JP7372996B2 - ノードグループ化方法、装置及び電子機器 - Google Patents

ノードグループ化方法、装置及び電子機器 Download PDF

Info

Publication number
JP7372996B2
JP7372996B2 JP2022026006A JP2022026006A JP7372996B2 JP 7372996 B2 JP7372996 B2 JP 7372996B2 JP 2022026006 A JP2022026006 A JP 2022026006A JP 2022026006 A JP2022026006 A JP 2022026006A JP 7372996 B2 JP7372996 B2 JP 7372996B2
Authority
JP
Japan
Prior art keywords
node
diagram
nodes
target
group
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.)
Active
Application number
JP2022026006A
Other languages
English (en)
Other versions
JP2022068327A (ja
Inventor
クン ファン
ランヤオ デュアン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of JP2022068327A publication Critical patent/JP2022068327A/ja
Application granted granted Critical
Publication of JP7372996B2 publication Critical patent/JP7372996B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/901Indexing; Data structures therefor; Storage structures
    • G06F16/9024Graphs; Linked lists
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/906Clustering; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/20Models of quantum computing, e.g. quantum circuits or universal quantum computers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/60Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/01Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Operations Research (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Complex Calculations (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Error Detection And Correction (AREA)

Description

本願は、量子計算技術分野に関し、特に量子計算における進化計算分野に関し、具体的にはノードグループ化方法、装置及び電子機器に関する。
最大カット問題は、グラフ理論と組み合わせ最適化における基本的な問題であり、多項式の複雑さとして証明された非確定性多項式NP(Non-deterministic Polynomial)困難問題でもある。この最大カット問題とは、ノードダイアグラムにおける2組のノードを結ぶ辺数の和が最大になるように、ノードダイアグラムにおけるノード集合を相補的な2組のノードに分割することであり、統計物理、画像処理、ネットワーク設計、超大規模集積回路設計及びデータクラスタ分析などの多くの分野に広く応用されている。
現在、量子近似最適化アルゴリズムQAOA(Quantum Approximate Optimization Algorithm)を用いて最大カット問題を近似的に解くことができる。このQAOAアルゴリズムは、通常、量子回路モデルで進化する。
本開示は、ノードグループ化方法、装置及び電子機器を提供する。
本開示の第1の態様によれば、M(1より大きい整数である)個の第1ノードを含むグループ化対象ノードダイアグラムを取得することと、量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK(M以上の整数である)個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいて構築することと、前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成することと、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得ることと、前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定することとを含む、ノードグループ化方法を提供する。
本開示の第2の態様によれば、M(1より大きい整数である)個の第1ノードを含むグループ化対象ノードダイアグラムを取得するための取得モジュールと、量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK(M以上の整数である)個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいてを構築するための構築モジュールと、前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成するための生成モジュールと、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得るためのグループ測定モジュールと、前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定するための決定モジュールとを備えるノードグループ化装置を提供する。
本開示の第3の態様によれば、少なくとも1つのプロセッサと、該少なくとも1つのプロセッサに通信可能に接続されたメモリと、を備え、メモリには、少なくとも1つのプロセッサによって実行可能な命令が格納されており、該命令が少なくとも1つのプロセッサによって実行されることによって、少なくとも1つのプロセッサによる第1の態様のいずれかの方法の実行を可能にする電子機器を提供する。
本開示の第4の態様によれば、コンピュータ命令が格納されている非瞬時コンピュータ可読記憶媒体を提供し、前記コンピュータ命令は、第1の態様のいずれかの方法をコンピュータに実行させる。
本開示の第5の態様によれば、プロセッサによって実行されると、第1の態様のいずれかの方法を実現させるコンピュータプログラムを含むコンピュータプログラムプロダクトを提供する。
本願の技術によれば、ノードグループ化の際にQAOAアルゴリズムの進化効果が比較的に悪いという問題を解決し、QAOAアルゴリズムの進化効果を向上させ、ノードグループ化の効果を向上させる。
なお、本明細書の記載は、本開示の実施例のポイント又は重要な特徴を特定することを意図しておらず、本開示の範囲を限定することも意図していない。本開示の他の特徴は、以下の説明から容易に理解される。
図面は、本発明をより良く理解するためのものであり、本発明を限定するものではない。
本願の実施例1に係るノードグループ化方法のフローチャートである。 本願の実施例の一例におけるグループ化対象ノードダイアグラムの構成を示す図である。 第1ノードダイアグラムの構成を示す図である。 第2ノードダイアグラムの構成を示す図である。 QAOAのノードリンクダイアグラムの構成を示す図である。 本願の実施例2に係るノードグループ化装置の構成を示す図である。 本開示の実施例を実施するために使用することができる例示的な電子機器700の概略ブロック図を示す。
理解を容易にするために、本願の例示的な実施例は、本願の実施例の様々な詳細を含めて、添付図面を参照して以下に説明されるが、これらは、例示的なものに過ぎないと考えられるべきである。従って、当業者は、本願の範囲及び精神から逸脱することなく、本明細書に記載された実施例に様々な変更及び修正を加えることができることを認識するべきである。また、以下の説明では、明確化及び簡略化のために、公知の機能及び構成についての説明を省略する。
実施例1
図1に示すように、本願に係るノードグループ化方法は、以下のステップを含む。
ステップS101において、M(1より大きい整数である)個の第1ノードを含むグループ化対象ノードダイアグラムを取得する。
本実施例において、ノードグループ化方法は、量子計算技術分野に関し、特に量子計算における進化計算分野に関し、統計物理、画像処理、ネットワーク設計、超大規模集積回路設計及びデータクラスタ分析などの多くの分野に広く応用されている。
実際に使用する場合、本願の実施例に係るノードグループ化方法は、本願の実施例に係るノードグループ化装置によって実行される。本願の実施例に係るノードグループ化装置は、本願の実施例に係るノードグループ化方法を実行するために、任意の電子機器に配置することができる。電子機器は、サーバであっても端末であってもよいが、ここでは具体的に限定しない。
前記グループ化対象ノードダイアグラムとは、少なくとも1つのノードと無向辺とからなる無向ダイアグラムである。図2を参照する。図2は、本願の実施例の一例におけるグループ化対象ノードダイアグラムの構成を示す図である。図2に示すように、このグループ化対象ノードダイアグラムは、ノード1、ノード2、ノード3、ノード4、及びこれら4つのノードからなる無向辺を含む。ここで、これら4つのノードからなる無向辺とは、これら4つのノードのうち隣接する2つのノードを結ぶ無向辺である。
このグループ化対象ノードダイアグラムのM個の第1のノードは、最大カット問題に従ってグループ化される。ここで、最大カット問題は、G=(V,E)(V:ノード集合、E:無向辺集合)で示すグループ化対象ノードダイアグラムGを与え、グループ化対象ノードダイアグラムの中で2組のノードを結ぶ辺の数の和が最大になるように、ノード集合におけるノードを相補的な2組(それぞれV0,V1で示す)に分割することで具体的に記述される。
数学的には、ノード集合のグループ測定結果として、Mビットの文字列z=z1…zMで示され(ここで、Mは、グループ化対象ノードダイアグラムのノード数である)、zi=0は、ノードiがグループV0に属することを示し、zi=1は、ノードiがグループにV1属することを示すと、ノード集合の対応するグループ化方式が得られるため、最大カット問題は、下記式(1)の解を求める組合せ最適化問題である。
ここで、上記式(1)において、
は、2つの入力値の排他的論理和演算を示す。
図2に示すように、ノードをグループ化する際には、ノード1とノード2を1つのグループに分け、ノード3とノード4を別のグループに分けると、これら2組のノードを結ぶ辺は、ノード2とノード3を結ぶ無向辺と、ノード1とノード4を結ぶ無向辺を含み、その数の和が2である。一方、ノード1とノード3を1つのグループに分け、ノード2とノード4を別のグループに分けると、これら2組のノードを結ぶ辺は、ノード1とノード2を結ぶ無向辺、ノード1とノード4を結ぶ無向辺、ノード2とノード3を結ぶ無向辺、ノード3とノード4を結ぶ無向辺を含み、その数の和が4である。最大カット問題を解く目的は、進化アルゴリズムによって、グループ化対象ノードダイアグラムの中で2組のノードを結ぶ辺の数の和が最大になるように、これら4つのノードをグループ化することを実現することである。例えば、このグループ化対象ノードダイアグラムに対して、この最大カット問題を解くことは、ノード1とノード3を1つのグループに分け、ノード2とノード4を別のグループに分けることである。
前記グループ化対象ノードダイアグラムは、様々な取得方法を有する。例えば、ユーザが入力したダイアグラム構築パラメータを受けて、グループ化対象ノードダイアグラムを自動的に生成する。この構築パラメータは、ノードの数、辺の数及び構築方式を含む。ノードグループ化装置に予め記憶されているノードダイアグラムを取得してグループ化対象ノードダイアグラムとしてもよいし、他の電子機器から送信されるグループ化対象ノードダイアグラムを受信してもよい。
ステップ102において、量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK(M以上の整数である)個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいてを構築する。
本実施例において、Edward Farhiらが古典計算と量子計算の混合反復の考え方により提案した量子アルゴリズムであるQAOAアルゴリズムを用いて最大カット問題を解決することができる。QAOAアルゴリズムは、量子計算機器で動作することができる。
QAOAアルゴリズムの進化時に、まず、QAOAのノードリンクダイアグラムを構築する必要がある。前記ノードリンクダイアグラムとは、K個のノードと、このK個のノードを結ぶ無向辺とからなる空間ダイアグラムであり、グループ化対象ノードダイアグラムに基づいて構築されるレイヤを複数含む。且つ、各レイヤは、グループ化対象ノードダイアグラムにおけるM個の第1ノードを含む。即ち、前記K個のノードは、前記M個の第1ノードを含む。
簡単に説明すると、このノードリンクダイアグラムを1つのシステム全体と考えると、このノードリンクダイアグラムは、複数のサブシステムを備え、その中の各レイヤは、1つのサブシステムと見なすことができ、且つ、各サブシステムは、グループ化対象ノードダイアグラムに基づいて生成される。
QAOAのノードリンクダイアグラムは、前記グループ化対象ノードダイアグラムに基づいて構築される。選択可能な実施形態において、その構築方式として、前記グループ化対象ノードダイアグラムの各無向辺に第2ノードを追加して第1ノードダイアグラムを得ることと、前記グループ化対象ノードダイアグラムの各無向辺を削除して、数が前記第1ノードダイアグラムよりも少ない第2ノードダイアグラムを得ることと、前記第1ノードダイアグラムと第2ノードダイアグラムを順次平行に交互に積み重ねることによって、QAOAのノードリンクダイアグラムを構成することとを含む。ここで、前記K個のノードは、追加された第2ノードを更に含む。
また、他の方式で構築されてもよいが、異なる方式で構築されたQAOAのノードリンクダイアグラムの構成は同一であることが原則であり、ここでは、ノードリンクダイアグラムの構築方式を限定しない。
ステップS103において、前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成する。
このステップにおいて、量子もつれ状態とは、このノードリンクダイアグラムという全体的なシステムの物理的状態を記述するものであり、列ベクトルのようなベクトルであり、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含み、且つ各ノードは、前記ノードリンクダイアグラムにおける目標量子状態が存在し、ノードリンクダイアグラムにおける各ノードの目標量子状態は、1つの量子ビットの量子状態によって表される。ここで、量子物理において、量子状態とは、一つの孤立システムの状態を記述しており、システムのすべての情報が含まれている。つまり、量子もつれ状態には、ノードリンクダイアグラムの全てのノードの、ノードリンクダイアグラムという全体的なシステムにおける量子状態が含まれる。
前記ノードリンクダイアグラムの量子もつれ状態は、様々な生成方式を有する。1つの選択可能な実施形態において、前記ノードリンクダイアグラムの量子もつれ状態を生成することは、前記K個のノードの各々の量子状態を生成することと、前記K個のノードの各々の量子状態に基づいてテンソル積演算を行って第1演算結果を得ることと、Q(前記ノードリンクダイアグラムに含まれる無向辺の数に基づいて決定される)個の、制御Zゲートに対応する情報である制御情報に対してテンソル積と行列乗算を行って第2演算結果を得ることと、前記第1演算結果と第2演算結果とを乗算して、前記ノードリンクダイアグラムの量子もつれ状態を得ることとを含む。
本実施形態において、ノードグループ化装置でノードリンクダイアグラムの構成に基づいてノードリンクダイアグラムの量子もつれ状態を構築することができ、これにより、QAOAアルゴリズムの進化をローカルで実現することができる。
他の選択可能な実施形態において、前記ノードリンクダイアグラムの量子もつれ状態を生成することは、前記ノードリンクダイアグラムに対応するクラスタ状態を取得することと、前記ノードリンクダイアグラムに基づいて前記クラスタ状態を裁断して前記ノードリンクダイアグラムの量子もつれ状態を得ることとを含む。
本実施形態において、ノードグループ化装置は、構築されたQAOAのノードリンクダイアグラムに基づいて、クラウド量子サーバ等の他の電子機器に適切なサイズのクラスタ状態を要求して、前記ノードリンクダイアグラムに対応するクラスタ状態を取得する。その後、構築されたQAOAのノードリンクダイアグラムの構成に従って前記クラスタ状態を裁断し、前記ノードリンクダイアグラムの量子もつれ状態を得る。このクラスタ状態とは、システムの汎用量子もつれ状態である。
要求されたクラスタ状態は、QAOAアルゴリズムとは無関係な汎用量子状態であるため、クラウド量子サーバのような別の電子機器は、どのようなデータを使用し、どのようなアルゴリズムを実行しているかを知ることができず、これによりQAOAアルゴリズムの進化時にユーザのプライバシーと計算の安全を守ることができる。
ステップ104において、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得る。
QAOAアルゴリズムは、通常、量子回路モデルの枠組みで進化し、グループ化対象ノードダイアグラムに対応する最大カット問題を解決する。しかし、量子回路モデルは、物理実験における量子ビットコヒーレント時間が非常に短いため、量子回路モデルに基づいて設計された量子アルゴリズムは、コヒーレント時間の制限を受け、量子回路の層数があまり深くならない。
このように、QAOAアルゴリズムの進化時に、量子状態を順次に量子ゲート操作する必要があるため、アルゴリズム進化の際にコヒーレント時間の制限を受け、物理的な実現において深層の量子回路を用いて必要なアルゴリズム進化効果を実現できなくなり、QAOAアルゴリズムの進化効果が比較的に悪くなる。
このステップでは、作られたQAOAのノードリンクダイアグラムの量子もつれ状態について、前記K個のノード毎に単一量子ビットの測定方式でグループ測定を順次に行って、前記M個の第1ノードの目標グループ測定結果を得る。
具体的には、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記K個のノードのグループ測定結果を得る。その後、前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定する。
例えば、ノードリンクダイアグラムが30個のノードを含む場合、量子もつれ状態には、30個の量子ビットの量子状態が含まれる。各量子ビットの量子状態毎に、この量子ビットの量子状態に対応するノードに対してグループ測定を順次に行い、そのノードのグループ測定結果を得、最終的にその30個のノードのグループ測定結果を得る。
グループ測定の過程において、グループ測定結果には依存関係が存在し、即ち、順番で後にグループ測定が行われるノードのグループ測定結果は、先にグループ測定が行われるノードのグループ測定結果に依存する可能性があるため、グループ測定時にノードリンクダイアグラムにおけるノードに対して、予め設定された順番でグループ測定を順次に行う必要がある。この予め設定された順番について、後の実施形態で更に詳細に説明される。
また、第1ノードの目標グループ測定結果は、前記K個のノードのうち、最後にグループ測定が行われるノードのグループ測定結果に依存するので、前記K個のノードのグループ測定結果を決定した後に、前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定する必要がある。前記K個のノードのグループ測定結果に基づいて前記M個の第1ノードの目標グループ測定結果を決定する具体的なプロセスについては、後の実施形態で更に詳細に説明される。
前記M個の第1ノードのそれぞれの目標グループ測定結果は、ノードが属するグループを表す2つのケースがある。第1のケースは、数値0で示し、ノードがグループV0に属することを示し、第2のケースは、1で示し、ノードがグループV1に属することを示す。
ステップ105において、前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定する。
前記M個の第1ノードの1つの目標グループ測定結果は、oで示すビット列であり、そのビット数がMである。例えば、Mが4である場合、oは、4ビットの01文字列を示す。該01文字列に基づいて、前記M個の第1ノードのグループ出力結果が決定される。
例えば、図2に示すように、M個の第1ノードの目標グループ測定結果oとして、「0101」であり、左から右の順に、ノード1、ノード2、ノード3及びノード4のグループ化を示すと、グループ出力結果は、ノード1とノード3を1つのグループに分け、ノード2とノード4を別のグループに分け、V0={1,3}、V1={2,4}と示す。
前記M個の第1ノードの1つの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定してもよく、前記M個の第1ノードの複数の目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定してもよいが、ここでは具体的に限定しない。
実用上、グループ測定のランダム性から、このステップをN回実行して、前記M個の第1ノードのN個の目標グループ測定結果を得る。Nは、正の整数であり、通常は1よりも大きい。このN個の目標グループ測定結果に基づいて前記M個の第1ノードのグループ出力結果を決定する。具体的には、N個の目標グループ測定結果のうち最も出現頻度の高い目標グループ測定結果に対応するグループ化方式を、前記M個の第1ノードのグループ出力結果として決定する。
例えば、N個の目標グループ測定結果のうち、ビット列「0101」の出現頻度が最も高く、この目標グループ測定結果に対応するグループ化方式として、ノード1とノード3を1つのグループに分け、ノード2とノード4を別のグループに分ける場合、前記M個の第1ノードのグループ出力結果は、V0={1,3}、V1={2,4}である。
また、グループ測定過程における測定方式は、角度情報に基づいて決定される。角度情報が異なれば、測定方式も異なり、最終的に得られるグループ化効果も異なるため、このステップをN回実行して、この角度情報の測定方式におけるグループ化スコア状況を決定し、このグループ化スコア状況に基づいて角度情報を更新し、そして、この更新された角度情報に基づいてグループ測定を繰り返し行い、最終的に、グループ化効果を高めるという目的を達成する。
本実施例において、M個の第1ノードを含むグループ化対象ノードダイアグラムを取得することと、量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいてを構築することと、前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成することと、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得ることと、前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定することによって、QAOAの量子もつれ状態に基づいて単一量子ビットの測定を行い、各ノード毎にグループ測定を順次に行うことができる。このように、アルゴリズムの進化の際に、量子状態に対して量子ゲート操作を順次に行うことを避けることができ、コヒーレント時間に対する制限を減少させ、QAOAアルゴリズムの進化効果を向上させることができ、更にノードグループ化の効果を高めることができる。
また、本実施例における最大カット問題を解決するためのQAOAアルゴリズムのこの進化方式は、イオントラップや量子光学などのハードウェアプラットフォームでより容易に実現できる。
選択可能に、前記グループ化対象ノードダイアグラムは、前記M個の第1ノードからなる無向辺を含み、前記ステップS102は、具体的に、前記グループ化対象ノードダイアグラムの各無向辺に第2ノードを追加して第1ノードダイアグラムを得ることと、前記グループ化対象ノードダイアグラムの各無向辺を削除して、数が前記第1ノードダイアグラムよりも少ない第2ノードダイアグラムを得ることと、前記第1ノードダイアグラムと第2ノードダイアグラムを順次平行に交互に積み重ねることによって、QAOAのノードリンクダイアグラムを構成することとを含む。ここで、前記K個のノードは、追加された第2ノードを更に含み、前記ノードリンクダイアグラムは、前記K個のノードからなる無向辺を更に含む。
本実施形態は、図3を参照する。図3は、第1ノードダイアグラムの構成を示す図である。図3は、図2に基づいて生成された第1ノードダイアグラムである。図3に示すように、グループ化対象ノードダイアグラムの各無向辺の中心点に第2ノードを追加して第1ノードダイアグラムを得る。この第1ノードダイアグラムは、このグループ化対象ノードダイアグラムの装飾ダイアグラムと呼ぶ。
新たに追加されたすべてのノード集合をD={(uv):(u,v)∈E}と表記し、装飾ダイアグラムにおけるノード集合をD(V)=V∪Dと表記し、新たに追加された第2ノードのそれぞれが元の無向辺を2つの新たな無向辺に分け、すべての新たな無向辺集合をD(E)={(u,(uv)),((uv),v):(u,v)∈E}と表記すると、ダイアグラムGの装飾ダイアグラムは、D(G)=(D(V),D(E))に定義される。
図4を参照する。図4は、図2ノードダイアグラムの構成を示す図である。図4は、図2に基づいて生成された第2ノードダイアグラムである。図4に示すように、グループ化対象ノードダイアグラムの全ての無向辺を削除して第2ノードダイアグラムを得る。この第2ノードダイアグラムは、グループ化対象ノードダイアグラムの辺除去ダイアグラムと呼び、R(G)=(V,φ)と表記される。φは、辺除去ダイアグラムに無向辺がなく、空集合であることを示す。
QAOAのノードリンクダイアグラムは、第1ノードダイアグラムと第2ノードダイアグラムに基づいて構築され、QAOAダイアグラムと呼ぶ。装飾ダイアグラムD(G)と辺除去ダイアグラムR(G)とを順次平行に交互に積み重ねて1つの新しいダイアグラムを構成し、この新しいダイアグラムは、QAOAダイアグラムである。
各レイヤの要素を区別しやすくするために、[D(G)]iでダイアグラムD(G)のi番目のコピーを示し、
でダイアグラムR(G)のi番目のコピーを示す。同様に、対応するレイヤのノード集合は、それぞれ[V]i,[D]i及び
で示される。
以上の定義から、図5を参照すると、図5は、QAOAのノードリンクダイアグラムの構成を示す図である。図5に示すように、ダイアグラムGと正の整数pを与えると、対応するQAOAダイアグラムは、次のように構築される。まず、
の順にレイヤを順に並列に配列し、隣接するレイヤ間において、対応するノードごとに新しい無向辺を追加し、
で示す。最終的に、QAOA(G,p)と表記するQAOAダイアグラムを生成する。ここで、pは、第1ノードダイアグラムのコピー数に等しく、最終的に得られるQAOAダイアグラムには、2p-1個のレイヤが含まれる。
本実施形態において、前記グループ化対象ノードダイアグラムの各無向辺に第2ノードを追加して第1ノードダイアグラムを得ることと、前記グループ化対象ノードダイアグラムの各無向辺を削除して、数が前記第1ノードダイアグラムよりも少ない第2ノードダイアグラムを得ることと、前記第1ノードダイアグラムと第2ノードダイアグラムを順次平行に交互に積み重ねることによって、QAOAのノードリンクダイアグラムを構成することによって、QAOAダイアグラムを簡単に構築でき、その後のグループ測定の基礎を作ることができる。
選択可能に、前記ステップS104は、具体的に、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムにおけるノードの各々に対してグループ測定を順次に行い、前記K個のノードのグループ測定結果を得ることと、前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定することとを含む。
本実施形態において、グループ測定の際に、ノードリンクダイアグラムにおけるノードに対し、予め設定された順番でグループ測定を順次に行う必要があり、予め設定された順番は、ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順を含む。ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムにおけるノードのそれぞれに対してグループ測定を順次に行う。
具体的には、まず、1番目の第1ノードダイアグラムにおけるノード毎にグループ測定を行い、測定が完了した後、1番目の第1ノードダイアグラムの後に積み重ねられる1番目の第2ノードダイアグラムにおけるノード毎にグループ測定を行い、その後、2番目の第1ノードダイアグラムにおけるノード毎にグループ測定を行い、順次類推して、最終的に前記K個のノードのグループ測定結果が得られるまで、最後の第1ノードダイアグラム、即ちp番目の第1ノードダイアグラムにおけるノード毎にグループ測定を行う。
グループ測定過程で、後に測定されるノードダイアグラムにおけるノードのグループ測定結果は、先に測定されるノードダイアグラムにおけるノードのグループ測定結果に依存する可能性がある。その依存関係については、以下の実施形態で詳細に説明される。
このように、ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムにおけるノード毎にグループ測定を順次に行うことによって、ノードリンクダイアグラムにおけるノード毎にグループ測定を行うことを実現し、前記K個のノードのグループ測定結果が得られる。
選択可能に、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムのノード毎にグループ測定を順次に行い、前記K個のノードのグループ測定結果を得ることは、以下を含む。
第1ノードダイアグラムにおける第2ノードのそれぞれについて、前記ノードリンクダイアグラムにおける前記第2ノードの目標量子状態に基づいて、第1目標測定方式を用いて前記第2ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおける第2ノードのグループ測定結果を得る。前記第1目標測定方式は、第1測定方式のうち、測定角度が第1目標ノードダイアグラムにおける第1ノードのグループ測定結果及び第1角度情報に基づいて決定される測定方式である。前記第1目標ノードダイアグラムは、前記第1ノードダイアグラムの前に積み重ねられた第2ノードダイアグラムである。
前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられた場合、前記第1ノードダイアグラムにおける第1ノードのそれぞれについて、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、第2目標測定方式を用いて前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得る。前記第2目標測定方式は、第2測定方式のうち、測定角度が0である測定方式である。
第2ノードダイアグラムにおける第1ノードのそれぞれについて、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、第3目標測定方式を用いて前記第1ノードに対してグループ測定を行うことによって、前記第2ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得る。前記第3目標測定方式は、第2測定方式のうち、測定角度が第2目標ノードダイアグラムにおけるノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式である。前記第2目標ノードダイアグラムは、前記第2ノードダイアグラムの前に積み重ねられた第1ノードダイアグラムである。
第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられない場合、前記第1ノードダイアグラムにおける第1ノードのそれぞれについて、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、第4目標測定方式を用いて前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得る。前記第4目標測定方式は、第1測定方式のうち、測定角度が前記第1ノードダイアグラムにおける第2ノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式である。
本実施形態において、QAOAダイアグラムの量子もつれ状態を生成した後、単一ビット測定方式を用いて前記量子もつれ状態に基づいてノードリンクダイアグラムにおけるノード毎にグループ測定を行う。以下、単一ビット測定方式について詳細に説明する。
この単一ビット測定方式には、主に2種類の測定方式が含まれ、それぞれ第1測定方式と第2測定方式である。それぞれの測定方式は、一対のパラメータ付き直交ベクトルによって与えられる。このパラメータは、測定角度パラメータとすることができる。
第1測定方式は、
と示し、第2測定方式は、
と示す。ここで、θは、測定角度パラメータであり、
は、計算基礎であり、
である。また、Rx(θ)=e-iθX/2は、x軸周りの単一ビット回転ゲートであり、Rz(θ)=e-iθZ/2は、z軸周りの単一ビット回転ゲートであり、
である。
また、第2測定方式のうち、測定角度が0であるときの測定方式は、
と定義される。
具体的には、第1角度情報と第2角度情報とを含む角度情報が入力される。第1角度情報は、ベクトルγ=(γ1,…,γp)であり、第2角度情報は、ベクトルβ=(β1,…,βp)である。
まず、レイヤ[D(G)]i、即ち第1ノードダイアグラムにおける第2ノード[(uv)]iのそれぞれの目標量子状態に基づいて、第2ノードのそれぞれの量子ビットをグループ測定し、その測定方式を第1目標測定方式とする。第1目標測定方式は、第1測定方式のうち、測定角度が前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムにおける第1ノードのグループ測定結果及び第1角度情報とに基づいて決定される測定方式であり、その測定角度が下記式(2)で示される。
レイヤ[D(G)]iにおける第2ノード[(uv)]iのそれぞれのグループ測定結果は、s([(uv)]i)と記録する。
ここで、i=1、即ち、第1ノードダイアグラムが、複数のノードダイアグラムが含まれるノードリンクダイアグラムにおける1番目のノードダイアグラムである場合、
と定義する。
は、前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムにおける番号vで示される第1ノードのグループ測定結果を示し、
は、前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムにおける番号uで示される第1ノードのグループ測定結果を示す。
レイヤ[D(G)]i、即ち第1ノードダイアグラムにおける第1ノード[v]iのそれぞれの目標量子状態に基づいて、第1ノードのそれぞれの量子ビットをグループ測定し、その測定方式を第2目標測定方式とする。第2目標測定方式は、第2測定方式のうち、測定角度が0である測定方式、即ち測定方式Xである。レイヤ[D(G)]iにおける第1ノード[v]iのそれぞれのグループ測定結果は、s([v]i)と記録する。
レイヤ
、即ち第2ノードダイアグラムにおける第1ノード
のそれぞれの目標量子状態に基づいて、第1ノードのそれぞれの量子ビットをグループ測定し、その測定方式を第3目標測定方式とする。第3目標測定方式は、第2測定方式のうち、測定角度が前記第2ノードダイアグラムの前に積み重ねられる第1ノードダイアグラムにおけるノードのグループ測定結果及び第2角度情報とに基づいて決定される測定方式であり、その測定角度が下記式(3)で示される。
レイヤ
における第1ノード
のそれぞれのグループ測定結果は、s([v]i)と記録する。
ここで、
である。NG(v)は、ダイアグラムGにおけるノードvの隣接領域であり、即ち、ノードvに隣接する全てのノード集合である。
ここで、iは、1~p-1のいずれかの正の整数を取り、pは、正の整数であり、通常は1より大きい整数である。
上述したグループ測定過程に基づいて、p番目の第1ノードダイアグラム、即ち最後のレイヤよりも前の全てのレイヤにおけるノードのグループ測定結果が測定して得られる。
なお、レイヤ[D(G)]i、即ち第1ノードダイアグラムにおける第1ノードと第2ノードに対してそれぞれグループ測定を行うが、測定角度に依存関係がないため、実験上、前後順がなく、アルゴリズムの動作時間減少のために同時に行われることができる。
また、p番目の第1ノードダイアグラムについて、レイヤ[D(G)]pにおける第2ノード[(uv)]pのそれぞれの目標量子状態に基づいて、第2ノードのそれぞれの量子ビットをグループ測定し、その測定方式を第1目標測定方式とする。第1目標測定方式は、第1測定方式のうち、測定角度が前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムにおける第1ノードのグループ測定結果及び第1角度情報に基づいて決定される測定方式であり、その測定角度が下記式(4)で示される。
レイヤ[D(G)]pにおける第2ノード[(uv)]pのそれぞれのグループ測定結果は、s([(uv)]p)と記録する。
レイヤ[D(G)]pにおける第1ノード[v]pのそれぞれの目標量子状態に基づいて、第1ノードのそれぞれの量子ビットをグループ測定し、その測定方式を第4目標測定方式とする。第4目標測定方式は、第1測定方式のうち、測定角度がp番目の第1ノードダイアグラムにおける第2ノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式である。また、ノードリンクダイアグラムに複数の第1ノードダイアグラムが含まれる場合、第4目標測定方式は、具体的に、第1測定方式のうち、測定角度がp番目の第1ノードダイアグラムにおける第2ノードのグループ測定結果、前記p番目の第1ノードダイアグラムの前に積み重ねられる第1ノードダイアグラムにおけるノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式であり、その測定角度が下記式(5)で示される。
レイヤ[D(G)]pにおける第1ノード[v]pのそれぞれのグループ測定結果は、s([v]p)と記録する。
このように、K個のノードのグループ測定結果を測定して得る。得られたK個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定する。従って、単一ビット測定方式を採用して前記M個の第1ノードのグループ化を実現することができる。更に、ユーザが単一ビット測定装置を持つだけでノードグループ化を実現でき、測定装置を大幅に簡略化する。
選択可能に、前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定することは、前記M個の第1ノード毎に、p(前記第1ノードダイアグラムの数に等しい)番目の第1ノードダイアグラムにおける前記第1ノードのグループ測定結果と、前記p番目の第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第3目標ノードダイアグラムにおける前記第1ノードのグループ測定結果を加算処理して、前記第1ノードに対応する目標値を得ることと、前記目標値をモジュラ演算して、前記第1ノードの目標グループ測定結果を得ることとを含む。
本実施形態において、前記M個の第1ノードのそれぞれについて、下記式(6)を用いてその目標グループ測定結果を決定する。
ここで、o(v)は、前記M個の第1ノードのうち、第1ノードvの目標グループ測定結果を示し、s([v]p)は、p番目の第1ノードダイアグラム、即ち最後の第1ノードダイアグラムにおける第1ノードvのグループ測定結果を示し、
は、p番目の第1ノードダイアグラムよりも前の第2ノードダイアグラムにおける第1ノードvのグループ測定結果を示す。全ての第2ノードダイアグラムにおける第1ノードvのグループ測定結果を加算して、最後の第1ノードダイアグラムにおける第1ノードvのグループ測定結果を加えることで、第1ノードvに対応する目標値を得、それのモジュロ2演算をして、最終的に第1ノードvの目標グループ測定結果を得る。
第1ノードのそれぞれについて、同様の方式でその目標グループ測定結果を決定し、最終的に前記M個の第1ノードの目標グループ測定結果oを得る。ここで、o=(o(1),…,o(M))である。このように、前記K個のノード毎にグループ測定を行うことができ、前記M個の第1ノードの目標グループ測定結果の決定を実現する。
選択可能に、前記ステップS104は、具体的に、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行う目標グループ化操作をN回実行して、前記M個の第1ノードのN(正の整数である)個の目標グループ測定結果を得ることと、目標グループ化操作のN回実行における前記M個の第1ノードのグループ化スコア状況を表す第1目標関数値を、前記N個の目標グループ測定結果に基づいて決定することと、前記目標グループ化操作における角度情報であって、前記目標グループ化操作での前記K個のノードの各々に対するグループ測定の測定角度を決定するために用いられる前記角度情報を、前記第1目標関数値に基づいて更新することと、更新された前記角度情報に基づいて、前記目標グループ化操作を再びN回実行して第2目標関数値を決定することと、前記第1目標関数値と第2目標関数値との差が予め設定された閾値よりも小さい場合、前記N個の目標グループ測定結果のうち最も出現頻度の高い目標グループ測定結果に対応するグループ化方式を、前記M個の第1ノードのグループ出力結果として決定することとを含む。
本実施形態において、グループ測定のランダム性から、このステップをN回実行して、前記M個の第1ノードのN個の目標グループ測定が得られる。
また、グループ測定過程における測定方式は、角度情報に基づいて決定される。角度情報が異なれば、測定方式も異なり、最終的に得られるグループ化効果も異なるため、このステップをN回実行して、この角度情報の測定方式におけるグループ化スコア状況を決定し、このグループ化スコア状況に基づいて角度情報を更新し、そして、この更新された角度情報に基づいてグループ測定を繰り返し行い、最終的に、グループ化の効果を高めるという目的を達成する。
具体的には、単一ビット測定方式のアルゴリズム、即ち目標グループ化操作をN回実行して、毎回出力される目標グループ測定結果を記録し、前記M個の第1ノードのN個の目標グループ測定結果を得、それぞれoiで示し、ここで、i=1,…,Nである。ここで、目標グループ化操作は、上記実施形態の単一ビット測定方式を用いてグループ測定を行う。
N個の目標グループ測定結果のグループ化方式zと、各グループ化方式zの頻度とを統計し、pγ,β(z):=|{i:oi=z}|/Nで示す。目標関数
を用いて、第1目標関数値を算出する。ここで、
である。
その後、前記第1目標関数値に基づいて古典的最適化器によってcp(γ,β)を最適化し、γとβ、即ち角度情報の値を更新する。
更新された前記角度情報、即ち、目標グループ化操作における第1角度情報及び第2角度情報に基づいて、前記目標グループ化操作を再びN回実行し、即ち上記ステップを繰り返して第2目標関数値を得る。2回連続して得られた第1目標関数値と第2目標関数値との差が予め設定された閾値よりも小さくなると、動作を停止し、前記N個の目標グループ測定結果のうち最も出現頻度の高い目標グループ測定結果に対応するグループ化方式を前記M個の第1ノードのグループ出力結果として決定し、グループ出力結果z*=argmax pγ,β(z)を出力する。ここで、この予め設定された閾値は、実際の状況に応じて設定されてもよく、予め入力されたパラメータであってもよい。
例えば、N個の目標グループ測定結果のうち、ビット列「0101」の出現頻度が最も高く、この目標グループ測定結果に対応するグループ化方式として、ノード1とノード3を1つのグループに分け、ノード2とノード4を別のグループに分けるため、前記M個の第1ノードのグループ出力結果は、ビット列「0101」であり、V0={1,3},V1={2,4}を示す。
選択可能に、前記ステップS103は、具体的に、前記K個のノードの各々の量子状態を生成することと、前記K個のノードの各々の量子状態に基づいてテンソル積演算を行って第1演算結果を得ることと、Q(前記ノードリンクダイアグラムに含まれる無向辺の数に基づいて決定される)個の、制御Zゲートに対応する情報である制御情報に対してテンソル積と行列乗算を行って第2演算結果を得ることと、前記第1演算結果と第2演算結果とを乗算して、前記ノードリンクダイアグラムの量子もつれ状態を得ることとを含む。
本実施形態において、ノードグループ化装置がQAOAダイアグラムに基づいてこのQAOAダイアグラムの量子もつれ状態を構築する手順について説明するが、ここで、QAOAの量子もつれ状態をQAOAダイアグラムのダイアグラム状態と呼ぶ。
具体的には、QAOAダイアグラムでは、前記K個のノードのそれぞれの量子状態を生成する。この量子状態は、対応するレイヤ、即ちサブシステムにおけるノードの物理状態である。具体的には、1つの量子状態
状態を作る。2つのノード間に無向辺が連結されていれば、その2つのノードに対応する量子状態に1つの制御Zゲートを作用させる。制御Zゲートの制御情報として、
である。
は、パウリ行列である。
ここで、これら2つのノードに対応する量子状態に1つの制御Zゲートを作用させることは、2つのノードの量子状態をテンソル積演算し、その後に制御Zゲートに対応する制御情報との行列乗算を行い、出力を得る。
制御Zゲートは、対角形式であり、制御ビットと被制御ビットを区別しないため、複数の制御Zゲートを一度にノードリンクダイアグラムに作用させることができる。具体的には、前記K個のノードの各々の量子状態に基づいてテンソル積演算を行って第1演算結果を得る。更にQ個の制御情報に対してテンソル積と行列乗算を行って第2演算結果を得る。Qは、ノードリンクダイアグラムに含まれる無向辺の数である。その後、第1演算結果と第2演算結果とを乗算して、前記ノードリンクダイアグラムの量子もつれ状態を得る。これにより、演算が浅くなり、アルゴリズムの進化の効果を更に高めることができる。
たとえば、ダイアグラムGについて、下記式(7)のようにダイアグラムGのダイアグラム状態を生成する。
上記式(7)と同様に、QAOAダイアグラムに対応するダイアグラム状態/QAOA(c,p)〉、即ちQAOAの量子もつれ状態を生成する。
本実施形態において、ノードグループ化装置でノードリンクダイアグラムの構成に基づいてノードリンクダイアグラムの量子もつれ状態を構築することができ、これにより、QAOAアルゴリズムの進化をローカルで実現することができる。
選択可能に、前記ステップS103は、具体的に、前記ノードリンクダイアグラムに対応するクラスタ状態を取得することと、前記ノードリンクダイアグラムに基づいて前記クラスタ状態を裁断して前記ノードリンクダイアグラムの量子もつれ状態を得ることとを含む。
本実施形態において、ノードグループ化装置は、構築されたQAOAのノードリンクダイアグラムに基づいて、クラウド量子サーバ等の他の電子機器に適切なサイズのクラスタ状態を要求して、前記ノードリンクダイアグラムに対応するクラスタ状態を取得する。その後、構築されたQAOAのノードリンクダイアグラムの構造に従って前記クラスタ状態を裁断し、前記ノードリンクダイアグラムの量子もつれ状態を得る。このクラスタ状態とは、システムの汎用量子もつれ状態である。
要求されたクラスタ状態は、QAOAアルゴリズムとは無関係な汎用量子状態であるため、クラウド量子サーバのような別の電子機器は、どのようなデータを使用し、どのようなアルゴリズムを実行しているかを知ることができず、これによりQAOAアルゴリズムを量子インターネットに応用して安全な代理計算を行うことができ、QAOAアルゴリズムが進化すると同時にユーザのプライバシーと計算の安全を守ることができる。
実施例2
図6に示すように、本願に係るノードグループ化装置600は、M(1より大きい整数である)個の第1ノードを含むグループ化対象ノードダイアグラムを取得するための取得モジュール601と、量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK(M以上の整数である)個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいてを構築するための構築モジュール602と、前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成するための生成モジュール603と、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得るためのグループ測定モジュール604と、前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定するための決定モジュール605とを備える。
選択可能に、前記グループ化対象ノードダイアグラムは、前記M個の第1ノードからなる無向辺を含み、前記構築モジュール602は、前記グループ化対象ノードダイアグラムの各無向辺に第2ノードを追加して第1ノードダイアグラムを得るための追加ユニットと、前記グループ化対象ノードダイアグラムの各無向辺を削除して、数が前記第1ノードダイアグラムよりも少ない第2ノードダイアグラムを得るための削除ユニットと、前記第1ノードダイアグラムと第2ノードダイアグラムを順次平行に交互に積み重ねることによって、QAOAのノードリンクダイアグラムを構成するための交互的積み重ねユニットとを備える。ここで、前記K個のノードは、追加された第2ノードを更に含み、前記ノードリンクダイアグラムは、前記K個のノードからなる無向辺を更に含む。
選択可能に、前記グループ測定モジュール604は、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムのノード毎にグループ測定を順次に行い、前記K個のノードのグループ測定結果を得るためのグループ測定ユニットと、前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定するための第1決定ユニットとを備える。
選択可能に、前記グループ測定ユニットは、具体的に、第1測定方式のうち、測定角度が前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第1目標ノードダイアグラムにおける第1ノードのグループ測定結果、及び第1角度情報に基づいて決定される測定方式である第1目標測定方式を用いて、第1ノードダイアグラムにおける第2ノードごとに、前記ノードリンクダイアグラムにおける前記第2ノードの目標量子状態に基づいて、前記第2ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおける第2ノードのグループ測定結果を得ることと、前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられた場合、第2測定方式のうち、測定角度が0である測定方式である第2目標測定方式を用いて、前記第1ノードダイアグラムにおける第1ノードごとに、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、第2測定方式のうち、測定角度が前記第2ノードダイアグラムの前に積み重ねられる第1ノードダイアグラムである第2目標ノードダイアグラムにおけるノードのグループ測定結果、及び第2角度情報に基づいて決定される測定方式である第3目標測定方式を用いて、第2ノードダイアグラムにおける第1ノードごとに、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第2ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられない場合、第1測定方式のうち、測定角度が前記第1ノードダイアグラムにおける第2ノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式である第4目標測定方式を用いて、前記第1ノードダイアグラムにおける第1ノードごとに、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることとに用いられる。
選択可能に、前記第1決定ユニットは、具体的に、前記M個の第1ノードごとに、p(前記第1ノードダイアグラムの数に等しい)番目の第1ノードダイアグラムにおける前記第1ノードのグループ測定結果と、前記p番目の第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第3目標ノードダイアグラムにおける前記第1ノードのグループ測定結果を加算処理して、前記第1ノードに対応する目標値を得ることと、前記目標値をモジュラ演算して、前記第1ノードの目標グループ測定結果を得ることとに用いられる。
選択可能に、前記グループ測定モジュール604は、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行う目標グループ化操作をN回実行して、前記M個の第1ノードのN(正の整数である)個の目標グループ測定結果を得るための第1実行ユニットと、目標グループ化操作のN回実行における前記M個の第1ノードのグループ化スコア状況を表す第1目標関数値を、前記N個の目標グループ測定結果に基づいて決定するための第2決定ユニットと、前記目標グループ化操作における角度情報であって、前記目標グループ化操作での前記K個のノードの各々に対するグループ測定の測定角度を決定するために用いられる前記角度情報を、前記第1目標関数値に基づいて更新するための更新ユニットと、更新された前記角度情報に基づいて、前記目標グループ化操作を再びN回実行して第2目標関数値を決定するための第2実行ユニットと、前記第1目標関数値と第2目標関数値との差が予め設定された閾値よりも小さい場合、前記N個の目標グループ測定結果のうち最も出現頻度の高い目標グループ測定結果に対応するグループ化方式を、前記M個の第1ノードのグループ出力結果として決定するための第3決定ユニットとを備える。
選択可能に、前記生成モジュール603は、前記K個のノードの各々の量子状態を生成するための生成ユニットと、前記K個のノードの各々の量子状態に基づいてテンソル積演算を行って第1演算結果を得るための第1演算ユニットと、Q(前記ノードリンクダイアグラムに含まれる無向辺の数に基づいて決定される)個の、制御Zゲートに対応する情報である制御情報に対してテンソル積と行列乗算を行って第2演算結果を得るための第2演算ユニットと、前記第1演算結果と第2演算結果とを乗算して、前記ノードリンクダイアグラムの量子もつれ状態を得るための第3演算ユニットとを備える。
選択可能に、前記生成モジュール603は、前記ノードリンクダイアグラムに対応するクラスタ状態を取得するための取得ユニットと、前記ノードリンクダイアグラムに基づいて前記クラスタ状態を裁断して前記ノードリンクダイアグラムの量子もつれ状態を得るための裁断ユニットとを備える。
本願に係るノードグループ化装置600は、ノードグループ化方法の実施例によって実現される各プロセスを実現し、同じ効果を奏することもできるので、重複を避けるために、ここでは繰り返して記載しない。
本願の実施例によれば、本願は、電子機器、可読記憶媒体及びコンピュータプログラムプロダクトを更に提供する。
図7は、本開示の実施例を実施するために使用することができる例示的電子機器700の概略ブロック図を示す。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、携帯情報端末、サーバ、ブレードサーバ、メインフレームコンピュータ、及び他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことが意図される。電子機器はまた、パーソナルデジタルプロセシング、セルラー電話、スマートフォン、ウェアラブルデバイス、及び他の同様のコンピューティングデバイスなど、様々な形態のモバイルデバイスを表してもよい。本明細書に示される構成要素、それらの接続及び関係、並びにそれらの機能は、単なる例であり、本明細書に記載及び/又は特許請求される本願の実現を限定することを意図しない。
図7に示すように、機器700は、リードオンリーメモリ(ROM)702に記憶されたコンピュータプログラム、又は、記憶ユニット708からランダムアクセスメモリ(RAM)703にロードされたコンピュータプログラムに基づいて、各種類の適切な動作や処理を実行する計算ユニット701を備える。RAM703には、機器700の動作に必要な各種類のプログラム及びデータも記憶されている。計算ユニット701、ROM702及びRAM703は、バス704を介して互いに接続される。入出力(I/O)インタフェース705もバス704に接続される。
キーボード、マウスなどの入力ユニット706と、各種類のディスプレイ、スピーカーなどの出力ユニット707と、磁気ディスク、光ディスクなどの記憶ユニット708と、ネットワークカード、モデム、無線通信送受信機などの通信ユニット709を備える機器700内の複数の部材は、I/Oインタフェース705に接続される。通信ユニット709は、インターネットのコンピュータネットワーク及び/又は各種類の電気通信ネットワークを介した機器700と他の機器との情報/データのやり取りを許容する。
計算ユニット701は、処理及び計算能力を有する各種類の汎用及び/又は専用処理構成要素である。計算ユニット701の例として、中央処理ユニット(CPU)、グラフィック処理ユニット(GPU)、各種類の専用の人工知能(AI)計算チップ、機械学習モデルアルゴリズムを実行する各種類の計算ユニット、デジタル信号プロセッサ(DSP)、及び任意の適切なプロセッサ、コントローラ、マイクロコントローラなどを含み、それらに限られない。計算ユニット701は、上記の各方法及び処理を実行し、例えばノードグループ化方法を実行する。例えば、一部の実施例において、ノードグループ化方法は、コンピュータソフトウェアプログラムとして実現され、記憶ユニット708のような機械可読媒体に有形構成として含まれる。一部の実施例において、コンピュータプログラムの一部又はすべては、ROM702及び/又は通信ユニット709を介して機器700にロード/インストールされる。コンピュータプログラムがRAM703にロードされて計算ユニット701によって実行されると、上記のノードグループ化方法の1つ又は複数のステップを実行する。オプションとして、他の実施例において、計算ユニット701は、それ以外の任意の適切な方法(又はファームウェアを介して)によって、ノードグループ化方法を実行するように構成される。
ここに記載するシステム及び技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ(FPGA)、特定用途向け集積回路(ASIC)、特殊用途向け汎用品(ASSP)、システムオンチップ(SOC)、コンプレックスプログラマブルロジックデバイス(CPLD)、コンピュータハードウェア、ファームウェア、ソフトウェア、及び/又はそれらの組み合わせにおいて実現される。これらの様々な実施形態は、記憶システム、少なくとも1つの入力装置、及び少なくとも1つの出力装置からデータ及びコマンドを受信し、該記憶システム、該少なくとも1つの入力装置、及び該少なくとも1つの出力装置にデータ及びコマンドを送信することができる専用又は汎用のプログラマブルプロセッサである少なくとも1つのプログラマブルプロセッサを備えるプログラマブルシステム上で実行及び/又は解釈可能な1つ又は複数のコンピュータプログラムで実現することを含む。
本開示の方法を実施するためのプログラムコードは、1つ以上の編集言語の任意の組合せを用いて記述することができる。これらのプログラムコードは、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサ又はコントローラに提供され、プログラムコードがプロセッサ又はコントローラによって実行されると、フローチャート及び/又はブロック図に規定された機能/動作が実行される。プログラムコードは、完全にマシン上で実行され、部分的にマシン上で実行され、個別パッケージとして部分的にマシン上で実行され、部分的にリモートマシン上で実行され、又はリモートマシン又はサーバ上で完全に実行される。
本開示の記載において、機械可読媒体は、有形媒体であってもよく、命令実行システム、デバイス、又はデバイスに使用されるか、又は命令実行システム、デバイス、又はデバイスと組み合わせて使用するためのプログラムを含むか、又は格納することができる。機械可読媒体は、機械可読信号媒体又は機械可読記憶媒体である。機械可読媒体は、限定されないが、電子的、磁気的、光学的、電磁的、赤外線的、又は半導体システム、装置若しくは機器、又は上記の任意の適切な組み合わせを含む。機械可読記憶媒体のより具体的な例としては、1つ以上のラインに基づく電気的接続、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、消去可能なプログラマブル読み取り専用メモリ(EPROM又はフラッシュメモリ)、光ファイバ、ポータブルコンパクトディスク読み取り専用メモリCD-ROM)、光記憶装置、磁気記憶装置、又はこれらの任意の適切な組み合わせを含む。
ユーザとの対話を提供するために、本明細書に記載されたシステム及び技術は、ユーザに情報を表示するための表示装置(例えば、CRT(陰極線管)又はLCD(液晶ディスプレイ)モニタ)と、ユーザがコンピュータに入力を提供することができるキーボード及びポインティングデバイス(例えば、マウス又はトラックボール)とを有するコンピュータ上で実施される。他の種類の装置を使用して、ユーザとの対話を提供してもよい。例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック(例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック)であってもよい。ユーザからの入力は、音声入力、又は触覚入力を含む任意の形態で受信される。
ここに記載のシステム及び技術は、バックエンド構成要素を備えるコンピューティングシステム(例えば、データサーバとして)、又はミドルウェア構成要素を備えるコンピューティングシステム(例えば、アプリケーションサーバ)、又はフロントエンド構成要素を備えるコンピューティングシステム(例えば、ユーザが本明細書に記載のシステム及び技術の実施形態と相互作用するグラフィカルユーザインターフェース又はウェブブラウザを有するユーザコンピュータ)、又はそのようなバックエンド構成要素、ミドルウェア構成要素、又はフロントエンド構成要素の任意の組み合わせを備えるコンピューティングシステムにおいて実施される。システムの構成要素は、任意の形式又は媒体(例えば、通信ネットワーク)のデジタルデータ通信によって互いに接続される。通信ネットワークとしては、例えば、ローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、インターネット、ブロックチェーンネットワークなどが挙げられる。
コンピュータシステムは、クライアント及びサーバを備える。クライアント及びサーバは、一般に、互いから離れており、通常、通信ネットワークを介して対話する。クライアントとサーバの関係は、それぞれのコンピュータ上で実行され、互いにクライアント-サーバ関係を有するコンピュータプログラムによって生成される。サーバは、クラウドサーバであってよく、クラウドコンピューティングサーバ又はクラウドホストとも称され、クラウドコンピューティングサービスアーキテクチャにおけるホスト製品の1つであり、従来の物理ホスト及びVPS(Virtual Private Server)サービスにおける管理困難性が高く、トラフィック拡張性が低いという欠点を解決する。サーバは、分散システムのサーバ又はブロックチェーンを結合したサーバであってもよい。
上記に示された様々な形態のフローが、ステップの順序変更、追加、又は削除のために使用されることが理解されるべきである。例えば、本願に記載された各ステップは、並列に実行されても、順次的に実行されても、異なる順序で実行されてもよく、本願に開示された技術的解決手段の所望の結果を実現できる限り、本明細書ではこれについて限定しない。
上述した具体的な実施形態は、本願の保護範囲への制限にならない。当業者にとって、設計の要求や他の要素によって様々な修正、組み合わせ、サブ組み合わせ及び置換を行うことができることは、明らかである。本願の趣旨や原則内に為した修正、均等置換及び改良などは、すべて本願の保護範囲に含まれるべきである。

Claims (17)

  1. M(1より大きい整数である)個の第1ノードを含むグループ化対象ノードダイアグラムを取得することと、
    量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK(M以上の整数である)個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいて構築することと、
    前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成することと、
    前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得ることと、
    前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定することと、
    を含み、
    前記グループ化対象ノードダイアグラムが、前記M個の第1ノードからなる無向辺を含み、
    前記のQAOAのノードリンクダイアグラムを前記グループ化対象ノードダイアグラムに基づいて構築することが、
    前記グループ化対象ノードダイアグラムの各無向辺に第2ノードを追加して第1ノードダイアグラムを得ることと、
    前記グループ化対象ノードダイアグラムの各無向辺を削除して、ノードダイアグラムの数が前記第1ノードダイアグラムよりも少ない第2ノードダイアグラムを得ることと、
    前記第1ノードダイアグラムと第2ノードダイアグラムを順次平行に交互に積み重ねることによって、QAOAのノードリンクダイアグラムを構成することと、
    を含み、
    前記K個のノードが、追加された第2ノードを含み、前記ノードリンクダイアグラムが、前記K個のノードからなる無向辺を含むノードグループ化方法。
  2. 前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得ることが、
    前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムのノード毎にグループ測定を順次に行い、前記K個のノードのグループ測定結果を得ることと、
    前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定することと、
    を含む請求項に記載のノードグループ化方法。
  3. 前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムのノード毎にグループ測定を順次に行い、前記K個のノードのグループ測定結果を得ることが、
    第1測定方式のうち、測定角度が前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第1目標ノードダイアグラムにおける第1ノードのグループ測定結果、及び第1角度情報に基づいて決定される測定方式である第1目標測定方式を用いて、第1ノードダイアグラムにおける第2ノード毎に、前記ノードリンクダイアグラムにおける前記第2ノードの目標量子状態に基づいて、前記第2ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおける第2ノードのグループ測定結果を得ることと、
    前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられる場合、第2測定方式のうち、測定角度が0である測定方式である第2目標測定方式を用いて、前記第1ノードダイアグラムにおける第1ノード毎に、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、
    第2測定方式のうち、測定角度が前記第2ノードダイアグラムの前に積み重ねられる第1ノードダイアグラムである第2目標ノードダイアグラムにおけるノードのグループ測定結果、及び第2角度情報に基づいて決定される測定方式である第3目標測定方式を用いて、第2ノードダイアグラムにおける第1ノード毎に、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第2ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、
    前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられない場合、第1測定方式のうち、測定角度が前記第1ノードダイアグラムにおける第2ノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式である第4目標測定方式を用いて、前記第1ノードダイアグラムにおける第1ノード毎に、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、
    を含む請求項に記載のノードグループ化方法。
  4. 前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定することが、
    前記M個の第1ノード毎に、p(前記第1ノードダイアグラムの数に等しい)番目の第1ノードダイアグラムにおける前記第1ノードのグループ測定結果と、前記p番目の第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第3目標ノードダイアグラムにおける前記第1ノードのグループ測定結果を加算処理して、前記第1ノードに対応する目標値を得ることと、
    前記目標値をモジュラ演算して、前記第1ノードの目標グループ測定結果を得ることと、
    を含む請求項に記載のノードグループ化方法。
  5. 前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得ることが、
    前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行う目標グループ化操作をN回実行して、前記M個の第1ノードのN(正の整数である)個の目標グループ測定結果を得ることと、
    目標グループ化操作のN回実行における前記M個の第1ノードのグループ化スコア状況を表す第1目標関数値を、前記N個の目標グループ測定結果に基づいて決定することと、
    前記目標グループ化操作における角度情報であって、前記目標グループ化操作での前記K個のノードの各々に対するグループ測定の測定角度を決定するために用いられる前記角度情報を、前記第1目標関数値に基づいて更新することと、
    更新された前記角度情報に基づいて、前記目標グループ化操作を再びN回実行して第2目標関数値を決定することと、
    前記第1目標関数値と第2目標関数値との差が予め設定された閾値よりも小さい場合、前記N個の目標グループ測定結果のうち最も出現頻度の高い目標グループ測定結果に対応するグループ化方式を、前記M個の第1ノードのグループ出力結果として決定することと、
    を含む請求項に記載のノードグループ化方法。
  6. 前記ノードリンクダイアグラムの量子もつれ状態を生成することが、
    前記K個のノードの各々の量子状態を生成することと、
    前記K個のノードの各々の量子状態に基づいてテンソル積演算を行って第1演算結果を得ることと、
    Q(前記ノードリンクダイアグラムに含まれる無向辺の数に基づいて決定される)個の、制御Zゲートに対応する情報である制御情報に対してテンソル積と行列乗算を行って第2演算結果を得ることと、
    前記第1演算結果と第2演算結果とを乗算して、前記ノードリンクダイアグラムの量子もつれ状態を得ることと、
    を含む請求項に記載のノードグループ化方法。
  7. 前記ノードリンクダイアグラムの量子もつれ状態を生成することが、
    前記ノードリンクダイアグラムに対応するクラスタ状態を取得することと、
    前記ノードリンクダイアグラムに基づいて前記クラスタ状態を裁断して前記ノードリンクダイアグラムの量子もつれ状態を得ることと、
    を含む請求項に記載のノードグループ化方法。
  8. M(1より大きい整数である)個の第1ノードを含むグループ化対象ノードダイアグラムを取得するための取得モジュールと、
    量子近似最適化アルゴリズムQAOAのノードリンクダイアグラムであって、前記M個の第1ノードを含むK(M以上の整数である)個のノードを含む前記ノードリンクダイアグラムを、前記グループ化対象ノードダイアグラムに基づいて構築するための構築モジュールと、
    前記ノードリンクダイアグラムの量子もつれ状態であって、前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態を含む前記量子もつれ状態を生成するための生成モジュールと、
    前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行い、前記M個の第1ノードの目標グループ測定結果を得るためのグループ測定モジュールと、
    前記M個の第1ノードの目標グループ測定結果に基づいて、前記M個の第1ノードのグループ出力結果を決定するための決定モジュールと、
    を備え
    前記グループ化対象ノードダイアグラムが、前記M個の第1ノードからなる無向辺を含み、
    前記構築モジュールが、
    前記グループ化対象ノードダイアグラムの各無向辺に第2ノードを追加して第1ノードダイアグラムを得るための追加ユニットと、
    前記グループ化対象ノードダイアグラムの各無向辺を削除して、ノードダイアグラムの数が前記第1ノードダイアグラムよりも少ない第2ノードダイアグラムを得るための削除ユニットと、
    前記第1ノードダイアグラムと第2ノードダイアグラムを順次平行に交互に積み重ねることによって、QAOAのノードリンクダイアグラムを構成するための交互的積み重ねユニットと、
    を備え、
    前記K個のノードが、追加された第2ノードを含み、前記ノードリンクダイアグラムが、前記K個のノードからなる無向辺を含むノードグループ化装置。
  9. 前記グループ測定モジュールが、
    前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記ノードリンクダイアグラムにおけるノードダイアグラムの積み重ね順に、ノードダイアグラムのノード毎にグループ測定を順次に行い、前記K個のノードのグループ測定結果を得るためのグループ測定ユニットと、
    前記K個のノードのグループ測定結果に基づいて、前記M個の第1ノードの目標グループ測定結果を決定するための第1決定ユニットと、
    を備える請求項に記載のノードグループ化装置。
  10. 前記グループ測定ユニットが、
    第1測定方式のうち、測定角度が前記第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第1目標ノードダイアグラムにおける第1ノードのグループ測定結果、及び第1角度情報に基づいて決定される測定方式である第1目標測定方式を用いて、第1ノードダイアグラムにおける第2ノード毎に、前記ノードリンクダイアグラムにおける前記第2ノードの目標量子状態に基づいて、前記第2ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおける第2ノードのグループ測定結果を得ることと、
    前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられる場合、第2測定方式のうち、測定角度が0である測定方式である第2目標測定方式を用いて、前記第1ノードダイアグラムにおける第1ノード毎に、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、
    第2測定方式のうち、測定角度が前記第2ノードダイアグラムの前に積み重ねられる第1ノードダイアグラムである第2目標ノードダイアグラムにおけるノードのグループ測定結果、及び第2角度情報に基づいて決定される測定方式である第3目標測定方式を用いて、第2ノードダイアグラムにおける第1ノード毎に、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第2ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、
    前記第1ノードダイアグラムの後に第2ノードダイアグラムが積み重ねられない場合、第1測定方式のうち、測定角度が前記第1ノードダイアグラムにおける第2ノードのグループ測定結果及び第2角度情報に基づいて決定される測定方式である第4目標測定方式を用いて、前記第1ノードダイアグラムにおける第1ノード毎に、前記ノードリンクダイアグラムにおける前記第1ノードの目標量子状態に基づいて、前記第1ノードに対してグループ測定を行うことによって、前記第1ノードダイアグラムにおけるM個の第1ノードのグループ測定結果を得ることと、
    に用いられる請求項に記載のノードグループ化装置。
  11. 前記第1決定ユニットが、
    前記M個の第1ノード毎に、p(前記第1ノードダイアグラムの数に等しい)番目の第1ノードダイアグラムにおける前記第1ノードのグループ測定結果と、前記p番目の第1ノードダイアグラムの前に積み重ねられる第2ノードダイアグラムである第3目標ノードダイアグラムにおける前記第1ノードのグループ測定結果を加算処理して、前記第1ノードに対応する目標値を得ることと、
    前記目標値をモジュラ演算して、前記第1ノードの目標グループ測定結果を得ることと、
    に用いられる請求項に記載のノードグループ化装置。
  12. 前記グループ測定モジュールが、
    前記ノードリンクダイアグラムにおける前記K個のノードの目標量子状態に基づいて、前記K個のノード毎にグループ測定を順次に行う目標グループ化操作をN回実行して、前記M個の第1ノードのN(正の整数である)個の目標グループ測定結果を得るための第1実行ユニットと、
    目標グループ化操作のN回実行における前記M個の第1ノードのグループ化スコア状況を表す第1目標関数値を、前記N個の目標グループ測定結果に基づいて決定するための第2決定ユニットと、
    前記目標グループ化操作における角度情報であって、前記目標グループ化操作での前記K個のノードの各々に対するグループ測定の測定角度を決定するために用いられる前記角度情報を、前記第1目標関数値に基づいて更新するための更新ユニットと、
    更新された前記角度情報に基づいて、前記目標グループ化操作を再びN回実行して第2目標関数値を決定するための第2実行ユニットと、
    前記第1目標関数値と第2目標関数値との差が予め設定された閾値よりも小さい場合、前記N個の目標グループ測定結果のうち最も出現頻度の高い目標グループ測定結果に対応するグループ化方式を、前記M個の第1ノードのグループ出力結果として決定するための第3決定ユニットと、
    を備える請求項に記載のノードグループ化装置。
  13. 前記生成モジュールが、
    前記K個のノードの各々の量子状態を生成するための生成ユニットと、
    前記K個のノードの各々の量子状態に基づいてテンソル積演算を行って第1演算結果を得るための第1演算ユニットと、
    Q(前記ノードリンクダイアグラムに含まれる無向辺の数に基づいて決定される)個の、制御Zゲートに対応する情報である制御情報に対してテンソル積と行列乗算を行って第2演算結果を得るための第2演算ユニットと、
    前記第1演算結果と第2演算結果とを乗算して、前記ノードリンクダイアグラムの量子もつれ状態を得るための第3演算ユニットと、
    を備える請求項に記載のノードグループ化装置。
  14. 前記生成モジュールが、
    前記ノードリンクダイアグラムに対応するクラスタ状態を取得するための取得ユニットと、
    前記ノードリンクダイアグラムに基づいて前記クラスタ状態を裁断して前記ノードリンクダイアグラムの量子もつれ状態を得るための裁断ユニットと、
    を備える請求項に記載のノードグループ化装置。
  15. 少なくとも1つのプロセッサと、
    該少なくとも1つのプロセッサに通信可能に接続されたメモリと、
    を備え、
    前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が格納されており、
    前記命令が前記少なくとも1つのプロセッサによって実行されることによって、前記少なくとも1つのプロセッサによる請求項1からのいずれか一項に記載の方法の実行を可能にする電子機器。
  16. コンピュータ命令が格納されている非瞬時コンピュータ可読記憶媒体であって、前記コンピュータ命令が、請求項1からのいずれか一項に記載の方法をコンピュータに実行させる非瞬時コンピュータ可読記憶媒体。
  17. プロセッサによって実行されると、請求項1からのいずれか一項に記載の方法を実現させるコンピュータプログラム。
JP2022026006A 2021-05-08 2022-02-22 ノードグループ化方法、装置及び電子機器 Active JP7372996B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202110500446.0A CN113190719B (zh) 2021-05-08 2021-05-08 节点分组方法、装置及电子设备
CN202110500446.0 2021-05-08

Publications (2)

Publication Number Publication Date
JP2022068327A JP2022068327A (ja) 2022-05-09
JP7372996B2 true JP7372996B2 (ja) 2023-11-01

Family

ID=76984314

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022026006A Active JP7372996B2 (ja) 2021-05-08 2022-02-22 ノードグループ化方法、装置及び電子機器

Country Status (4)

Country Link
US (1) US20220253575A1 (ja)
JP (1) JP7372996B2 (ja)
CN (1) CN113190719B (ja)
AU (1) AU2022203072B2 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114511092B (zh) * 2022-02-07 2023-04-18 上海图灵智算量子科技有限公司 一种基于量子线路的图注意力机制实现方法
CN114358216B (zh) * 2022-03-22 2022-06-21 合肥本源量子计算科技有限责任公司 基于机器学习框架的量子聚类方法及相关装置
CN117217321B (zh) * 2023-11-09 2024-01-30 合肥硅臻芯片技术有限公司 一种量子图态产生装置及产生方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180260731A1 (en) 2017-03-10 2018-09-13 Rigetti & Co., Inc. Quantum Approximate Optimization
JP2021504805A (ja) 2017-11-28 2021-02-15 インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation 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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991159B (zh) * 2017-03-30 2018-07-24 百度在线网络技术(北京)有限公司 用于生成信息的方法和装置
CN109767150B (zh) * 2017-11-09 2020-11-20 北京京东乾石科技有限公司 信息推送方法和装置
CN109982410B (zh) * 2019-04-18 2020-04-07 成都信息工程大学 基于纠缠交换的量子无线mesh网络路由方法及架构
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
CN112529200B (zh) * 2020-12-23 2021-08-24 北京百度网讯科技有限公司 纠缠量子态提纯方法、装置、设备、存储介质及产品

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180260731A1 (en) 2017-03-10 2018-09-13 Rigetti & Co., Inc. Quantum Approximate Optimization
JP2021504805A (ja) 2017-11-28 2021-02-15 インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation 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

Also Published As

Publication number Publication date
AU2022203072B2 (en) 2023-10-26
JP2022068327A (ja) 2022-05-09
CN113190719A (zh) 2021-07-30
AU2022203072A1 (en) 2022-11-24
US20220253575A1 (en) 2022-08-11
CN113190719B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
JP7372996B2 (ja) ノードグループ化方法、装置及び電子機器
JP7186797B2 (ja) 量子計算のための方法及びシステム
JP7087079B2 (ja) 深層学習アプリケーションのための堅牢な勾配重み圧縮方式
CN113011593B (zh) 消除量子测量噪声的方法及系统、电子设备和介质
JP7354320B2 (ja) 量子デバイスのノイズ除去方法および装置、電子機器、コンピュータ可読記憶媒体並びにコンピュータプログラム
US10755193B2 (en) Implementation of error mitigation for quantum computing machines
CN114219076B (zh) 量子神经网络训练方法及装置、电子设备和介质
JP2022524586A (ja) 量子コンピューティングにおける適応エラー修正
CN112272833A (zh) 容错量子计算机的布局
CN115427981A (zh) 用于分子和旋转系统的量子模拟的方法和系统
WO2022267854A1 (zh) 量子计算任务处理方法、系统、装置及操作系统
WO2020196862A1 (ja) 情報処理装置、情報処理システム、情報処理方法、記憶媒体およびプログラム
CN115699033A (zh) 量子数据加载器
JP2023510706A (ja) 動的順序付けに基づいた分割による分散テンソルネットワーク縮約方式
Swan et al. Quantum information science
Laptyeva et al. Calculating Floquet states of large quantum systems: A parallelization strategy and its cluster implementation
JP7250970B2 (ja) 関数処理方法、装置及び電子機器
Dupont et al. Calibrating the classical hardness of the quantum approximate optimization algorithm
CN114819163A (zh) 量子生成对抗网络的训练方法、装置、介质及电子装置
CN111931939A (zh) 一种单振幅量子计算模拟方法
JP2023523109A (ja) 量子操作実行方法及び装置、量子操作の制御波形の生成方法及び装置、量子操作チップ、並びにコンピュータ装置及びプログラム
CN115116552A (zh) 一种量子化学模拟的分子能量计算方法及装置
US11710060B2 (en) Quantum processing system
US10671550B1 (en) Memory offloading a problem using accelerators
Jin et al. Multilayered logical qubits and synthesized quantum bits

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220222

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230404

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230629

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: 20231010

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231020

R150 Certificate of patent or registration of utility model

Ref document number: 7372996

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150