構成される、請求項5に記載のシステム。
- 前記少なくとも1つの非古典的コンピュータが、統合型フォトニックコヒーレントイジングマシンコンピュータを含む、請求項2に記載のシステム。
- 前記少なくとも1つの非古典的コンピュータが、光学パラメトリックパルスのネットワークを含む、請求項2に記載のシステム。
- 前記少なくとも1つのAI手順が、少なくとも1つの機械学習(ML)手順を含む、請求項1に記載のシステム。
- 前記少なくとも1つのML手順が、少なくとも1つのML訓練手順を含む、請求項19に記載のシステム。
- 前記少なくとも1つのML手順が、少なくとも1つのML推論手順を含む、請求項19に記載のシステム。
- 前記少なくとも1つのAI手順が、少なくとも1つの強化学習(RL)手順を含む、請求項1に記載のシステム。
- 前記少なくとも1つのAI手順が、前記計算中に前記調整可能なパラメータを修正するように構成され、これによって、1以上の修正された調整可能なパラメータを提供する、請求項1に記載のシステム。
- 前記1以上の修正された調整可能なパラメータが、前記計算の過程中に前記計算を修正するように構成される、請求項1に記載のシステム。
- 前記少なくとも1つのAI制御ユニットが、テンソル処理ユニット(TPU)、グラフィックス処理ユニット(GPU)、フィールドプログラマブルゲートアレイ(FPGA)、および特定用途向け集積回路(ASIC)、からなる群から選択される、少なくとも1つのメンバーを含む、請求項1に記載のシステム。
- 前記少なくとも1つのコンピュータが、フィールドプログラマブルゲートアレイ(FPGA)、および特定用途向け集積回路(ASIC)、からなる群から選択される、少なくとも1つのメンバーを含む、請求項1に記載のシステム。
- 前記少なくとも1つのAI制御ユニットが、ネットワーク上の前記少なくとも1つのコンピュータと通信している、請求項1に記載のシステム。
- 前記少なくとも1つのAI制御ユニットが、クラウドネットワーク上の前記少なくとも1つのコンピュータと通信している、請求項1に記載のシステム。
- 前記少なくとも1つのAI制御ユニットが、冷凍機システム内の極低温度で作動する古典的処理システムとして統合される、請求項1に記載のシステム。
- 前記1以上の調整可能なパラメータと1以上の調整不可能なパラメータとが、前記計算の現在の表現からの命令セットを含む前記計算の次のセグメントを定義する、請求項1に記載のシステム。
- 前記1以上の調整可能なパラメータが、前記計算の初期温度を含む、請求項1に記載のシステム。
- 1以上の調整可能なパラメータが、前記計算の温度スケジュールを含む、請求項1に記載のシステム。
- 前記1以上の調整可能なパラメータが、前記計算の最終温度を含む、請求項1に記載のシステム。
- 前記1以上の調整可能なパラメータが、前記ネットワークのポンピングエネルギーのスケジュールを含む、請求項1に記載のシステム。
- 前記1以上の調整可能なパラメータが、前記量子計算のセグメントのための量子ゲートの指示を含む、請求項3-5のいずれか1項に記載のシステム。
- 前記1以上の調整可能なパラメータが、前記量子計算のセグメントのための、局所操作と古典的通信(LOCC)チャネルの指示を含む、請求項3-5のいずれか1項に記載のシステム。
- 前記AI制御ユニットが、ニューラルネットワークを含み、そして、ここで、前記1以上のAI制御ユニットパラメータが、前記ニューラルネットワークに対応するニューラルネットワークウェイトを含む、請求項1に記載のシステム。
- 人工知能(AI)制御ユニットを訓練するための方法であって、前記方法は、
(a)(1)1以上の調整不可能なパラメータの1以上のインスタンスと、(2)1以上の調整可能なパラメータとAI制御ユニットパラメータと、を取得する工程と、
(b)前記AI制御ユニットパラメータを使用して、前記AI制御ユニットを構成する工程と、
(c)前記1以上の調整不可能なパラメータの少なくとも1つのインスタンスを選択する工程と、
(d)前記1以上の調整不可能なパラメータの前記少なくとも1つのインスタンスと、前記1以上の調整可能なパラメータとを使用して、コンピュータを構成する工程であって、ここで、前記1以上の調整可能なパラメータの値は、前記AI制御ユニットによって指示され、ここで、前記コンピュータは1以上のレジスタを含む、工程と、
(e)前記コンピュータの前記1以上のレジスタを使用して、計算のセグメントを実行する工程と、
(f)前記1以上のレジスタの少なくとも1つの1以上の計測を実行する工程であって、それにより、前記計算の前記セグメントの表現を取得する、工程と、
(g)(c)-(f)を複数回繰り返す工程と、
(h)前記複数回実行された各々の前記計算を示すレポートを出力する工程と、
(i)前記レポートに基づいて、前記AI制御ユニットパラメータを修正することによって、前記AI制御ユニットを再構成する工程と、
(j)停止基準が充足されるまで(c)-(i)を繰り返す工程と、を含む、方法。 - 前記AI制御ユニットと前記コンピュータが、前記計算を実行するためのシステムを含み、ここで、前記システムが、請求項1-37のいずれか1項に記載のシステムを含む、請求項38に記載の方法。
- 前記1以上のレジスタの前記少なくとも1つの1以上の計測を実行する工程であって、それにより、前記計算の前記セグメントの前記表現を取得する、工程が、
(a)前記セグメントが前記計算のための最後のセグメントでない場合、前記1以上の計測はシンドロームデータを含み、
(b)前記セグメントが前記計算のための前記最後のセグメントである場合、前記1以上の計測は計算データを含む、請求項38または39に記載の方法。 - コンピュータと人工知能(AI)制御ユニットを含むシステムを使用して、計算を実行するための方法であって、前記方法は、
(a)1以上の調整不可能なパラメータを取得する工程と、
(b)前記1以上の調整不可能なパラメータを使用して、前記コンピュータを構成する工程と、
(c)前記1以上の調整可能なパラメータを使用して、前記コンピュータを構成する工程であって、ここで、前記1以上の調整可能なパラメータは、前記AI制御ユニットによって指示される、工程と、
(d)前記コンピュータの1以上のレジスタを使用して、前記計算のセグメントを実行する工程と、
(e)前記1以上のレジスタの少なくとも1つの1以上の計測を実行する工程であって、それにより、前記計算の前記セグメントの表現を取得する、工程と、
(f)停止基準が充足されるまで、(c)、(d)、および(e)を繰り返す工程と、
(g)前記計算を示すレポートを出力する工程と、を含む、方法。 - 前記AI制御ユニットと前記コンピュータが、前記計算を実行するためのシステムを含み、ここで、前記システムが、請求項1-37のいずれか1項に記載のシステムをさらに含む、請求項41に記載の方法。
- 計算を実行するための方法であって、前記方法は、
(a)ユーザーから1以上の調整不可能なパラメータを取得する工程と、
(b)人工知能(AI)制御ユニットを使用して、コンピュータに1以上の調整可能なパラメータの値を指示する工程であって、ここで、前記コンピュータは1以上のレジスタを含む、工程と、
(c)前記計算を実行するために、前記1以上のレジスタを使用する工程であって、計算が、前記1以上の調整不可能なパラメータと前記1以上の調整可能なパラメータとを使用することを含む、工程と、
(d)前記計算の表現を取得するために、前記1以上のレジスタの1以上の計測を実行する工程と、
(e)前記計算を示すレポートを出力する工程と、を含む、方法。 - 前記AI制御ユニットと前記コンピュータが、前記計算を実行するためのシステムを含み、ここで、前記システムが、請求項1-37のいずれか1項に記載のシステムをさらに含む、請求項43に記載の方法。
- 計算を実行するために、少なくとも1つの人工知能(AI)制御ユニットと少なくとも1つの非古典的コンピュータとを含むハイブリッドコンピュータを訓練するための方法であって、前記方法は、
(a)前記AI制御ユニットを使用する工程であって、それにより、
(i)前記計算の複数のインスタンスを含む訓練セットを取得し、
(ii)AI制御ユニットパラメータと1以上の調整可能なパラメータを取得、かつ初期化し、
(iii)前記複数のインスタンスの1つのインスタンスを選択し、
(iv)前記少なくとも1つの非古典的コンピュータを初期化し、そして、
(v)複数の状態行動エポックを含む状態行動エポックスケジュールを取得、かつ初期化する、工程と、
(b)前記少なくとも1つの非古典的コンピュータを使用する工程であって、それにより、
(i)前記複数の状態行動エポックの次の状態行動エポックまで前記インスタンスを実行し、
(ii)前記選択されたインスタンスに対応する即時報酬を取得するために、前記シンドロームレジスタの1以上の計測を実行し、そして、
(iii)前記AI制御ユニットに前記即時報酬の指示を提供し、
これによって、前記即時報酬に基づいて前記AI制御ユニットパラメータを更新する、工程と、
(c)前記1以上の調整可能なパラメータから調整可能なパラメータのセットを提供するために、前記AI制御ユニットを使用する工程と、
(d)第1の停止基準が充足されるまで、(b)を繰り返す工程と、
(e)第2の停止基準が充足されるまで、(a)(iii)-(d)を繰り返す工程と、を含む、方法。 - 少なくとも1つの人工知能(AI)制御ユニットと少なくとも1つの非古典的コンピュータとを含むハイブリッドコンピュータを使用して、計算を実行するための方法であって、前記方法は、
(a)前記AI制御ユニットを使用する工程であって、それにより、
(i)前記計算を表す命令のセットを取得し、前記命令は、複数の調整可能な命令を含む、調整可能な命令セットを含み、
(ii)訓練された方策と、複数の状態行動エポックを含む状態行動エポックスケジュールを取得し、
(iii)前記少なくとも1つの非古典的コンピュータを初期化し、そして、
(iv)前記複数の状態行動エポックと前記調整可能な命令セットを初期化する、工程と、
(b)前記少なくとも1つの量子コンピュータを使用する工程であって、それにより、
(i)前記複数の状態行動エポックの次の状態行動エポックまで前記計算を実行し、
(ii)前記計算の表現を取得するために、前記1以上のレジスタの1以上の計測を実行し、そして、
(iii)次の複数の調整可能な命令を取得する、工程と、
(c)停止基準が充足されるまで(a)-(b)を繰り返す工程と、を含む、方法。 - AI制御ユニットを訓練するための方法であって、前記方法は、
(a)1以上の調整不可能なパラメータ、1以上の調整可能なパラメータ、およびAI制御ユニットパラメータを取得する工程と、
(b)前記AI制御ユニットパラメータを使用して、前記AI制御ユニットを構成する工程と、
(c)前記1以上の調整不可能なパラメータと前記1以上の調整可能なパラメータとを使用して、コンピュータを構成する工程であって、ここで、前記1以上の調整可能なパラメータの値は、前記AI制御ユニットによって指示される、工程と、
(d)前記コンピュータを使用して、計算を実行する工程と、
(e)前記計算の表現を取得するために、1以上の計測を実行する工程と、
(f)前記計算を示すレポートを出力する工程と、
(g)前記レポートに基づいて、前記AI制御ユニットパラメータを修正することによって、前記AI制御ユニットを再構成する工程と、を含む、方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862776183P | 2018-12-06 | 2018-12-06 | |
US62/776,183 | 2018-12-06 | ||
US201962872601P | 2019-07-10 | 2019-07-10 | |
US62/872,601 | 2019-07-10 | ||
PCT/CA2019/051752 WO2020113339A1 (en) | 2018-12-06 | 2019-12-05 | Artificial intelligence-driven quantum computing |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022509841A true JP2022509841A (ja) | 2022-01-24 |
Family
ID=70974880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021530161A Pending JP2022509841A (ja) | 2018-12-06 | 2019-12-05 | 人工知能駆動型量子計算 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210374611A1 (ja) |
EP (1) | EP3891668A4 (ja) |
JP (1) | JP2022509841A (ja) |
CA (1) | CA3121561A1 (ja) |
WO (1) | WO2020113339A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11797641B2 (en) | 2015-02-03 | 2023-10-24 | 1Qb Information Technologies Inc. | Method and system for solving the lagrangian dual of a constrained binary quadratic programming problem using a quantum annealer |
CA2881033C (en) | 2015-02-03 | 2016-03-15 | 1Qb Information Technologies Inc. | Method and system for solving lagrangian dual of a constrained binary quadratic programming problem |
US9870273B2 (en) | 2016-06-13 | 2018-01-16 | 1Qb Information Technologies Inc. | Methods and systems for quantum ready and quantum enabled computations |
US10044638B2 (en) | 2016-05-26 | 2018-08-07 | 1Qb Information Technologies Inc. | Methods and systems for quantum computing |
WO2020255076A1 (en) | 2019-06-19 | 2020-12-24 | 1Qb Information Technologies Inc. | Method and system for mapping a dataset from a hilbert space of a given dimension to a hilbert space of a different dimension |
EP3783832A1 (en) * | 2019-08-22 | 2021-02-24 | Turing Inc. | Method and device for setting up long range quantum communications networks |
US11657312B2 (en) * | 2020-01-31 | 2023-05-23 | International Business Machines Corporation | Short-depth active learning quantum amplitude estimation without eigenstate collapse |
CN113379057B (zh) | 2021-06-07 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 量子体系基态能量估计方法及系统 |
US20230090148A1 (en) * | 2021-09-23 | 2023-03-23 | Microsoft Technology Licensing, Llc | Observational bayesian optimization of quantum-computing operations |
US11436519B1 (en) * | 2021-12-23 | 2022-09-06 | Quantum Computing Inc. | Machine learning mapping for quantum processing units |
CN116402154B (zh) * | 2023-04-03 | 2024-02-02 | 正则量子(北京)技术有限公司 | 一种基于神经网络的本征值求解方法及设备 |
CN116644814A (zh) * | 2023-05-25 | 2023-08-25 | 本源量子计算科技(合肥)股份有限公司 | 一种辅助决策方法、装置、介质及电子装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007085074A1 (en) * | 2006-01-27 | 2007-08-02 | D-Wave Systems, Inc. | Methods of adiabatic quantum computation |
AU2007329156B2 (en) * | 2006-12-05 | 2012-09-13 | D-Wave Systems Inc. | Systems, methods and apparatus for local programming of quantum processor elements |
US9471880B2 (en) * | 2013-04-12 | 2016-10-18 | D-Wave Systems Inc. | Systems and methods for interacting with a quantum computing system |
US9858531B1 (en) * | 2013-08-02 | 2018-01-02 | University Of Maryland | Fault tolerant scalable modular quantum computer architecture with an enhanced control of multi-mode couplings between trapped ion qubits |
US10037493B2 (en) * | 2013-10-22 | 2018-07-31 | D-Wave Systems Inc. | Universal adiabatic quantum computing with superconducting qubits |
EP3362952A4 (en) * | 2015-10-16 | 2018-10-03 | D-Wave Systems Inc. | Systems and methods for creating and using quantum boltzmann machines |
US11263547B2 (en) * | 2017-01-30 | 2022-03-01 | D-Wave Systems Inc. | Quantum annealing debugging systems and methods |
US11200508B2 (en) * | 2017-03-10 | 2021-12-14 | Rigetti & Co, Inc. | Modular control in a quantum computing system |
-
2019
- 2019-12-05 CA CA3121561A patent/CA3121561A1/en active Pending
- 2019-12-05 WO PCT/CA2019/051752 patent/WO2020113339A1/en unknown
- 2019-12-05 JP JP2021530161A patent/JP2022509841A/ja active Pending
- 2019-12-05 EP EP19893226.1A patent/EP3891668A4/en active Pending
-
2021
- 2021-05-11 US US17/317,644 patent/US20210374611A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3891668A4 (en) | 2023-01-25 |
CA3121561A1 (en) | 2020-06-11 |
WO2020113339A1 (en) | 2020-06-11 |
US20210374611A1 (en) | 2021-12-02 |
EP3891668A1 (en) | 2021-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022509841A (ja) | 人工知能駆動型量子計算 | |
US20210166148A1 (en) | Variationally and adiabatically navigated quantum eigensolvers | |
US10713582B2 (en) | Methods and systems for quantum computing | |
Kuo et al. | Quantum architecture search via deep reinforcement learning | |
US20200364601A1 (en) | Methods and systems for quantum computing enabled molecular ab initio simulations using quantum-classical computing hardware | |
US20230104058A1 (en) | Methods and systems for improving an estimation of a property of a quantum state | |
JP2019508830A (ja) | 優位推定を使用する強化学習 | |
US20230080393A1 (en) | Methods and systems for quantum simulation of molecular and spin systems | |
US20220068439A1 (en) | Methods And Systems For Quantum Computing Enabled Molecular AB Initio Simulations | |
US20230334115A1 (en) | Methods and systems for solving a weighted maximum clique problem | |
US20240020543A1 (en) | Glp-1/gip dual agonists | |
US20210089834A1 (en) | Imagination-based agent neural networks | |
US20220092456A1 (en) | Controlling an agent to explore an environment using observation likelihoods | |
US20230259385A1 (en) | Methods and systems for hyperparameter tuning and benchmarking | |
Patel et al. | Curriculum reinforcement learning for quantum architecture search under hardware errors | |
JP7317979B2 (ja) | ピラミッドレイヤのアーキテクチャを生成するためのシステムおよび方法 | |
Lee et al. | Artificial Intelligence for Scientific Discovery at High-Performance Computing Scales | |
KR20220169886A (ko) | 신약 개발을 위한 히트 분자 발굴 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210713 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221124 |
|
RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20221206 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231018 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240403 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240509 |