KR20220027830A - 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기 - Google Patents

양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기 Download PDF

Info

Publication number
KR20220027830A
KR20220027830A KR1020217038851A KR20217038851A KR20220027830A KR 20220027830 A KR20220027830 A KR 20220027830A KR 1020217038851 A KR1020217038851 A KR 1020217038851A KR 20217038851 A KR20217038851 A KR 20217038851A KR 20220027830 A KR20220027830 A KR 20220027830A
Authority
KR
South Korea
Prior art keywords
quantum
eigenspectrum
noise
noise process
map
Prior art date
Application number
KR1020217038851A
Other languages
English (en)
Inventor
유친 천
창유 시에
성유 장
Original Assignee
텐센트 테크놀로지(센젠) 컴퍼니 리미티드
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 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 filed Critical 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Publication of KR20220027830A publication Critical patent/KR20220027830A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/32—Circuit design at the digital level
    • G06F30/33—Design verification, e.g. functional simulation or model checking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • 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
    • G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B82—NANOTECHNOLOGY
    • B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
    • B82Y10/00—Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/10—Noise analysis or noise optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
  • Tests Of Electronic Circuits (AREA)
  • Semiconductor Integrated Circuits (AREA)
  • Testing Of Individual Semiconductor Devices (AREA)

Abstract

본 출원 양자 정보 처리 기술 분야에 적용되는 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기를 제공한다. 상기 양자 노이즈 프로세스 분석 방법은, 양자 초기 상태의 세트를 준비하는 단계; 상기 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하는 단계; 상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계; 상기 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하는 단계; 상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초한 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계; 및 상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하는 단계를 포함한다.

Description

양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기
관련 출원
본 출원은 2020년 8월 28일에 출원된 "Quantum noise process analysis method, system, storage medium, and electronic device(양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기)"라는 명칭의 중국 특허출원 제202010882560.X호에 대한 우선권을 주장하며, 그 내용 전체가 인용에 의해 포함된다.
본 출원은 양자 정보 처리 기술 분야에 관한 것으로, 특히 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기에 관한 것이다.
현재, 양자 정보 처리 기술은 물리학 및 정보 과학 분야의 연구 핫스팟이다. 군사, 국방, 금융과 같은 정보 보안 분야에서 큰 적용 가치와 전망이 있으며, 군사 및 국방 분야의 국가 레벨 비밀 통신에 활용될 수 있을 뿐만 아니라, 정부, 통신, 산업 및 상업, 그리고 금융과 같은 분야 및 부문에 사용될 수 있다. 방법 중 하나인 양자 프로세스 단층 촬영(quantum process tomography)은 주로 노이즈 채널을 통해 입력되는 표준 양자 상태의 세트에 대한 일련의 측정 프로세스를 통해 양자 노이즈 프로세스의 수학적 설명을 재구성하는 것이다. 양자 노이즈 프로세스의 동역학 맵 정보는 양자 프로세스 단층 촬영 프로세스에서 추출될 수 있다.
양자 노이즈 프로세스는 배스(bath)을 갖는 양자 소자 또는 양자 시스템 간의 상호작용으로 인해 또는 양자 제어의 불완전성으로 인해 야기되는 양자 정보 오염 프로세스이다. 이 프로세스는 슈퍼 연산자(super-operator)를 사용하여 표현되는 채널이며, 프로세스가 더 높은 차원으로 확장되면, 프로세스는 행렬을 사용하여 표현될 수 있다. 그러나 기존의 양자 프로세스 단층 촬영은 주로 마르코비안 노이즈 채널(Markovian noise channel)의 양자 노이즈 프로세스에 적용할 수 있으나, 비마르코비안 노이즈 채널(non-Markovian noise channel)에 대한 효과적인 검출 방법 및 정량적 분석 방법을 제공하지 못한다.
본 출원의 실시예의 일 측면은 양자 노이즈 프로세스 분석 방법을 제공하며, 상기 양자 노이즈 프로세스 분석 방법은,
양자 초기 상태의 세트를 준비하는 단계;
준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하는 단계 - 상기 제1 회로 각각은 하나 이상의 노이즈 진화 게이트(noise evolution gate) 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트(projection test gate)를 포함하고, 상이한 제1 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼(dynamical map eigenspectrum)의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계;
준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하는 단계 - 상기 제2 회로 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트(dual projection test gate)를 포함하고, 상이한 제2 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계; 및
상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하는 단계를 포함한다.
본 출원의 실시예의 다른 측면은 양자 노이즈 프로세스 분석 시스템을 제공하며, 상기 양자 노이즈 프로세스 분석 시스템은 준비 유닛, 테스팅 유닛, 오차 고유 스펙트럼 유닛, 및 분석 유닛을 포함하고,
상기 준비 유닛은 양자 초기 상태의 세트를 준비하도록 구성되고;
상기 테스팅 유닛은, 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하도록 구성되고 - 상기 제1 회로 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트를 포함하고, 상이한 제1 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
상기 오차 고유 스펙트럼 유닛은, 상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성되고;
상기 테스팅 유닛은, 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하도록 구성되고 - 상기 제2 회로 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트를 포함하고, 상이한 제2 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
상기 오차 고유 스펙트럼 유닛은 추가로, 상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성되고;
상기 분석 유닛은, 상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하도록 구성된다.
본 출원의 실시예의 다른 측면은 컴퓨터 프로그램을 저장하는, 컴퓨터로 판독 가능한 저장 매체를 더 제공하며, 상기 컴퓨터 프로그램은 프로세서에 의해 로딩되어 본 출원에 의해 제공되는 양자 노이즈 프로세스 분석 방법을 실행하도록 구성된다.
본 출원의 실시예의 다른 측면은 프로세서 및 메모리를 포함하는 전자 기기를 더 제공한다.
상기 메모리는 컴퓨터 프로그램을 저장하도록 구성되고; 상기 프로세서는 상기 메모리에 저장된 컴퓨터 프로그램을 실행하여 본 출원의 실시예에서 제공되는 양자 노이즈 프로세스 분석 방법을 구현하도록 구성된다.
이하, 본 출원의 실시예의 기술적 방안을 보다 명확하게 설명하기 위하여, 실시예의 설명에 필요한 첨부 도면에 대하여 간략히 설명한다. 명백하게, 다음 설명에서의 첨부 도면은 단지 본 출원의 일부 실시예를 도시하고, 당업자라면 창의적인 노력 없이 이러한 첨부 도면에 따라 다른 첨부 도면을 얻을 수 있을 것이다.
도 1a는 본 출원의 일 실시예에 따른 양자 노이즈 프로세스 분석 방법의 개략도이다.
도 1b는 본 출원의 일 실시예에 따른 양자 노이즈 프로세스 분석 방법의 구현을 도시한 개략적인 구성도이다.
도 2는 본 출원의 일 실시예에 따른 양자 노이즈 프로세스 분석 방법의 흐름도이다.
도 3a는 본 출원의 일 실시예에서의 복수의 제1 회로의 개략도이다.
도 3b는 본 출원의 일 실시예에서의 복수의 제2 회로의 개략도이다.
도 4는 본 출원의 일 실시예에 따른 양자 노이즈 프로세스 분석 방법의 흐름도이다.
도 5a는 본 출원의 적용 실시예에서 시간에 따라 변화하는 미래 진화의 예측 결과의 개략도이다.
도 5b는 본 출원의 일 실시예에서 시간에 따라 변화하는 미래 진화의 다른 예측 결과의 개략도이다.
도 6a는 본 출원의 적용 실시예에서 시간에 따라 변화하는 양자 노이즈 프로세스의 상관 함수 파라미터 값을 나타낸 개략도이다.
도 6b는 본 출원의 적용 실시예에서 시간에 따라 변화하는 다른 양자 노이즈 프로세스의 상관 함수 파라미터 값을 나타낸 개략도이다.
도 7a는 본 출원의 적용 실시예에서 시간에 따라 변화하는 양자 노이즈 프로세스의 비마르코비안 노이즈 모델의 개략도이다.
도 7b는 본 출원의 적용 실시예에서 시간에 따라 변화하는 다른 양자 노이즈 프로세스의 비마르코비안 노이즈 모델의 개략도이다.
도 8a는 본 출원의 적용 실시예에서 시간에 따라 변화하는 양자 노이즈 프로세스의 비마르코비안 노이즈 강도의 개략도이다.
도 8b는 본 출원의 적용 실시예에서 시간에 따라 변화하는 다른 양자 노이즈 프로세스의 비마르코비안 노이즈 강도의 개략도이다.
도 9는 본 출원의 일 실시예에 따른 양자 노이즈 프로세스 분석 시스템의 개략적인 구성도이다.
도 10은 본 출원의 일 실시예에 따른 전자 기기의 개략적인 구성도이다.
이하에서는 본 출원의 실시예의 기술적 방안을 본 출원의 실시예에서의 첨부 도면을 참조하여 명확하게 설명한다. 명백하게, 설명된 실시예는 모든 실시예가 아니라 본 출원의 일부 실시예일 뿐이다. 당업자가 창의적인 노력 없이 본 출원의 실시예에 기초하여 획득한 다른 모든 실시예는 본 출원의 보호 범위에 속한다.
본 출원의 명세서, 청구범위 및 첨부 도면에서, "제1", "제2", "제3", "제4" 등(있다면)의 용어는 유사한 대상을 구별하기 위한 것으로, 특정한 순서 또는 시퀀스를 기술하는 것은 아니다. 이러한 식으로 사용되는 데이터는 적절한 상황에서 상호 교환 가능하므로, 예를 들어 여기에 설명된 본 출원의 실시예는 여기에 예시되거나 설명된 순서와 다른 순서로 구현될 수 있다. 또한, 용어 "포함하다("include", "comprise") 및 기타 변형은 비배타적 포함을 포함하는 것을 의미한다. 예를 들어, 작업 또는 유닛의 목록을 포함하는 프로세스, 방법, 시스템, 제품 또는 기기는 그러한 명시적으로 나열된 단계 또는 유닛에 반드시 한정되지는 않지만 명시적으로 나열되지 않거나 그러한 프로세스, 방법, 시스템, 제품 또는 기기에 고유하지 않은 다른 단계 또는 유닛을 포함할 수 있다. 이하의 설명에서 "복수"라는 용어는 적어도 두 개를 의미하고, 적어도 하나는 하나 이상을 의미한다.
본 출원의 실시예는 양자 시스템에서 노이즈를 분석하는 데, 예를 들어 비마르코비안 양자 노이즈 프로세스를 분석하는 데 사용할 수 있는 양자 노이즈 프로세스 분석 방법을 제공한다. 도 1a에 도시된 바와 같이, 양자 노이즈 프로세스 분석 시스템은,
양자 노이즈 프로세스를 수행하기 위해, 양자 초기 상태(100)의 세트를 준비하는 단계; 준비된 양자 초기 상태(100)를 복수의 제1 회로(200)에 각각 입력하여 복수의 제1 양자 출력 상태(110)를 획득하는 단계 - 제1 회로(300) 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트를 포함하고, 상이한 제1 회로(200)는 상이한 수의 노이즈 진화 게이트를 포함함 -; 복수의 제1 양자 출력 상태(110)와 양자 초기 상태(100) 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼(120)을 결정하는 단계; 준비된 양자 초기 상태(100)를 복수의 제2 회로(210)에 각각 입력하여 복수의 제2 양자 출력 상태(130)를 획득하는 단계 - 제2 회로(210) 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트를 포함하고, 상이한 제2 회로(210)는 상이한 수의 노이즈 진화 게이트를 포함함 -; 복수의 제2 양자 출력 상태(130)와 양자 초기 상태(100) 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼(140)을 결정하는 단계; 및 제1 오차를 포함하는 동역학 맵 고유 스펙트럼(120) 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼(140)에 따라 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼(150)을 결정하는 단계를 수행함으로써 노이즈 분석을 구현할 수 있다.
이와 같이, 제1 회로(200)와 제2 회로(210)에 포함된 투영 테스트 게이트의 개수가 다르기 때문에, 진화 프로세스에서 양자 초기 상태(100)의 분석에서 발생하는 오차, 즉 제1 오차와 제2 오차는 다르다. 그러면, 제1 오차를 포함하는 동역학 맵 고유 스펙트럼(120) 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼(140)에 따라 오차가 제거된(error-eliminated) 동역학 맵 고유 스펙트럼(150)을 획득할 수 있으므로, 오차가 제거된 동역학 맵 고유 스펙트럼(150)에 따라 양자 노이즈 프로세스가 보다 정확하게 분석될 수 있고, 양자 시스템의 노이즈를 보다 정확하게 모니터링할 수 있어, 양자 시스템의 정확하고 표적화된 조절을 달성할 수 있다.
이하에서는 본 출원의 실시예에서 제공되는 전자 기기의 예시적인 적용을 설명한다. 본 출원의 실시예에서 제공되는 전자 기기는 다양한 형태의 단말 기기 또는 서버로서 구현될 수 있다. 도 1b에 도시된 바와 같이, 단말 기기(400)는 네트워크(300)를 통해 서버(200)에 연결되며, 여기서 네트워크(300)는 광역 네트워크 또는 근거리 네트워크 또는 이 둘의 조합일 수 있다.
일부 실시예에서, 단말 기기를 전자 기기의 예로 들면, 본 출원의 실시예에서 제공되는 양자 노이즈 프로세스 분석 방법은 단말 기기에 의해 구현될 수 있다. 예를 들어, 단말 기기(40)는 자신의 컴퓨팅 능력에 기초하여, 도 1a에 도시된 다양한 단계를 구현할 수 있다.
일부 실시예에서, 서버를 전자 기기의 예로 들면, 본 출원의 실시예에서 제공되는 양자 노이즈 프로세스 분석 방법은 또한 서버에 의해 구현될 수 있다. 예를 들어, 서버(200)는 자신의 컴퓨팅 능력에 기초하여, 도 1a에 도시된 다양한 단계를 구현할 수 있다.
일부 실시예에서, 본 출원의 실시예에서 제공되는 양자 노이즈 프로세스 분석 방법은 또한 단말 기기와 서버의 협력으로 구현될 수 있다. 예를 들어, 단말 기기(400)는 서버(200)에 분석 명령을 전송하여, 서버(200)가 수신된 분석 명령에 따라 도 1a에 도시된 단계들을 구현하도록 할 수 있다. 또한, 서버(200)는 분석 명령에 대한 응답인 분석 결과를 단말 기기(400)에 전송할 수 있다. 이러한 방식으로, 단말 기기(400)는 서버(200)의 컴퓨팅 능력을 이용하여 양자 노이즈 프로세스 분석을 구현할 수 있다.
일부 실시예에서, 단말 기기(400) 또는 서버(200)는 컴퓨터 프로그램을 실행함으로써 본 출원의 실시예에 의해 제공되는 양자 노이즈 프로세스 분석 방법을 구현할 수 있다. 예를 들어, 컴퓨터 프로그램은 운영 체제의 고유 프로그램(native program) 또는 소프트웨어 모듈일 수 있거나, 운영 체제에 설치된 후에만 실행될 수 있는 프로그램인 고유 애플리케이션(native application)일 수 있다. 대체로, 위에서 언급한 컴퓨터 프로그램은 임의의 형식의 애플리케이션, 모듈 또는 플러그인(plug-in)일 수 있다.
일부 실시예에서, 서버(200)는 독립된 물리 서버일 수 있거나, 서버 클러스터 또는 복수의 물리 서버로 구성된 분산 시스템일 수 있거나,
클라우드 서비스, 클라우드 데이터베이스, 클라우드 컴퓨팅, 클라우드 기능, 클라우드 스토리지, 네트워크 서비스, 클라우드 통신, 미들웨어 서비스, 도메인 명칭 서비스, 보안 서비스, 콘텐츠 전송 네트워크(content delivery network, CDN), 빅 데이터, AI 플랫폼과 같은 기본적인 클라우드 컴퓨팅 서비스를 제공하는 클라우드 서버일 수 있다. 단말 기기(400)는 스마트폰, 노트북 컴퓨터, 데스크톱 컴퓨터, 양자 분석 전용의 특수 단말 기기 등일 수 있으나, 이에 한정되는 것은 아니다. 단말 기기와 서버는 유선 또는 무선 통신을 통해 직접 또는 간접적으로 연결될 수 있으며, 이는 본 출원의 실시예에 한정되지 않는다.
본 출원의 일 실시예는 양자 노이즈 프로세스 분석 시스템에 의해 실행되는 방법일 수 있는 양자 노이즈 프로세스 분석 방법을 제공한다. 도 2는 다음 단계를 포함하는 양자 노이즈 프로세스 분석 방법의 흐름도이다:
단계 101: 양자 초기 상태의 세트를 준비한다.
양자 정보 처리는 양자 시스템에서 정보를 처리하는 것을 의미하는 것으로 이해될 수 있다. 양자 시스템은 우주 전체의 일부이며 그 운동 법칙은 양자 역학을 따른다. 양자 시스템의 모든 정보는 양자 상태로 나타낼 수 있다. 본 실시예에서, 양자 시스템에서의 양자 노이즈 프로세스를 분석하기 위해, 먼저 초기 상태(즉, 양자 초기 상태)의 양자 상태의 세트가 준비된다. 예를 들어, 파울리 행렬(Pauli matrix)(즉, 파울리 베이시스(Pauli basis))이 양자 초기 상태를 준비하기 위해 선택될 수 있다.
단계 102: 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하며, 제1 회로는 각각 적어도 하나의 노이즈 진화 게이트 및 각 노이즈 진화 게이트에 대응하는 투영 테스트 게이트를 포함하고, 상이한 제1 회로는 상이한 수의 노이즈 진화 게이트를 포함한다.
예를 들어, 복수의 진화 시각 중의 각각의 진화 시각에, 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 각각의 진화 시각에서의 복수의 제1 양자 출력 상태를 획득한다. 이러한 방식으로, 복수 세트의 제1 양자 출력 상태가 획득될 수 있다. 제1 양자 출력 상태의 세트 각각은 하나의 진화 시각에 대응하며, 초기 양자 상태가 복수의 제1 회로를 각각 통과한 후에 획득되는 양자 출력 상태를 포함한다.
인접한 진화 시각 사이의 시간 간격은 동일할 수 있다. 즉, 복수의 진화 시각는 ti=δt, 2δt, ..., Nδt일 수 있다. 노이즈 진화 게이트는 시간이 지남에 따라 진화하는 노이즈 채널을 말하며, 각각의 진화 시각에서의 노이즈 진화 게이트는 동력학 진화 맵으로 나타낼 수 있다. 투영 테스트 게이트는 주로 특정 방향의 노이즈 채널에 대한 투영 테스트를 수행하는 데 사용된다. 각각의 진화 시각에서의 투영 테스트 게이트는 투영 측정 맵(projection measurement map)으로 나타낼 수 있다.
마르코비안 양자 노이즈 프로세스에서, 양자 초기 상태에 대한 임의의 진화 시각에 제1 회로를 통해 출력되는 제1 양자 출력 상태는 이전 진화 시각에 제1 회로를 통해 출력된 제1 양자 출력 상태에만 관련이 있고; 비마르코비안 양자 노이즈 프로세스에서, 양자 초기 상태에 대한 임의의 진화 시각에 제1 회로를 통해 출력된 제1 양자 출력 상태는 복수의 이전 진화 시각에 제1 회로를 통해 출력된 제1 양자 출력 상태와 관련이 있다. 이 실시예에서의 노이즈 진화 게이트는 비마르코비안 양자 노이즈 채널일 수 있다.
단계 103: 복수의 제1 양자 출력 상태와 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정한다. 함수 대응관계는 복수의 제1 양자 출력 상태와 양자 초기 상태를 준비하는 데 사용되는 정보 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계일 수 있다.
양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계는 각각의 제1 양자 출력 상태와 양자 초기 상태를 준비하는 데 사용되는 정보 사이에 존재하고, 알려진 양자 초기 상태와 복수의 제1 양자 출력 상태는 위의 단계 101 및 단계 102를 통해 획득될 수 있기 때문에, 제1 오차를 포함하는 동역학 맵 고유 스펙트럼이 해결될 수 있다. 위의 단계 102에서 제1 양자 출력 상태를 획득하는 과정에서, 양자 초기 상태는 적어도 하나의 투영 테스트 게이트의 테스트 오차가 발생하는, 노이즈 진화 게이트와 투영 테스트 게이트의 적어도 하나의 세트(즉, 적어도 하나의 노이즈 진화 게이트와 각각의 노이즈 진화 게이트에 대응하는 투영 스트 게이트)를 통과하였기 때문에, 이 단계에 의해 결정된 동역학 맵 고유 스펙트럼은 테스트 오차, 즉 제1 오차를 포함한다.
복수의 진화 시각에 각각 대응하는 복수 세트의 제1 양자 출력 상태가 위의 단계(102)에서 획득되면, 복수의 진화 시각에 각각 대응하는 제1 오차를 포함하는 동역학 맵 고유 스펙트럼은 이 단계 103을 통해 획득될 수 있다.
동역학 맵은 주로 TPCP(Trace-Preserving Completely Positive) 맵을 말하며, 여기서 자취 보존(trace-preserving)은 동역학적 진화 프로세스에서 양자 상태 밀도 연산자의 자취가 변경되지 않고 유지됨을 의미하고, "완전 양성(completely positive)"은 밀도 연산자가 음이 아닌 경우, 밀도 연산자에 적용된 동역학 맵의 임의의 부분은 음수가 아닌 상태로 유지된다는 것을 의미한다.
단계 104: 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하고, 제2 회로는 각각 적어도 하나의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트를 포함하고, 및 상이한 제2 회로는 상이한 수의 노이즈 진화 게이트를 포함한다.
예를 들어, 복수의 진화 시각 중의 진화 시각 각각에서, 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 각각 진화 시각에서의 복수의 제2 양자 출력 상태를 획득할 수 있다. 이러한 방식으로, 복수 세트의 제2 양자 출력 상태가 획득될 수 있다. 제2 양자 출력 상태의 세트 각각은 하나의 진화 시각에 대응하며, 초기 양자 상태가 복수의 제2 회로를 각각 통과한 후에 획득되는 양자 출력 상태를 포함한다.
비마르코비안 양자 노이즈 프로세스에서, 양자 초기 상태에 대한 임의의 진화 시각에서 제2 회로를 통해 출력되는 제2 양자 출력 상태는 복수의 이전 진화 시각에서 제2 회로를 통해 출력된 제2 양자 출력 상태와 관련이 있다.
단계 105: 복수의 제2 양자 출력 상태와 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정한다. 함수 대응관계는 복수의 제2 양자 출력 상태와 양자 초기 상태의 준비에 사용되는 정보 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계일 수 있다.
양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계는 각각의 제2 양자 출력 상태와 양자 초기 상태 사이에 존재하고, 알려진 양자 초기 상태와 복수의 제2 양자 출력 상태는 위의 단계 101 및 단계 104를 통해 획득될 수 있기 때문에, 제2 오차를 포함하는 동역학 맵 고유 스펙트럼이 해결될 수 있다. 위의 단계 104에서, 제2 양자 출력 상태를 획득하는 과정에서, 양자 초기 상태는, 적어도 두 개의 투영 테스트 게이트의 테스트 오차가 포함되는, 적어도 한 세트의 노이즈 진화 게이트와 투영 테스트 게이트(즉, 적어도 하나의 노이즈 진화 게이트와 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트)를 통과했기 때문에, 이 단계에서 결정된 동역학 맵 고유 스펙트럼은 테스트 오차, 즉 제2 오차를 포함한다.
복수의 진화 시각에 각각 대응하는 복수 세트의 제2 양자 출력 상태가 위의 단계 104에서 획득되면, 복수의 진화 시각에 각각 대응하는 제2 오차를 포함하는 동역학 맵 고유 스펙트럼은 이 단계 105를 통해 획득될 수 있다.
단계 106: 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정한다.
예를 들어, 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 대해 특정 계산이 수행된다. 이와 같이, 최종적으로 획득된 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼은 어떠한 오차도 포함하지 않으며, 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 분석을 수행할 수 있다. 위의 단계 103에서 복수의 진화 시각에 대응하는 제1 오차를 포함하는 동역학 맵 고유 스펙트럼이 획득되고, 위의 단계 105에서 복수의 진화 시각에 대응하는 제2 오차를 포함하는 동역학 맵 고유 스펙트럼이 획득되면, 이 단계 106에서, 각각의 진화 시각에 대해, 진화 시각에 대응하는 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 진화 시각에 대응하는 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 대해 계산이 수행되어, 진화의 시각 대응하는 양자 노이즈 프로세스의 동역합 맵 고유 스펙트럼을 획득할 수 있다.
전술한 단계 102 ∼ 단계 103 및 단계 104 ∼ 단계 105는 특정 순서에 한정되지 않고, 동시에 또는 순차적으로 수행될 수 있다. 도 2는 단지 적용예 중 하나를 도시한 것일 뿐이다.
구현 시에, 예를 들어, 도 3a에 도시된 바와 같이, 준비된 양자 초기 상태(P)는 3개의 제1 회로에 각각 입력된다. 제1 회로 1은 노이즈 진화 게이트(U) 및 대응하는 투영 테스트 게이트(M)를 포함한다. 제1 회로 1은 제1 양자 출력 상태 1을 출력한다. 제1 회로 2는 두 개의 노이즈 진화 게이트(U)와 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트(M)를 포함한다. 제1 회로 2는 제1 양자 출력 상태 2를 출력한다. 제1 회로 3은 3개의 노이즈 진화 게이트(U)와 각각의 노이즈 진화 게이트(U)에 대응하는 투영 테스트 게이트(M)를 포함한다. 제1 회로 3은 제1 양자 출력 상태 3을 출력한다.
예를 들어, 도 3b에 도시된 바와 같이, 준비된 양자 초기 상태(P)는 3개의 제2 회로에 각각 입력된다. 제2 회로 1은 노이즈 진화 게이트(U) 및 대응하는 이중 투영 테스트 게이트(MM)(즉, 2개의 투영 테스트 게이트(M))를 포함한다. 제2 회로 1은 제2 양자 출력 상태 1을 출력한다. 제2 회로 2는 2개의 노이즈 진화 게이트(U)와 각각의 노이즈 진화 게이트(U)에 대응하는 이중 투영 테스트 게이트(MM)를 포함한다. 제2 회로 2는 제2 양자 출력 상태 2를 출력한다. 제2 회로 3은 3개의 노이즈 진화 게이트(U) 및 각각의 노이즈 진화 게이트(U)에 대응하는 이중 투영 테스트 게이트(MM)를 포함한다. 제2 회로 3은 제2 양자 출력 상태 3을 출력한다.
실제 분석 과정에서, 노이즈 진화 게이트(U)는 비마르코비안 양자 노이즈 채널 또는 마르코비안 양자 노이즈 채널로 설정될 수 있으며, 파울리 노이즈 채널 또는 비파울리 노이즈 채널일 수 있으며, 실제 분석을 통해, 양자 노이즈 프로세스의 분석에 대한 상이한 유형의 노이즈 채널의 영향이 결정된다. 그리고 δt, 2δt, ..., nδt와 같은, 각각의 진화 시각 ti에 대해, 준비된 양자 초기 상태가 제1 회로와 제2 회로에 각각 입력되어야 한다. 도 3a 및 도 3b에 도시된 회로의 노이즈 진화 게이트(U) 및 투영 테스트 게이트(M)는 임의의 진화 시각에서의 노이즈 진화 게이트(U) 및 투영 테스트 게이트(M)일 수 있다.
각각의 제1 양자 출력 상태는 신호 함수
Figure pct00001
로 나타낼 수 있으며, 여기서 ti는 진화 시각를 나타내고, k는 서로 다른 회로에 의해 출력되는 제1 양자 출력 상태를 구별하는 데 사용된다. 마르코비안 양자 노이즈 프로세스에서, 임의의 진화 시각에 회로로부터 획득된 양자 출력 상태는 이전 진화 시각에 회로로부터 획득된 양자 출력 상태에만 관련이 있고; 비마르코비안 양자 노이즈 프로세스에서, 임의의 진화 시각에 회로로부터 획득된 양자 출력 상태는 복수의 이전 진화 시각에 회로로부터 획득된 양자 출력 상태와 관련이 있다. 이 실시예에서, 비마르코비안 양자 노이즈 프로세스가 예로 설명된다. 특정 진화 시각에, 도 3a에 도시된 3개의 제1 회로에 의해 획득되는 제1 양자 출력 상태가 각각
Figure pct00002
,
Figure pct00003
, 및
Figure pct00004
이고, 아래의 식 1-1로 표현될 수 있으며, 여기서 N은 슈퍼 연산자를 나타내고,
Figure pct00005
는 투영 테스트 게이트의 테스트 오차를 나타내고,
Figure pct00006
는 양자 초기 상태의 준비 오차를 나타내고, Λ는 노이즈 진화 게이트의 동역학 맵을 나타내고,
Figure pct00007
는 투영 테스트 게이트의 투영 테스트 맵을 나타내고;
Figure pct00008
는 파울리 행렬이며, 여기서 양자화 초기 상태는 주로 파울리 행렬
Figure pct00009
를 선택함으로써 준비된다.
Figure pct00010
(1-1)
단일 큐비트(single-qubit) 양자 상태를 예로 들면,
Figure pct00011
이며, 여기서
Figure pct00012
는 파울리 행렬에 따라 계산될 수 있는 파울리 전이 행렬(Pauli transition matrix)이고, 아래의 식 1-2와 같이 표현될 수 있다:
Figure pct00013
(1-2)
여기서 파울리 행렬
Figure pct00014
,
Figure pct00015
는
Figure pct00016
방향에서의 투영 측정 맵이다.
도 3a에 도시된 처음 두 개의 제1 회로에 대응하는 파울리 전이 행렬은
Figure pct00017
을 사용하여 획득될 수 있고, 아래의 식 1-3 및 식 1-4로 표현될 수 있다:
Figure pct00018
(1-3)
Figure pct00019
(1-4)
따라서,
Figure pct00020
가 획득될 수 있다.
Figure pct00021
에 대응하는 동역학 맵이
Figure pct00022
를 충족하기 때문에,
Figure pct00023
가 획득될 수 있고,
또한 제1 양자 출력 상태와 양자 초기 상태의 준비에 사용된 정보(즉,
Figure pct00024
) 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계가 획득될 수 있으며, 이는 아래의 식 1-5로 표현될 수 있다:
Figure pct00025
(1-5)
여기서
Figure pct00026
는
Figure pct00027
의 파울리 전이 행렬의 서브행렬이고,
Figure pct00028
는
Figure pct00029
의 파울리 전이 행렬의 서브 행렬이고, 대각화 가능한
Figure pct00030
R이며, 양자 초기 상태의 준비 오차는
Figure pct00031
이다. 위의 단계 102를 통해 복수의 제1 양자 출력 상태
Figure pct00032
가 알려졌고,
Figure pct00033
는 위의 단계 101의 준비 과정에서 사용된 파울리 행렬에 따라 획득될 수 있기 때문에, 제1 오차를 포함하는 동역학 맵 고유 스펙트럼
Figure pct00034
은 또한
위의 식 1-5에 기초한 행렬 연필법(matrix pencil method)을 이용한 분석을 통해 획득되며, 여기서
Figure pct00035
주로 투영 테스트 게이트의 측정 오차인 제1 오차를 나타낸다.
유사하게, 도 3b에 도시된 바와 같이, 양자 초기 상태가 제2 회로를 통과한 후 획득되는 제2 양자 출력 상태는 아래의 식 1-6과 같이 표현될 수 있으며, 제2 양자 출력 상태와 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계가 획득될 수 있으며, 예를 들어, 제2 양자 출력 상태와 양자 초기 상태의 준비에 사용되는 정보(즉,
Figure pct00036
) 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계는 아래의 식 1-7과 같이 표현될 수 있다:
Figure pct00037
(1-6)
Figure pct00038
(1-7)
여기서 대각화 가능한
Figure pct00039
이고, 양자 초기 상태의 준비 오차는
Figure pct00040
이다. 위의 단계 104를 통해 복수의 제2 양자 출력 상태
Figure pct00041
가 이미 알려졌고,
Figure pct00042
는 위의 단계 101의 준비 과정에서 사용된 파울리 행렬에 따라 획득될 수 있기 때문에, 제2 오류를 포함하는 동역학 맵 고유 스펙트럼
Figure pct00043
이 위의 식 1-7에 기초한 행렬 연필법을 사용한 분석을 통해 추가로 획득되며, 여기서
Figure pct00044
는 제2 오차를 나타내며, 이는 주로 두 개의 투영 테스트 게이트(즉, 이중 투영 테스트 게이트)의 측정 오차를 나타내는 데 사용된다.
이와 같이, 위에서 획득된 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 기초하여, 오차가 없는 동역학 맵 고유 스펙트럼(양자 초기 상태 준비 오차 및 측정 오차 포함), 즉 계수가 없는 동역학 맵 고유 스펙트럼이 획득될 수 있으며, 이는 구체적으로 아래의 식 1-8과 같이 표현될 수 있다:
Figure pct00045
(1-8)
위의 방법은 특정 진화 시각에 동역학 맵 고유 스펙트럼을 획득하기 위한 것일 뿐이다. 유추하여,
임의의 진화 시각 ti에서 양자 노이즈 프로세스의 오차 없는 동역학 맵 고유 스펙트럼
Figure pct00046
은 비마르코비안 양자 노이즈 프로세스에서 획득될 수 있다.
위에서 언급한 비마르코비안 양자 노이즈 프로세스에서, 서로 다른 진화 시각에 회로에서 출력되는 양자 출력 상태를 구축하는 것이 가능하다. 예를 들어, 복수 세트의 신호 함수를 구축하고, 신호 함수의 세트 각각은
Figure pct00047
을 포함한, 하나의 진화 시각에 대응하므로,
Figure pct00048
에 대응하는 동역학 맵은
Figure pct00049
을 충족하며, 복수 세트의 신호 함수는 행렬 연필법에 의해 분석되어 복수 세트의 동역학 맵 특성 스펙트럼
Figure pct00050
를 획득하는 동시에 오차를 회피한다. 구체적인 프로세스는 아래의 표 1에 나와있다:
Figure pct00051
이 실시예의 방법에서, 비마르코비안 양자 노이즈 프로세스를 분석할 때, 양자 노이즈 프로세스 분석 시스템은 준비된 양자 초기 상태를 복수의 제1 회로 및 복수의 제2 회로에 입력하여 복수의 제1 양자 출력 상태 및 복수의 제2 양자 출력 상태를 획득한 다음, 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정함을 알 수 있다. 제1 회로와 제2 회로에 포함된 투영 테스트 게이트의 수가 다르기 때문에, 진화 프로세스에서 양자 초기 상태의 분석에서 발생하는 오차도 다르다(즉, 제1 오차와 제2 오차가 다름). 따라서, 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 오차가 제거된 동역학 맵 고유 스펙트럼을 획득할 수 있으므로, 오차가 제거 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스를 보다 정확하게 분석할 수 있고, 양자 시스템에서의 노이즈를 보다 정확하게 모니터링할 수 있으므로, 양자 시스템의 정확하고 표적화된 조정을 달성할 수 있다.
일부 실시예에서, 위에서 결정된 오차가 제거된 동역학 맵 고유 스펙트럼에 기초한 양자 노이즈 프로세스 분석 시스템에 의한 양자 노이즈 프로세스의 분석은 다음과 같은 분석 방법을 포함할 수 있지만, 이에 한정되는 것은 아니다:
(1) 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼에 따라 전이 텐서 맵의 고유 스펙트럼을 결정한다.
예를 들어, 양자 노이즈 프로세스 분석 시스템은 위에서 획득한 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼 및 미리 설정된 제1 대응관계에 따라 전이 텐서 맵의 고유 스펙트럼을 결정한다. 전이 텐서 맵은 양자 시스템에 기초한 메모리 커널의 양자 노이즈 프로세스의 동역학 진화를 특징짓는 데 사용되며, 주로 위에서 언급한 동역학 맵에서 추출된 맵의 세트이다. 이 맵의 세트는 양자 시스템의 메모리 커널을 인코딩하고, 양자 시스템의 동역학적 진화를 예측하는 데 사용된다.
예를 들어, 비마르코비안 양자 노이즈 하에서 양자 시스템의 동역학적 진화 프로세스의 경우, 이전 양자 시스템 상태에 대한 현재 양자 시스템 상태의 시간적으로 로컬화되지 않은 메모리 효과(temporally non-localized memory effect)가 도입될 수 있으며, 이는 아래의 식 2-1에서 나카지마-즈완지그(Nakajima-Zwanzig) 방정식을 사용하여 표현된다:
Figure pct00052
(2-1)
여기서
Figure pct00053
는 양자 시스템의 현재 상태와 이전 상태 간의 관계를 특징짓는 데 사용되는 메모리 커널이며
Figure pct00054
를 충족한다. 노이즈 채널이 파울리 채널(Pauli noise channel)인 경우,
Figure pct00055
이 획득될 수 있으며, 여기서
Figure pct00056
이다.
Figure pct00057
는 위의 실시예에서 결정된 양자 노이즈의 동역학 맵 고유 스펙트럼
Figure pct00058
에 기초하여 확득될 수 있으며, 여기서
Figure pct00059
는 메모리 커널의 고유 스펙트럼이다.
진화 시각 간격이
Figure pct00060
이고 획득된 양자 노이즈의 동역학 맵이
Figure pct00061
이기 때문에, 양자 시스템의 현재 상태
Figure pct00062
역시 전이 텐서 맵 T를 사용하여 이전 상태 시퀀스
Figure pct00063
에 연결될 수 있다. 시간 평행이동-불변 양자 시스템(time translation-invariant quantum system)
Figure pct00064
의 경우, 위의 식 2-1의 Nakajima-Zwanzig 방정식은 아래의 식 2-2에서의 이산 시점 형태로 업데이트될 수 있다:
Figure pct00065
(2-2)
위의 식 2-1 및 2-2에 기초하여, 전이 텍서 맵
Figure pct00066
이 획득될 수 있다. 파울리 채널은
Figure pct00067
을 충족하기 때문에,
Figure pct00068
이 획득될 수 있으며, 여기서 유니터리 연산자(unitary operator)
Figure pct00069
는 파울리 행렬이고,
Figure pct00070
은 전이 텐서 맵의 고유 스펙트럼이며, 전이 텐서 맵의 고유 스펙트럼과 메모리 커널의 고유 스펙트럼은 제2 대응관계를 충족한다:
Figure pct00071
.
양자 노이즈 프로세스의 동역학 맵은 또한
Figure pct00072
을 충족하기 때문에, 동역학 맵은
Figure pct00073
에 기초하여 대각화되고,
아래의 식 2-3에서 동역학 맵 고유 스펙트럼과 전이 텐서 맵의 고유 스펙트럼 사이의 제1 대응관계가 획득된다. 제1 대응관계는 양자 노이즈 프로세스 분석 시스템에서 미리 설정될 수 있다.
Figure pct00074
(2-3)
여기서 동역학 맵 스펙트럼
Figure pct00075
은
Figure pct00076
로 축약된다. 제1 대응관계도 또한 위에서 획득된
Figure pct00077
를 결합함으로써 주어질 수 있다. 또한, 위의 식 2-3에 기초하여, 동역학적 진화를 예측하기 위한 다음 2-4를 획득할 수 있다:
Figure pct00078
(2-4)
즉, 양자 시스템의 현재 상태는 일반적으로 유한 수(예: Y)의 이전 상태에 의해서만 영향을 받는다, 즉
Figure pct00079
.
따라서, 진화 시각 0에서
Figure pct00080
까지의 동역학 맵 고유 스펙트럼이 획득되는 한, 후속 진화 시각에서 전이 텐서 맵의 고유 스펙트럼에 기초하여 동역학 맵 고유 스펙트럼을 예측할 수 있다.
일부 실시예에서, 위의 단계에서 양자 노이즈 프로세스 분석 시스템에 의해 획득된 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼은 다음을 포함한다: 일정 시간 내의 복수의 진화 시각에서의 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 포함한다. 이 경우, 일정 시간 후의 진화 시각에서의 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼은 또한 일정 시간 내의 복수의 진화 시각에서의 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼, 전이 텐서 맵의 고유 스펙트럼 및 미리 설정된 제1 대응 관계 따라 예측될 수 있다.
(2) 양자 노이즈 프로세스의 상관 함수를 결정한다.
예를 들어, 양자 노이즈 프로세스 분석 시스템은 양자 노이즈 프로세스의 전이 텐서 맵의 고유 스펙트럼 및 미리 설정된 제2 대응관계에 따라 양자 노이즈 프로세스의 메모리 커널의 고유 스펙트럼을 결정하고 - 여기서 메모리 커널은 양자 시스템의 현재 상태와 이전 상태 사이의 관계를 특징짓는 데 사용됨 -; 그 다음에 양자 노이즈 프로세스의 메모리 커널의 고유 스펙트럼 및 미리 설정된 제3 대응관계에 따라 양자 노이즈 프로세스의 상관 함수를 결정하고, 상관 함수에 따라 양자 노이즈 프로세스의 스펙트럼을 결정한다. 예를 들어, 양자 노이즈 프로세스의 스펙트럼은 상관 함수에 대해 푸리에 변환을 수행하여 획득될 수 있다.
가우스 안정 노이즈(Gaussian steady noise)의 경우, 양자 노이즈 프로세스의 상관 함수가 노이즈의 성질(nature)을 결정한다. 상관 함수는 양자 노이즈 프로세스를 특징짓는 데 사용된다. 따라서 실험에서 상관함수와 스펙트럼을 추출하는 것이 중요하다.
일부 실시예에서, 양자 시스템과 배스(bath) 사이의 상호작용
Figure pct00081
이 고려되며, 여기서
Figure pct00082
는 비트 i에 대응하는 파울리 연산자이고,
Figure pct00083
는 가우스 노이즈을 고려한 노이즈 배스 연산자이고, 두 가지의 양
Figure pct00084
및
Figure pct00085
으로 설명된다.
개방 시스템 이론에서 동역학적 진화의 메모리 커널의 정확한 표현은 아래의 식 3-1과 같이 표현될 수 있다:
Figure pct00086
(3-1)
통상의 양자 하드웨어에서, 양자 노이즈는 초기에 공학적으로 제어되었기에,
양자 소자와 배스(bath) 간의 결합 강도가 상대적으로 약하다. 이 경우, 2차 섭동 근사(second-order perturbation approximation)가 메모리 커널을 처리하기 위해 사용될 수 있습니다. 단일 큐비트를 예로 들면, 근사는 아래의 식 3-2를 사용하여 수행될 수 있다:
Figure pct00087
Figure pct00088
(3-2)
여기서 리우빌 연산자(Liouville operator)
Figure pct00089
이므로, 양자 노이즈의 상관 함수는
Figure pct00090
로 표현될 수 있다. 따라서, 파울리 노이즈 채널에 대해, 상관 함수는 아래의 식 3-3으로 표현될 수 있음을 증명할 수 있다:
Figure pct00091
(3-3)
Figure pct00092
은 전이 텐서 맵의 고유 스펙트럼을 결정하는 위의 프로세스로부터 획득될 수 있다. 따라서,
Figure pct00093
이 획득될 수 있다.
Figure pct00094
이기 때문에, 아래의 식 3-4에 나타낸 메모리 커널의 고유 스펙트럼과 양자 노이즈 프로세스의 상관 함수 사이의 제3 대응관계가 획득될 수 있다. 제3 대응관계는 양자 노이즈 프로세스 분석 시스템에서 미리 설정될 수 있다:
Figure pct00095
(3-4)
Figure pct00096
, 즉, 양자 노이즈 프로세스의 전이 텐서 맵의 고유 스펙트럼
Figure pct00097
와 메모리 커널의 고유 스펙트럼
Figure pct00098
사이의 제2 대응관계가
전이 텐서 맵의 고유 스펙트럼을 결정하는 위의 프로세스에서 획득될 수 고, 제2 대응관계는 양자 노이즈 프로세스 분석 시스템에서 미리 설정될 수 있다. 따라서, 동역학 맵 고유 스펙트럼이 획득되는 한, 위의 제1 대응관계에 따라 전이 텐서 맵의 고유 스펙트럼이 획득될 수 있고, 메모리 커널의 고유 스펙트럼은 전이 텐서 맵의 고유 스펙트럼 및 제2 대응관계에 따라 획득될 수 있고, 양자 노이즈의 상관함수는 메모리 커널의 고유 스펙트럼 및 제3 대응관계에 따라 도출될 수 있으며, 상관함수는 양자 노이즈의 스펙트럼을 획득하기 위해 푸리에 변환될 수 있으며, 이는 아래의 식 3-5로 표현될 수 있다:
Figure pct00099
(3-5)
(3) 양자 노이즈 프로세스의 비마르코비안 특성 분석
예를 들어, 양자 노이즈 프로세스 분석 시스템은 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 비마르코비안 노이즈 모델을 구축하며, 여기서 비마르코비안 노이즈 모델은 양자 노이즈 프로세스의 디코히어런스 비율에 기초한 모델이다. 예를 들어, 비마르코비안 노이즈 모델은 동역학 맵 고유 스펙트럼과 양자 노이즈 프로세스의 디코히어런스 비율 사이의 대응관계에 따라 구축된다. 그런 다음, 양자 노이즈 프로세스의 비마르코비안 노이즈 강도가 양자 노이즈 프로세스의 비마르코비안 노이즈 모델에 기초하여 결정된다.
구현 시에, 단일 큐비트 양자 초기 상태를 예로 들면, 양자 노이즈가 파울리 채널이면, 양자 시스템의 동역학 맵
Figure pct00100
이고, 여기서
Figure pct00101
이며, 유니터리 연산자
Figure pct00102
은 파울리 행렬이다.
Figure pct00103
임을 증멸할 수 있으며, 여기서 동역학 맵 고유 스펙트럼은 스펙트럼
Figure pct00104
이다.
양자 시스템과 배스 노니즈 간의 상호 작용의 운동 방정식
Figure pct00105
에 따르면, 동역학 맵이
Figure pct00106
를 충족한다는 것을 도출할 수 있고, 여기서
Figure pct00107
,
Figure pct00108
, 및
Figure pct00109
는 디코히어런스 비율이다. 일부 진화 시각에
Figure pct00110
이면, 배스 노이즈는 비마르코비안 특성을 갖는다.
위에 언급한 생성기
Figure pct00111
는
Figure pct00112
를 충족하며, 여기서
Figure pct00113
이다. 따라서,
Figure pct00114
가 획득될 수 있고, 그 다음에 동영학 맵 고유 스펙트럼과 디코히어런스 비율 사이의 대응관계가 획득된다:
Figure pct00115
. 대응관계는 양자 노이즈 프로세스 분석 시스템에서 미리 설정될 수 있다. 또한, 동역학 맵 고유 스펙트럼에 따라 아래 식 4-1에 나타낸 것과 같은 양자 노이즈 프로세스의 비마르코비안 노이즈 모델이 구축될 수 있다:
Figure pct00116
(4-1)
위의 식 4-1의 비마르코시안 노이즈 모델과 아래의 식 4-2에 나타낸 RHP(Rivas-Huelga-Plenio) 측정식에 기초하여, 양자 시스템의 RHP 측정 결과
Figure pct00117
를 획득할 수 있으며, 이는 양자 노이즈 프로세스의 비마르코비안 특성의 강도를 나타낸다. 또한, 전이 텐서 맵의 고유 스펙트럼과 동역학 맵 고유 스펙트럼 사이의 제2 대응 관계에 기초하여, 양자 시스템에서 미래의 동역학 맵 고유 스펙트럼을 예측하는 데 유한 시간 길이만 필요하므로, 미래의 양자 시스템의
Figure pct00118
계산은 다음과 같다:
Figure pct00119
(4-2)
위에서 언급한 RHP 측정은 동일한 양자 시스템을 통해 진화하는 두 개의 최적 초기 상태의 구별성(distinguishability)을 측정하고, 그 과정에서 비단조(9monotonicity)을 찾고, 양자 시스템의 비마르코비안 강도를 특징짓는다.
양자 노이즈 프로세스의 위의 분석을 통해, 양자 노이즈 프로세스의 상관 함수를 알 수 있고, 그에 따라 대응하는 노이즈 스펙트럼을 제공할 수 있다. 이러한 방식으로, 양자 시스템에서 양자 하드웨어의 보다 표적화되고 효과적인 조정이 달성될 수 있다. 예를 들어, 동역학적 결합해제(dynamical decoupling)을 위해 기저(basis)가 제공되고, 양자 하드웨어의 노이즈 스펙트럼에 대해 대응하는 펄스 유형 및 파형 플립 시점(wave-shaped flip time point)가 설정되고, 그에 따라 디코히어런스를 억제한다. 동역학적 결합해제는 디코히어런스를 억제하는 효과적인 방법이다. 특정 시점(특정 주파수에서)에 일정하게 반전된 펄스를 인가함으로써 큐비트와 배스 사이의 상호 결합을 효과적으로 억제하여, 디코히어런스를 억제하는 데 주로 사용된다.
또한, 위에서 언급한 양자 노이즈 프로세스의 분석에서, 전이 텐서 맵의 고유 스펙트럼, 메모리 커널의 고유 스펙트럼 및 양자 노이즈 프로세스의 스펙트럼의 결정은 주로 위에서 언급한 노이즈 진화 게이트가 파울리 노이즈 채널인 경우에 적용 가능하다.
위에서 언급한 노이즈 진화 게이트가 비파울리 노이즈 채널인 경우, 위의 분석 프로세스에 적응하기 위해서는, 파울리 회전 근사법을 도입하여 비파울리 노이즈 채널을 파울리 노이즈 채널로 근사하는 것이 필요하다. 예를 들어, 위의 단계 103을 수행하기 전에, 양자 노이즈 프로세스 분석 시스템은 먼저 파울리 회전에 의해 양자 노이즈 프로세스의 동역학 맵을 근사화하여, 양자 노이즈 채널에서 파울리 노이즈 채널을 유지한다. 이와 같이, 위의 단계 103이 수행될 때, 복수의 제1 양자 출력 상태와 양자 초기 상태 사이에 유지된 파울리 노이즈 채널에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼이 결정될 수 있다. 위의 단계 105를 수행할 때, 양자 노이즈 프로세스 분석 시스템은 복수의 제2 양자 출력 상태와 양자 초기 상태 사이에 유지된 파울리 노이즈 채널에 기초한 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정할 수 있다.
구현 시에, 파울리 회전 근사를 수행할 때:
단일 큐비트를 예로 들면, 임의의 양자 노이즈 채널의 동역학 맵 Λ는 아래의 식 5-1의 파울리 회전에 의해 근사화될 수 있다:
Figure pct00120
(5-1)
여기서 파울리 연사자
Figure pct00121
이다. 파울리 회전 근사 후에 파울리 노이즈 채널만 남는다. 초기 양자 상태가 파울리 회전에 의해 근사화된 파울리 노이즈 채널을 통과한 후, 획득될 수 있는 양자 출력 상태는 아래의 5-2로 표현될 수 있다:
Figure pct00122
(5-2)
임의의 양자 노이즈 프로세스의 동역학 맵이
Figure pct00123
를 충족하면, 파울리 전이 행렬 R이
Figure pct00124
을 충족한다는 것을 증명할 수 있다. 파울리 회전 근사 후
Figure pct00125
의 파울리 노이즈 채널만 남게 되므로, 파울리 노이즈 채널에 대응하는 파울리 전이 행렬은 대각 행렬
Figure pct00126
이다. 유지된 파울리 노이즈 채널에 기초하여 동역학 맵 고유 스펙트럼이 획득된다.
또한, 비파울리 양자 노이즈 프로세스를 처리하기 위한 파울리 회전 근사의 도입은 정보 손실을 초래한다. 양자 시스템의 정보를 최대한 복원하기 위해, 본 실시예에서는, 양자 노이즈 프로세스 시스템에 의해 위의 단계 101을 수행하는 과정에서 최적의 파울리 행렬을 선택하여 양자 초기 상태를 준비할 수 있다. 이러한 방식으로, 양자 시스템의 정보를 최대한 복원할 수 있고, 더 정확한 비마르코비안 노이즈 강도를 결정할 수 있다. 예를 들어, 최적의 파울리 행렬을 선택하는 과정에서, 복수의 후보 파울리 행렬 중에서 최적의 후보 파울리 행렬을 선택하기 위해, 전술한 양자 노이즈 프로세스 분석이 복수의 후보 파울리 행렬에 대해 주기적으로 수행된다. 예시적인 프로세스는 다음과 같다:.
위의 단계 101을 수행할 때, 양자 노이즈 프로세스 분석 시스템은 복수의 후보 파울리 행렬을 결정하고, 복수의 후보 파울리 행렬을 사용하여 복수 세트의 후보 양자 초기 상태를 각각 준비하며, 여기서 각각의 후보 파울리 행렬은 한 세트의 후보 양자 초기 상태에 대응한다. 그 다음, 복수 세트의 후보 양자 초기 상태에 대해 전술한 단계 102 내지 106과 유사한 처리를 수행한 후, 복수의, 오차가 제거된 동역학 맵 고유 스펙트럼이 획득된다. 또한, 양자 노이즈 프로세스의 분석에서, 복수 세트의 후보 양자 초기 상태에 기초하여 복수의 비마르코비안 노이즈 강도가 결정되며, 여기서 후보 양자 초기 상태의 각 세트는 하나의 비마르코비안 노이즈 강도에 대응한다. 그 다음, 양자 노이즈 프로세스 분석 시스템은 복수의 비마르코비안 노이즈 강도 중 최대 비마르코비안 노이즈 강도에 대응하는 후보 파울리 행렬을 선택하고, 선택된 후보 파울리 행렬에 따라 양자 노이즈 프로세스를 분석한다. 즉, 양자 초기 상태의 세트를 준비한다.
구현 시에, 단일 큐비트 양자 시스템에 대해 임의의 2차원 유니터리 행렬(unitary matrix)은 아래의 식 6-1로 표현될 수 있다고 정의될 수 있다:
Figure pct00127
(6-1)
여기서
Figure pct00128
는
Figure pct00129
축을 따라
Figure pct00130
의 각도만큼 회전하는 파울리 전이 행렬이다. 그 다음, 새로운 후보 파울리 행렬(이하, 새로운 파울리 베이시스라고 함)
Figure pct00131
를 선택하고, 새로운 파울리 베이시스 하에서 파울리 회전 근사를 수행한 후, 파울리 노이즈 채널 부분만 남는다. 초기 양자 상태가 파울리 회전에 의해 근사화된 파울리 노이즈 채널을 통과한 후, 획득될 수 있는 양자 출력 상태는 아래의 식 6-2와 같이 표현될 수 있다:
Figure pct00132
(6-2)
또한, 오차가 제거된 동역학 맵 고유 스펙트럼이 결정된다:
Figure pct00133
, 이는
새로운 파울리 베이시스하에서 파울리 회전이 수정된 후 양자 노이즈 프로세스의 동역학 맵이
Figure pct00134
임을 추가로 증명한다. 여기서
Figure pct00135
이고, 유니터리 연산자
Figure pct00136
느 파울리 행렬이다. 새로운 동역학 맵과 메모리 커널이 새로운 파울리 베이시스 하에서 아래의 식 6-3 및 식 6-4에 따라 대각화될 수 있음을 증명할 수 있으므로, 아래의 식 6-5에서 동역학 맵 고유 스펙트럼과 전이 텐서 맵의 고유 스펙트럼 사이의 제1 대응관계를 획득할 수 있다:
Figure pct00137
(6-3)
Figure pct00138
(6-4)
Figure pct00139
(6-5)
그 다음, 아래의 식 6-6에 나타낸 비마르코비안 노이즈 모델이 구축된다:
Figure pct00140
(6-6)
그 다음, 아래의 식 6-7의 관계가 충족되도록 복수의 새로운 후보 파울리 베이시스 중에서 최적의 파울리 베이시스를 선택된다:
Figure pct00141
(6-7)
최적의 파울리 베이시스가 선택된 후, 최적의 파울리 베이시스에 따라 양자 노이즈 프로세스가 추가로 분석된다.
또한, 일부 실시예에서, 마르코비안 양자 노이즈 프로세스에 대한 분석 방법은 비마르코비안 양자 노이즈 프로세스를 잘 분석할 수 없다. 구체적으로, 마르코비안 양자 노이즈 프로세스에 대한 분석 방법을 사용한 분석 프로세스에서, 동역학 맵 고유 스펙트럼이 획득되는 경우에 큐비트의 원래 힐베르트 공간 차원을 초과하는 유효한 값이 있을 것이다. 힐베르트 공간 차원은 일정하며, 예를 들어, a이다. 동역학 맵 고유 스펙트럼의 수가 a를 초과하면, 동역학 맵 고유 스펙트럼에 대한 큐비트의 원래 힐베르트 공간 차원을 초과하는 유효한 값이 있다.
따라서, 양자 노이즈 프로세스가 비마르코비안 양자 노이즈 프로세스가 아니고 분석을 통해 결정된 동역학 맵 고유 스펙트럼의 수가 원래 준비된 큐비트의 힐베르트 공간 차원을 초과하는 경우, 양자 시스템에서 큐비트 누설이 발생한 것으로 결정된다. 또한, 큐비트 누설의 정도는 아래의 식 7에 의해 결정될 수 있다:
Figure pct00142
(7)
여기서 L은 큐비트 누설의 양을 나타내고,
Figure pct00143
은 양자 초기 상태가 준비된 큐비트 힐베르트 서브공간을 나타내고,
Figure pct00144
는 더 높은 에너지 레벨의 힐베르트 서브공간으로의 큐비트 누설을 나타내고,
Figure pct00145
는 TPCP 프로세스를 나타낸다.
Figure pct00146
는 TPCP 프로세스 동안에 큐비트 힐베르트 서브공간에서 상위 레벨의 힐베르트 서브공간으로의 큐비트 누설량을 나타내고,
Figure pct00147
는 상위 레벨의 힐베르트 서브공간에서 큐비트 힐베르트 서브공간으로의 큐비트의 누설량을 나타낸다.
따라서, 큐비트 누설량은 서로 다른 레벨의 힐베르트 서브공간의 차원이 다른, 서로 다른 레벨의 힐베르트 서브공간들의 큐비트 간 누설량의 계산된 함수 값이다.
이하에서는 적용예를 사용하여 본 출원의 양자 노이즈 프로세스 분석 방법을 설명한다. 도 4에 도시된 바와 같이, 이 실시예의 양자 노이즈 프로세스 분석 시스템은 다음 단계에 따라 비마르코비안 양자 노이즈 프로세스를 분석할 수 있다:
단계 201: 양자 초기 상태의 세트를 준비하고, 각각의 진화 시각에 양자 초기 상태를 복수의 제1 회로 및 복수의 제2 회로에 입력하여 각각의 진화 시각에서의 복수의 제1 양자 출력 상태 및 복수의 제2 양자 출력 상태를 획득하고, 복수의 제1 양자 출력 상태에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하고, 복수의 제2 양자 출력 상태에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하고, 각각의 진화 시각에 양자 노이즈 프로세스의 오차가 제거된 동역학 맵을 결정한다.
복수의 제1 회로는 도 3a에 도시된 바와 같은 것일 수 있다. 각각의 제1 회로는 적어도 하나의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트를 포함한다. 복수의 제2 회로는 도 3b에 도시된 바와 같은 것일 수 있다. 각각의 제2 회로는 적어도 하나의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트를 포함한다.
단계 202: 양자 노이즈 프로세스의 오차가 제거된 동역학 맵 고유 스펙트럼 및 미리 설정된 제1 대응관계, 예를 들어 위의 식 2-3에 나타낸 제1 대응관계에 따라 양자 노이즈 프로세스의 전이 텐서 맵의 고유 스펙트럼을 결정한다. 또한, 현재 진화 시각에서의 전이 텐서 맵의 고유 스펙트럼, 오차가 제거된 동역학 맵 고유 스펙트럼 및 제1 대응 관계에 따라, 미래 진화 시각에서의 전이 텐서 맵의 고유 스펙트럼도 예측할 수 있다.
실제 적용 과정에서, 양자 시스템의 양자 노이즈 프로세스는 비마르코비안 순수 디페이징 노이즈 모델(non-Markovian pure de-phasing noise model)
Figure pct00148
및 비마르코비안
Figure pct00149
방향성 노이즈 모델 , 즉 동역학 맵 고유 스펙트럼을 획득하는 과정에서 사용된 노이즈 진화 게이트의 모델을 채택한다. 비마르코비안 순수 디페이징 모델과 비마르코비안
Figure pct00150
방향성 노이즈 모델은 모두 파울리 노이즈 채널에 대응하므로, 오차가 제거된 동역학 맵 고유 스펙트럼은 위의 단계 201과 단계 202에서 비마르코비안 양자 노이즈 프로세스에 대한 분석 방법을 직접 사용함으로써 획득될 수 있고, 그 다음, 미래 진화 시각에 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼 및 전이 텐서 맵의 고유 스펙트럼이 현재 상태의 전이 텐서 맵의 고유 스펙트럼에 따라 예측된다.
예를 들어, 도 5a 및 도 5b는 각각 비마르코비안 순수 디코히어런스 모델(도 5a에 대응) 및 비마르코비안
Figure pct00151
방향성 노이즈 모델(도 5b에 대응) 하의 전이 텐서 맵 및 동역학 맵의 고유 스펙트럼에 따른 미래 진화 예측 결과를 보여주며, 여기서 세로축은 예측된 동역학 맵 고유 스펙트럼이고, 가로축은 진화 시각이고; 파선 화살표로 지시된 곡선은 이론적 예측 결과이고, 다른 실선 화살표로 지시된 곡선은 전이 텐서 맵의 서로 다른 수(각각 1, 4, 8)의 유효한 고유 스펙트럼을 도입하여 얻은 예측 결과이다. 전이 텐서 맵의 유효 고유 스펙트럼 8개를 도입한 경우 비교적 정확한 예측 효과를 얻을 수 있음을 알 수 있다. 또한, 양자 노이즈 프로세스가 비마르코비안 노이즈 모델임을 보여준다.
단계 203: 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼 및 미리 설정된 제2 대응관계에 따라 메모리 커널의 고유 스펙트럼을 결정하고 - 여기서 제2 대응관계는
Figure pct00152
로 표현될 수 있음 -; 그 다음, 메모리 커널의 고유 스펙트럼과 미리 설정된 제3 대응관계(위의 식 3-4에 나타냄)에 따라 양자 노이즈 프로세스의 상관 함수를 결정한 다음, 양자 노이즈 프로세스의 상관 함수에 대해 푸리에 변환을 수행하여 양자 노이즈 프로세스의 스펙트럼을 획득한다.
실제 적용 과정에서, 양자 시스템의 양자 노이즈 프로세스는 비마르코비안 순수 디페이징 노이즈 모델과 비마르코비안
Figure pct00153
방향성 노이즈 모델을 채택한다. 비마르코비안 순수 디페이징 모델과 비마르코비안
Figure pct00154
방향성 노이즈 모델은 모두 파울리 노이즈 채널에 대응하므로, 오차가 제거된 동역학 맵 고유 스펙트럼은 위의 단계 201 및 단계 202에서 비마르코비안 양자 노이즈 프로세스에 대한 분석 방법을 직접 사용함으로써 획득될 수 있고, 그 다음, 단계 203의 방법에 따라 양자 노이즈 프로세스의 상관 함수가 결정된다.
예를 들어, 도 6a 및 도 6b는 각각 비마르코비안 순수 디코히어런스 모델(도 6a에 대응) 및 비마르코비안 방향성
Figure pct00155
노이즈 모델(도 6b에 대응) 하에서 결정된 양자 노이즈 프로세스의 상관 함수를 보여주며, 여기서 가로축은 진화 시각이고, 세로축은 상관함수의 파라미터 값이고, 실선 화살표로 지시된 곡선은 이론적인 예측 결과이며, 표시된 점은 결정된 상관 함수이다. 양자 노이즈 프로세스의 상관 함수의 포착은 전이 텐서 맵의 고유 스펙트럼에 따라 효과적으로 구현될 수 있음을 알 수 있다.
단계 204: 양자 노이즈 프로세스의 역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 비마르코비안 노이즈 모델을 구축한 다음, 양자 노이즈 프로세스의 비마르코비안 노이즈 모델에 기초하여 양자 노이즈 프로세스의 비마르코비안 노이즈 강도를 결정한다.
실제 적용 과정에서, 양자 시스템의 양자 노이즈 프로세스는 비마르코비안 순수 디페이징 노이즈 모델과 비마르코비안
Figure pct00156
방향성 노이즈 모델을 채택한다. 비마르코비안 순수 디페이징 노이즈 모델과 비마르코비안
Figure pct00157
방향성 노이즈 모델은 모두 파울리 노이즈 채널에 대응하므로, 오차가 제거된 동역학 맵 고유 스펙트럼은 위의 단계 201 및 단계 202에서 비마르코비안 양자 노이즈 프로세스에 대한 분석 방법을 직접 사용함으로써 획득될 수 있고, 그 다음, 단계 204에서의 방법에 따라 양자 노이즈 프로세스의 비마르코비안 노이즈 강도가 결정된다.
예를 들어, 도 7a 및 도 7a. 도 7b는 비마르코비안 순수 디코히어런스 모델(도 7a에 대응) 및 비마르코비안
Figure pct00158
방향성 노이즈 모델(도 7b에 대응) 하에서 비-마르코프 양자 노이즈 프로세스의 비마르코비안 노이즈 모델을 각각 도시하며,
여기서 가로축은 진화 시각이고, 세로축은 비마르코비안 노이즈 모델이고, 시간 방향에 따른 곡선의 변동은 음의 기울기를 가지며, 이는
디코히어런스 비율
Figure pct00159
이 특정 시각에 음수, 즉 비마르코비안 노이즈 채널임을 지시한다. RHP 값
Figure pct00160
은 또한 비마르코비안 노이즈 강도를 정량적으로 제공하기 위해 더 누적될 수 있다.
위의 실시예에서의 방법은 양자 노이즈 프로세스가 파울리 채널에 속하는 경우 양자 노이즈 프로세스의 분석을 위한 것이다. 다른 실시예에서, 양자 노이즈 프로세스가 비파울리 채널에 속하는 경우, 양자 노이즈 프로세스 분석 방법은 다음 사항을 제외하고는 위의 단계 201 내지 단계 204에서의 분석 방법과 유사하다:
위의 단계 201을 수행하는 과정에서, 양자 노이즈 프로세스의 동역학 맵은 먼저 양자 노이즈 채널에서 파울리 노이즈 채널을 유지하기 위해 파울리 회전에 의해 근사화되고, 따라서 제1 양자 출력 상태(또는 제2 양자 출력 상태) 및 양자 초기 상태는 유지된 파울리 노이즈 채널의 동역학 맵 고유 스펙트럼에 기초한 함수 대응관계를 갖는다. 양자 시스템의 정보 손실을 줄이기 위해 최적의 파울리 베이시스가 선택될 수 있다.
예를 들어, 복수 세트의 후보 양자 초기 상태를 준비하기 위해 복수의 후보 파울리 베이시스가가 선택되고; 파울리 회전 근사에 의해 획득된 파울리 노이즈 채널은 후보 양자 초기 상태의 세트 각각의 진화에 대한 오차가 제거된 동역학 맵 고유 스펙트럼을 결정하는 데 사용된고; 후보 양자 초기 상태의 세트 각각에 대응하는 비마르코비안 노이즈 강도는 단계 202 내지 단계 205에서와 유사한 방법에 따라 최종적으로 획득되고; 양자 노이즈 프로세스를 분석하기 위해, 비마르코비안 노이즈 강도에 따라 복수의 후보 파울리 베이시스 중에서 적의 파울리 베이시스가 선택된다.
실제 적용 과정에서, 양자 시스템의 양자 노이즈 프로세스는 비마르코비안
Figure pct00161
방향성 노이즈 모델을 채택하고, x+y 방향으로 노이즈 상관관계가 있다. 비마르코비안
Figure pct00162
방향성 노이즈 모델은 파울리 노이즈 채널이 아니므로, 최적의 파울리 베이시스가 선택되고, 파울리 회전 근사를 사용한 비마르코비안 양자 노이즈 프로세스에 대한 분석 방법을 사용하여, 오차가 제거된 동역학 맵 고유 스펙트럼을 획득하여, 양자 노이즈 프로세스의 비마르코비안 노이즈 강도를 결정한다.
예를 들어, 도 8a 및 도 8b는 각각 표준 파울리 베이시스(도 8a에 대응) 및 최적의 파울리 베이시스(도 8b에 대응)를 사용하여 비마르코비안 및 비파울리 노이즈 채널에 대해 양자 노이즈 프로세스 분석을 수행함으로써 결정되는 비마르코비안 양자 노이즈 프로세스의 비마르코비안 노이즈 강도, 즉 RHP 특성화 값을 도시하며,
여기서 가로축은 진화 시각이고, 세로축은 RHP 특성화 값이고, "+"는 파울리 회전 근사가 사용되지 않는 경우 결정된 RHP 특성화 값이다. 도 8a 및 도 8b에서 곡선 각각은 표준 파울리 베이시스 및 최적 파울리 베이시스를 사용한 파울리 회전 근사에 의해 결정된 RHP 특성화 값이다. 비파울리 노이즈 채널의 경우, 최적 파울리 베이시스를 사용한 파울리 회전 근사에 의해 결정된 RHP 특성화 값이 양자 시스템의 원래 특성을 효과적으로 복원할 수 있음을 알 수 있다.
본 출원의 실시예는 양자 노이즈 프로세스 분석 시스템을 추가로 제공한다.
도 9는 양자 노이즈 프로세스 분석 시스템의 개략적인 구성도로서, 예를 들어 다음을 포함할 수 있다: 준비 유닛(10), 테스팅 유닛(11), 오차 고유 스펙트럼 유닛(12), 및 분석 유닛(13)을 포함하고,
준비 유닛(10)은 양자 초기 상태의 세트를 준비하도록 구성되고;
테스팅 유닛(11)은, 준비 유닛(10)에 의해 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하도록 구성되고, 제1 회로 각각은 적어도 하나의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트를 포함하고, 상이한 제1 회로는 상이한 수의 노이즈 진화 게이트를 포함하며; 오차 고유 스펙트럼 유닛(12)은, 테스팅 유닛(11)에 의해 획득된 복수의 제1 양자 출력 상태와 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성되고; 테스팅 유닛(11)은, 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하도록 구성되고, 제2 회로 각각은 적어도 하나의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트를 포함하고, 상이한 제2 회로는 상이한 수의 노이즈 진화 게이트를 포함하며; 오차 고유 스펙트럼 유닛(12)은 추가로, 복수의 제2 양자 출력 상태와 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성되고; 분석 유닛(13)은,
오차 고유 스펙트럼 유닛(12)에 의해 결정되는 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하도록 구성된다.
일부 실시예에서, 테스팅 유닛(11)은 추가로, 복수의 진화 시각 중의 각각의 진화 시각에, 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 각각의 진화 시각에서의 복수의 제1 양자 출력 상태를 획득하고; 복수의 진화 시각 중의 각각의 진화 시각에, 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 각각의 진화 시각에서의 복수의 제2 양자 출력 상태를 획득하도록 구성된다.
일부 실시예에서, 분석 유닛(13)은 추가로, 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼 및 미리 설정된 제1 대응관계에 따라 전이 텐서 맵의 고유 스펙트럼을 결정하도록 구성되고, 여기서 전이 텐서 맵은 양자 시스템에 기초한 메모리 커널의 양자 노이즈 프로세스의 동역학적 진화를 특징짓는 데 사용되고, 메모리 커널은 양자 시스템의 현재 상태와 이전 상태 사이의 관계를 특징짓는 데 사용된다.
일부 실시예에서, 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼은 일정 시간 내의 복수의 진화 시각에서의 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 포함하고; 상기 분석 유닛(13)은 추가로, 일정 시간 내의 복수의 진화 시각에서의 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼, 전이 텐서 맵의 고유 스펙트럼, 및 미리 설정된 제1 대응관계에 따라 일정 시간 후의 진화 시각에서의 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 예측하도록 구성된다.
일부 실시예에서, 분석 유닛(13)은 추가로, 양자 노이즈 프로세스의 전이 텐서 맵의 고유 스펙트럼 및 미리 설정된 제2 대응관계에 따라 양자 노이즈 프로세스의 메모리 커널의 고유 스펙트럼을 결정도록 구성되며, 여기서 메모리 커널은 양자 시스템의 현재 상태와 이전 상태 사이의 관계를 특징짓는 데 사용된다.
일부 실시예에서, 분석 유닛(13)은 추가로, 양자 노이즈 프로세스의 메모리 커널의 고유 스펙트럼 및 미리 설정된 제3 대응관계에 따라 양자 노이즈 프로세스의 상관 함수를 결정하고; 양자 노이즈 프로세스의 상관 함수에 따라 양자 노이즈 프로세스의 스펙트럼을 결정하도록 구성된다.
일부 실시예에서, 분석 유닛(13)은 추가로, 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 비마르코비안 노이즈 모델을 구축하고 - 여기서 비마르코비안 노이즈 모델은 양자 노이즈 프로세스의 디코히어런스 비율에 기초한 모델임 -; 양자 노이즈 프로세스의 비마르코비안 노이즈 모델에 기초하여 양자 노이즈 프로세스의 비마르코비안 노이즈 강도를 결정하도록 구성된다.
일부 실시예에서, 준비 유닛(10)은 추가로, 복수의 후보 파울리(Pauli) 행렬을 결정하고, 후보 파울리 행렬 각각에 따라 후보 양자 초기 상태의 세트를 준비하고; 준비된 후보 양자 초기 상태의 세트 각각에 대응하는 비마르코비안 노이즈 강도를 결정하고; 복수의 후보 양자 초기 상태의 세트에 대응하는 비마르코비안 노이즈 강도 중의 최대 비마르코비안 노이즈 강도를 결정하고, 최대 비마르코비안 노이즈 강도에 대응하는 후보 파울리 행렬에 따라 양자 초기 상태의 세트를 준비하도록 구성된다.
일부 실시예에서, 양자 노이즈 프로세스 분석 시스템은, 양자 노이즈 채널에서 파울리 노이즈 채널을 유지하기 위해, 파울리 회전에 의한 양자 노이즈 프로세스의 동역학 맵을 근사화하도록 구성된 회전 유닛(154)을 더 포함할 수 있다.
일부 실시예에서, 상기 테스팅 유닛(11)은 추가로, 복수의 제1 양자 출력 상태와 양자 초기 상태 사이에 회전 유닛(14)에 의해 유지된 파울리 노이즈 채널에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하고, 복수의 제2 양자 출력 상태와 양자 초기 상태 사이에 유지된 파울리 노이즈 채널에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성된다.
일부 실시예에서, 양자 노이즈 프로세스 분석 시스템은 추가로, 양자 노이즈 프로세스가 비마르코비안 양자 노이즈 프로세스가 아니고 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼의 수가 미리 설정된 큐비트의 힐베르트 공간 차원을 초과하는 경우, 양자 시스템에서 큐비트 누설이 발생한 것으로 결정하도록 구성된다.
본 실시예의 시스템이 비마르코비안 양자 노이즈 프로세스를 분석할 때, 테스트 유닛(11)은 준비된 양자 초기 상태를 복수의 제1 회로 및 복수의 제2 회로에 각각 입력하여 복수의 제1 양자 출력 상태 및 복수의 제2 양자 출력 상태를 획득하고, 오차 고유 스펙트럼 유닛(12)은 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는데, 이는 제1 회로 및 제2 회로가 투영 테스트 게이트의 수가 다른 경우를 포함하기 때문에, 양자 초기 상태의 진화에서 분석 유닛(13)에 의해 야기된 오차도 상이하여(즉, 제1 오차와 제2 오차가 다름), 제1 오차를 포함하는 전력을 기반으로 할 수 있다. 제1 오차를 포함하는 동역학 맵 고유 스펙트럼과 제2 오차를 포함하는 동역학 맵 고유 스펙트럼이 오차가 제거된 동역학 맵 고유 스펙트럼을 획득하므로, 오차가 제거된 동역학 맵 고유 스펙트럼에 따라 양자 노이즈 프로세스의 분석이 더 정확하므로, 더 정확할 수 있다. 양자 시스템의 노이즈를 보다 정밀하게 모니터링하면 양자 시스템의 조절이 정확한 관련성을 갖게 된다.
본 출원의 실시예는 전자 기기를 더 제공한다. 전자 기기의 개략적인 구성도가 도 10에 도시되어 있다. 전자 기기는 상이한 구성 또는 성능에 따라 크게 달라질 수 있으며, 예를 들면, 하나 이상의 중앙 처리 유닛(central processing unit, CPU(20)(예: 하나 이상의 프로세서), 메모리(21), 또는 애플리케이션 프로그램(221) 또는 데이터(222)를 저장하는 하나 이상의 저장 매체(22)(예: 하나 이상의 대용량 저장 기기)를 포함한다. 메모리(21) 및 저장 매체(22)는 일시적인 저장장치 또는 영구 저장장치일 수 있다. 저장 매체(22)에 저장된 프로그램은 하나 이상의 모듈/유닛(미도시)을 포함할 수 있고, 각각의 모듈/유닛은 전자 기기에 대한 일련의 명령어 및 동작을 포함할 수 있다. 또한, CPU(20)는 저장 매체(22)와 통신하고, 전자 기기에서 저장 매체(22) 내의 일련의 명령어 및 동작을 수행하도록 구성될 수 있다.
예를 들어, 저장 매체(22)에 저장된 애플리케이션 프로그램(221)은 양자 노이즈 프로세스 분석을 위한 애플리케이션 프로그램(컴퓨터 프로그램)을 포함하고, 프로그램은 양자 노이즈 프로세스 분석 시스템의 준비 유닛(10), 테스팅 유닛(11), 오차 고유 스펙트럼 유닛(12), 분석 유닛(13), 회전 유닛(14) 및 누설 결정 유닛(15)을 포함할 수 있는데, 여기에서 다시 상세하게 설명되지 않을 것이다. 또한, CPU(20)는 저장 매체(22)와 통신하고; 전자 기기에서 저장 매체(22)에 저장된 양자 노이즈 프로세스 분석을 위한 애플리케이션 프로그램에 대응하는 일련의 동작을 수행하도록 구성된다.
전자 기기는 하나 이상의 전원(power supply)(23), 하나 이상의 유선 또는 무선 네트워크 인터페이스(24), 하나 이상의 입/출력 인터페이스(25), 및/또는 하나 이상의 운영 체제(223), 예를 들어 Windows ServerTM, Mac OS XTM, UnixTM, LinuxTM 또는 FreeBSDTM을 더 포함할 수 있다.
전술한 방법 실시예에서 양자 노이즈 프로세스 분석 시스템에 의해 수행되는 단계는 도 10에 도시된 전자 기기의 구성에 기초할 수 있다.
본 출원의 실시예는 컴퓨터 프로그램을 저장하는, 컴퓨터로 판독 가능한 저장 매체를 더 제공하며, 이 컴퓨터 프로그램은 프로세서에 의해 로딩되어 전술한 양자 노이즈 프로세스 분석 시스템에 의해 실행되는 양자 노이즈 프로세스 분석 방법을 실행하도록 구성된다.
본 출원의 실시예는 프로세서 및 메모리를 포함하는 전자 기기를 더 제공하며, 메모리는 컴퓨터 프로그램을 저장하도록 구성되고, 프로세서는 메모리에 저장된 컴퓨터 프로그램을 실행하여 전술한 양자 노이즈 프로세스 분석 시스템에 의해 실행되는 양자 노이즈 프로세스 분석 방법을 구현하도록 구성된다.
당업자는 전술한 실시예에 따른 방법의 단계의 전부 또는 일부가 관련 하드웨어에 명령하는 프로그램(컴퓨터 프로그램)에 의해 구현될 수 있음을 이해해야 한다. 프로그램은 컴퓨터로 판독 가능한 저장매체에 저장될 수 있으며, 저장매체로는 판독 전용 메모리(read-only memory, ROM), 랜덤 액세스 메모리(random access memory, RAM), 자기디스크, 광디스크 등을 포함할 수 있다.
이상에서는 본 출원의 실시예에서 제공되는 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체, 및 전자 기기를 상세히 설명하였다. 본 출원의 원리 및 구현이 본 명세서의 특정 예를 사용하여 설명되었지만, 전술한 실시예의 설명은 단지 본 출원의 방법 및 방법의 핵심 아이디어를 이해하는 것을 돕기 위한 것이다. 한편, 본 기술 분야의 통상의 지식을 가진 자는 본 출원의 사상에 따라 구체적인 구현 및 적용 범위를 수정할 수 있다. 결론적으로, 본 명세서의 내용은 본 출원에 대한 한정으로 해석되어서는 안 된다.

Claims (17)

  1. 전자 기기에 의해 실행되는 양자 노이즈 프로세스 분석 방법으로서,
    양자 초기 상태의 세트를 준비하는 단계;
    준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하는 단계 - 상기 제1 회로 각각은 하나 이상의 노이즈 진화 게이트(noise evolution gate) 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트(projection test gate)를 포함하고, 상이한 제1 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
    상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초한 동역학 맵 고유 스펙트럼(dynamical map eigenspectrum)의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계;
    준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하는 단계 - 상기 제2 회로 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트(dual projection test gate)를 포함하고, 상이한 제2 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
    상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계; 및
    상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하는 단계
    를 포함하는 양자 노이즈 프로세스 분석 방법.
  2. 제1항에 있어서,
    상기 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하는 단계는,
    복수의 진화 시각 중의 각각의 진화 시각에, 상기 준비된 양자 초기 상태를 상기 복수의 제1 회로에 각각 입력하여 각각의 진화 시각에서의 복수의 제1 양자 출력 상태를 획득하는 단계; 및
    상기 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하는 단계는,
    상기 복수의 진화 시각 중의 각각의 진화 시각에, 상기 준비된 양자 초기 상태를 상기 복수의 제2 회로에 각각 입력하여 각각의 진화 시각에서의 복수의 제2 양자 출력 상태를 획득하는 단계를 포함하는, 양자 노이즈 프로세스 분석 방법.
  3. 제2항에 있어서,
    상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하는 단계는,
    상기 복수의 진화 시각 각각에 대해, 상기 진화 시각에 대응하는 상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 진화 시각에 대응하는 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하는 처리를 수행하는 단계를 포함하는, 양자 노이즈 프로세스 분석 방법.
  4. 제1항에 있어서,
    상기 양자 노이즈 프로세스 분석 방법은,
    상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼 및 미리 설정된 제1 대응관계에 따라 전이 텐서 맵(transfer tensor map)의 고유 스펙트럼을 결정하는 단계를 더 포함하고, 상기 전이 텐서 맵은 양자 시스템에 기초한 메모리 커널의 양자 노이즈 프로세스의 동역학적 진화(dynamical evolution)를 특징짓는 데 사용되고, 상기 메모리 커널은 상기 양자 시스템의 현재 상태와 이전 상태 사이의 관계를 특징짓는 데 사용되는, 양자 노이즈 프로세스 분석 방법.
  5. 제4항에 있어서,
    상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼은 일정 시간 내의 복수의 진화 시각에서의 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 포함하고; 상기 양자 노이즈 프로세스 분석 방법은,
    상기 일정 시간 내의 복수의 진화 시각에서의 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼, 상기 전이 텐서 맵의 고유 스펙트럼, 및 상기 미리 설정된 제1 대응관계에 따라 상기 일정 시간 후의 진화 시각에서의 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 예측하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  6. 제4항에 있어서,
    상기 양자 노이즈 프로세스 분석 방법은,
    상기 양자 노이즈 프로세스의 전이 텐서 맵의 고유 스펙트럼 및 미리 설정된 제2 대응관계에 따라 상기 양자 노이즈 프로세스의 메모리 커널의 고유 스펙트럼을 결정하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  7. 제6항에 있어서,
    상기 양자 노이즈 프로세스 분석 방법은,
    상기 양자 노이즈 프로세스의 메모리 커널의 고유 스펙트럼 및 미리 설정된 제3 대응관계에 따라 상기 양자 노이즈 프로세스의 상관 함수를 결정하는 단계; 및
    상기 양자 노이즈 프로세스의 상관 함수에 따라 상기 양자 노이즈 프로세스의 스펙트럼을 결정하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 양자 노이즈 프로세스 분석 방법은,
    상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 비마르코비안 노이즈 모델(non-Markovian noise model)을 구축하는 단계 - 상기 비마르코비안 노이즈 모델은 양자 노이즈 프로세스의 디코히어런스 비율(decoherence rate)에 기초한 모델임 -; 및
    상기 양자 노이즈 프로세스의 비마르코비안 노이즈 모델에 기초하여 상기 양자 노이즈 프로세스의 비마르코비안 노이즈 강도를 결정하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  9. 제8항에 있어서,
    상기 양자 초기 상태의 세트를 준비하는 단계는,
    복수의 후보 파울리(Pauli) 행렬을 결정하고, 상기 후보 파울리 행렬 각각에 따라 후보 양자 초기 상태의 세트를 준비하는 단계;
    준비된 후보 양자 초기 상태의 세트 각각에 대응하는 비마르코비안 노이즈 강도를 결정하는 단계; 및
    복수의 후보 양자 초기 상태의 세트에 대응하는 비마르코비안 노이즈 강도 중의 최대 비마르코비안 노이즈 강도를 결정하고, 상기 최대 비마르코비안 노이즈 강도에 대응하는 후보 파울리 행렬에 따라 양자 초기 상태의 세트를 준비하는 단계를 포함하는, 양자 노이즈 프로세스 분석 방법.
  10. 제8항에 있어서,
    상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 비마르코비안 노이즈 모델을 구축하는 단계는,
    상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼과 상기 양자 노이즈 프로세스의 디코히어런스 비율 사이의 대응관계에 따라 상기 양자 노이즈 프로세스의 비마르코비안 노이즈 모델을 구축하는 단계를 포함하는, 양자 노이즈 프로세스 분석 방법.
  11. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계 전에, 상기 양자 노이즈 프로세스 분석 방법은,
    양자 노이즈 채널에서 파울리 노이즈 채널(Pauli noise channel)을 유지하기 위해, 파울리 회전(Pauli rotation)에 의한 양자 노이즈 프로세스의 동역학 맵을 근사화하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  12. 제11항에 있어서,
    상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계는,
    상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이에 유지된 파울리 노이즈 채널에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계를 포함하고,
    상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계는,
    상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이에 유지된 파울리 노이즈 채널에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하는 단계를 포함하는, 양자 노이즈 프로세스 분석 방법.
  13. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 양자 노이즈 프로세스 분석 방법은,
    상기 양자 노이즈 프로세스가 비마르코비안 양자 노이즈 프로세스가 아니고 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼의 수가 미리 설정된 큐비트(qubit)의 힐베르트 공간 차원(Hilbert space dimension)을 초과하는 경우, 상기 양자 시스템에서 큐비트 누설이 발생한 것으로 결정하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  14. 제13항에 있어서,
    상기 양자 노이즈 프로세스 분석 방법은,
    상이한 레벨의 힐베르트 서브공간들(Hilbert subspaces)의 큐비트 간 누설의 누설량에 따라 상기 양자 시스템에서 발생하는 큐비트 누설의 큐비트 누설량을 결정하는 단계를 더 포함하는 양자 노이즈 프로세스 분석 방법.
  15. 양자 노이즈 프로세스 분석 시스템으로서,
    준비 유닛, 테스팅 유닛, 오차 고유 스펙트럼 유닛, 및 분석 유닛을 포함하고,
    상기 준비 유닛은 양자 초기 상태의 세트를 준비하도록 구성되고;
    상기 테스팅 유닛은, 준비된 양자 초기 상태를 복수의 제1 회로에 각각 입력하여 복수의 제1 양자 출력 상태를 획득하도록 구성되고 - 상기 제1 회로 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 투영 테스트 게이트를 포함하고, 상이한 제1 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
    상기 오차 고유 스펙트럼 유닛은, 상기 복수의 제1 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제1 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성되고;
    상기 테스팅 유닛은, 준비된 양자 초기 상태를 복수의 제2 회로에 각각 입력하여 복수의 제2 양자 출력 상태를 획득하도록 구성되고 - 상기 제2 회로 각각은 하나 이상의 노이즈 진화 게이트 및 각각의 노이즈 진화 게이트에 대응하는 이중 투영 테스트 게이트를 포함하고, 상이한 제2 회로는 상이한 수의 노이즈 진화 게이트를 포함함 -;
    상기 오차 고유 스펙트럼 유닛은 추가로, 상기 복수의 제2 양자 출력 상태와 상기 양자 초기 상태 사이의 양자 노이즈 프로세스에 기초하여 상기 동역학 맵 고유 스펙트럼의 함수 대응관계에 따라 제2 오차를 포함하는 동역학 맵 고유 스펙트럼을 결정하도록 구성되고;
    상기 분석 유닛은, 상기 제1 오차를 포함하는 동역학 맵 고유 스펙트럼 및 상기 제2 오차를 포함하는 동역학 맵 고유 스펙트럼에 따라 상기 양자 노이즈 프로세스의 동역학 맵 고유 스펙트럼을 결정하도록 구성되는,
    양자 노이즈 프로세스 분석 시스템.
  16. 컴퓨터 프로그램을 저장하는, 컴퓨터로 판독 가능한 저장 매체로서,
    상기 컴퓨터 프로그램은 프로세서에 의해 로딩되어 제1항 내지 제14항 중 어느 한 항에 따른 양자 노이즈 프로세스 분석 방법을 실행하도록 구성되는,
    컴퓨터로 판독 가능한 저장 매체.
  17. 프로세서 및 메모리를 포함하는 전자 기기로서,
    상기 메모리는 컴퓨터 프로그램을 저장하도록 구성되고;
    상기 프로세서는 상기 메모리에 저장된 컴퓨터 프로그램을 실행하여 제1항 내지 제14항 중 어느 한 항에 따른 양자 노이즈 프로세스 분석 방법을 구현하도록 구성되는,
    전자 기기.
KR1020217038851A 2020-08-28 2021-06-22 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기 KR20220027830A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202010882560.X 2020-08-28
CN202010882560.XA CN111814362B (zh) 2020-08-28 2020-08-28 量子噪声过程分析方法、系统及存储介质和终端设备
PCT/CN2021/101419 WO2022041974A1 (zh) 2020-08-28 2021-06-22 量子噪声过程分析方法、系统及存储介质和电子设备

Publications (1)

Publication Number Publication Date
KR20220027830A true KR20220027830A (ko) 2022-03-08

Family

ID=72860283

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217038851A KR20220027830A (ko) 2020-08-28 2021-06-22 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기

Country Status (6)

Country Link
US (1) US20220067253A1 (ko)
EP (1) EP3989098A4 (ko)
JP (1) JP7206420B2 (ko)
KR (1) KR20220027830A (ko)
CN (1) CN111814362B (ko)
WO (1) WO2022041974A1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814362B (zh) * 2020-08-28 2020-12-15 腾讯科技（深圳）有限公司 量子噪声过程分析方法、系统及存储介质和终端设备
CN113011592B (zh) * 2021-01-18 2022-03-18 腾讯科技（深圳）有限公司 量子比特的串扰分析方法、装置、计算机设备和存储介质
KR20220105155A (ko) * 2021-01-18 2022-07-26 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 큐비트들에 대한 누화 분석 방법 및 장치, 컴퓨터 디바이스, 및 저장 매체
CN112990472B (zh) * 2021-03-25 2022-03-22 北京百度网讯科技有限公司 消除量子噪声的方法及装置、电子设备和介质
CN113298262B (zh) * 2021-06-10 2022-04-26 北京百度网讯科技有限公司 量子设备去噪方法和装置、电子设备、计算机可读介质
CN113935490A (zh) * 2021-10-14 2022-01-14 腾讯科技（深圳）有限公司 多体局域化态的确定方法及系统

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011163245A2 (en) * 2010-06-21 2011-12-29 Spectral Associates, Llc Methodology and its computational implementation for quantitative first-principles quantum-mechanical predictions of the structures and properties of matter
WO2017065856A2 (en) * 2015-07-24 2017-04-20 Yale University Techniques of oscillator state manipulation for quantum information processing and related systems and methods
US10360088B2 (en) * 2015-11-20 2019-07-23 Quantum Benchmark, Inc. Randomized compiling for quantum computation
US11288585B2 (en) * 2015-12-30 2022-03-29 Google Llc Quantum statistic machine
US20180011981A1 (en) * 2016-07-05 2018-01-11 The Regents Of The University Of Michigan Quantum-based machine learning for oncology treatment
US10415970B2 (en) * 2016-11-01 2019-09-17 University Of Central Florida Research Foundation, Inc. Rotation sensor, rotation sensing method, and applications
KR20190077518A (ko) * 2016-11-10 2019-07-03 예일 유니버시티 일반화된 양자 채널
US10204199B2 (en) * 2016-11-29 2019-02-12 The Trustees Of Dartmouth College Emulation of quantum and quantum-inspired spectrum analysis and superposition with classical transconductor-capacitor circuits
US10332024B2 (en) * 2017-02-22 2019-06-25 Rigetti & Co, Inc. Modeling superconducting quantum circuit systems
US10635403B1 (en) * 2017-09-27 2020-04-28 Ut-Battelle, Llc Quantum random number generator
CN112654970A (zh) * 2018-06-29 2021-04-13 耶鲁大学 利用非对称错误通道的量子信息处理
US11182230B2 (en) * 2018-12-11 2021-11-23 D-Wave Systems Inc. Systems and methods for reducing errors in calibrated devices
US11783217B2 (en) * 2019-02-21 2023-10-10 IonQ, Inc. Quantum circuit optimization
US20220329417A1 (en) * 2019-04-09 2022-10-13 United States Of America, As Represented By The Secretary Of The Navy Quantum Key Distribution Protocol with Weak Measurements
CN110210073B (zh) * 2019-05-10 2022-03-08 腾讯科技（深圳）有限公司 量子噪声过程分析方法、装置、设备及存储介质
CN110516811B (zh) * 2019-08-30 2023-04-18 南方科技大学 一种量子态确定方法、装置、设备和存储介质
CN110738321B (zh) * 2019-10-15 2022-04-29 北京百度网讯科技有限公司 一种量子信号处理方法及装置
US11894107B2 (en) * 2019-10-22 2024-02-06 International Business Machines Corporation Precision-preserving qubit reduction based on spatial symmetries in fermionic systems
US10817797B1 (en) * 2019-11-08 2020-10-27 Raytheon Bbn Technologies Corp Pairwise ansatz for quantum process tomography
CN111008703A (zh) * 2019-11-21 2020-04-14 浙江工商大学 一种噪声环境下四量子比特w态和ghz态混合态三体可分离的方法
CN111027703B (zh) * 2019-12-11 2024-04-05 本源量子计算科技（合肥）股份有限公司 一种量子线路查询的方法、装置、存储介质及电子装置
US11836573B2 (en) * 2020-02-18 2023-12-05 Keysight Technologies Canada Inc. Systems and methods for use of a maximally sensitive set of states to identify coherent errors in a quantum system
CN111510157B (zh) * 2020-04-15 2022-03-04 腾讯科技（深圳）有限公司 基于神经网络的量子纠错解码方法、装置及芯片
CN111814362B (zh) * 2020-08-28 2020-12-15 腾讯科技（深圳）有限公司 量子噪声过程分析方法、系统及存储介质和终端设备

Also Published As

Publication number Publication date
WO2022041974A1 (zh) 2022-03-03
EP3989098A1 (en) 2022-04-27
JP7206420B2 (ja) 2023-01-17
EP3989098A4 (en) 2022-12-14
US20220067253A1 (en) 2022-03-03
CN111814362A (zh) 2020-10-23
JP2022550229A (ja) 2022-12-01
CN111814362B (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
KR20220027830A (ko) 양자 노이즈 프로세스 분석 방법, 시스템, 저장 매체 및 전자 기기
CN110073373B (zh) 经由量子玻尔兹曼训练进行断层摄影和生成数据建模
Nikravesh et al. Mobile network traffic prediction using MLP, MLPWD, and SVM
Zhu et al. Network latency estimation for personal devices: A matrix completion approach
CN113298262B (zh) 量子设备去噪方法和装置、电子设备、计算机可读介质
CN111667010A (zh) 基于人工智能的样本评估方法、装置、设备及存储介质
Cui et al. Cross-platform machine learning characterization for task allocation in IoT ecosystems
US20220036231A1 (en) Method and device for processing quantum data
CN112529196B (zh) 量子纠缠探测方法、装置、电子设备及存储介质
CN114239840A (zh) 量子信道噪声系数估计方法及装置、电子设备和介质
CN115427968A (zh) 边缘计算设备中的鲁棒人工智能推理
KR101725121B1 (ko) 특징 벡터 분류 장치 및 방법
CN113255922B (zh) 量子纠缠量化方法和装置、电子设备、计算机可读介质
Mihai et al. Wsn and fog computing integration for intelligent data processing
Wu et al. Intelligent and survivable resource slicing for 6G-oriented UAV-assisted edge computing networks
Chaopeng et al. A privacy protection approach in edge-computing based on maximized dnn partition strategy with energy saving
CN113420722A (zh) 一种机场安全管理平台的突发事件联动方法及系统
Ricardo et al. Developing machine learning and deep learning models for host overload detection in cloud data center
Daradkeh et al. Analytical modeling and prediction of cloud workload
Zhang et al. Joint compressing and partitioning of CNNs for fast edge-cloud collaborative intelligence for IoT
Ferdosian et al. Autonomous Intelligent VNF Profiling for Future Intelligent Network Orchestration
CN114580649A (zh) 消除量子泡利噪声的方法及装置、电子设备和介质
CN114492823A (zh) 消除量子噪声的方法及装置、电子设备和介质
CN113822331A (zh) 加密流量的分类方法与装置以及电子设备
Nimi et al. Earlin: Early out-of-distribution detection for resource-efficient collaborative inference