TW202123097A - 用於參數有效電路訓練的混合量子-經典電腦系統 - Google Patents
用於參數有效電路訓練的混合量子-經典電腦系統 Download PDFInfo
- Publication number
- TW202123097A TW202123097A TW109137856A TW109137856A TW202123097A TW 202123097 A TW202123097 A TW 202123097A TW 109137856 A TW109137856 A TW 109137856A TW 109137856 A TW109137856 A TW 109137856A TW 202123097 A TW202123097 A TW 202123097A
- Authority
- TW
- Taiwan
- Prior art keywords
- subset
- quantum
- computer
- objective function
- parameter
- Prior art date
Links
- 238000012549 training Methods 0.000 title description 3
- 238000000034 method Methods 0.000 claims abstract description 103
- 238000000137 annealing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 9
- 238000002922 simulated annealing Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 abstract description 25
- 239000002096 quantum dot Substances 0.000 description 81
- 238000005259 measurement Methods 0.000 description 77
- 230000006870 function Effects 0.000 description 57
- 230000008859 change Effects 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000005283 ground state Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- BHEPBYXIRTUNPN-UHFFFAOYSA-N hydridophosphorus(.) (triplet) Chemical compound [PH] BHEPBYXIRTUNPN-UHFFFAOYSA-N 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005442 molecular electronic Methods 0.000 description 2
- 239000002070 nanowire Substances 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005428 wave function Effects 0.000 description 2
- 230000005366 Ising model Effects 0.000 description 1
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical class C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 description 1
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 235000004279 alanine Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910001425 magnesium ion Inorganic materials 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- ORQBXQOJMQIAOY-UHFFFAOYSA-N nobelium Chemical compound [No] ORQBXQOJMQIAOY-UHFFFAOYSA-N 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 229910052720 vanadium Inorganic materials 0.000 description 1
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical class [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
一種方法,包括通過減少量子電路中的冗餘或不必要的閘的數量來準備量子電腦的初始狀態的改進技術。從初始狀態準備電路擬設開始,該方法遞歸地移除閘並重新優化電路參數,以產生深度減少的狀態準備。
Description
本發明涉及混合量子-經典電腦系統,尤其是涉及一種用于參數有效訓練的混合量子-經典電腦系統。
對於近期的量子電腦來說,初始狀態準備是一項具有挑戰性的任務,其中相對較低的電路深度是有用的量子協議的主要障礙。由於量子閘本身就有雜訊,因此近期的算法的改進通常只涉及減少所期望的運算或變分擬設(variational ansatz)的閘深度。例如,諸如變分量子本徵求解(VQE)等算法試圖準備分子的電子漢米爾頓函數(molecular electronic Hamiltonian)的近似基態,但它們所能模擬的系統規模和模擬精度直接與相應的電路擬設的深度有關。
因此,我們需要改進量子電腦,特別是雜訊中型量子(NISQ:noisy intermediate-scale quantum)電腦的初始狀態準備。
一種方法包括通過減少量子電路中的冗餘或不必要的閘的數量來準備量子電腦的初始狀態的改進技術。從初始狀態準備電路擬設開始,該方法遞歸地移除閘並重新優化電路參數,以產生深度減少(reduced-depth)的狀態準備。
在一個方面,一種用於為了準備量子電腦的狀態而產生深度減少的量子電路的方法包括:接收適於準備量子電腦的初始狀態的第一變分量子電路作為輸入,該第一電路具有第一深度D1以及相關聯的第一成本函數值C1。該方法包括基於該第一電路生成具有第二深度D2以及相關聯的成本函數值C2的第二電路,其中D2 <= D1且C2-C1 < ɛ,其中,ɛ是深度減少的狀態準備所需的最大額外成本。
在另一方面,一種混合量子設備包括經典電腦部件和量子電腦部件二者。方法相對於目標函數改進可調諧量子演化。實施例可以包括首先在經典電腦上選擇參數子集S
,子集S
的參數的值描述可調諧量子演化的可調諧分量。然後基於P
的下降子集(dropped subset)P d
來減少量子演化中的非平凡操作的數量,其中子集S
和子集P d
是不相交的。然後在量子電腦上相對於目標函數對子集S
進行調諧。
第二電路的產生包括從第一電路中移除一些變分電路部件,然後通過最小化成本函數來優化電路中剩餘的變分部件。
本發明的各個方面和實施例的其他特徵和優點將從以下描述和申請專利範圍中變得明顯。
在一個方面,混合量子設備包括經典電腦部件和量子電腦部件兩者。一種方法相對於目標函數改進可調諧量子演化。實施例可以包括首先在經典電腦上選擇參數子集S
,子集S
的參數的值描述可調諧量子演化的可調諧分量。然後基於P
的下降子集P d
來減少量子演化中的非平凡操作的數量,其中子集S
和子集P d
是不相交的。然後在量子電腦上相對於目標函數對子集S
進行調諧。
參照圖4,示出了根據本發明的一個實施例的由混合量子-經典電腦執行的方法400的流程圖。該混合量子-經典電腦可以以本文公開的任何方式實現(例如,以圖1和圖3所示的方式),並且可以包括經典電腦和量子電腦。假設可以將量子演化描述為可控操作和固定操作的組合,並且每個可控操作可以由定義該操作的一個以上相應的可調諧參數P
450來描述。此外,為了示例目的,假設每個操作相對於整個序列中的其他操作具有相對順序(在執行時間上),並且因此,參數P
450中的每個參數相對於P
450中的其他參數也具有相對順序(在執行時間上)。
方法400在經典電腦處接收參數P
450的集合作為輸入(圖4,操作402)。在下面的描述中,將n設為參數P
450的數量,其中n>1,通常n>>1。注意,參數P
450可以是更大的參數集(未圖示)的子集。因此,圖4中的參數P
450表示由圖4的方法400操作的參數。
方法400(例如,經典電腦)選取集合P
450的子集S
458(操作404)。方法400可以以多種方式中的任何一種來選取子集S
458,例如以圖5的方法500中所示的方式,其中經典電腦基於一些明確的準則從集合P
450中移除參數的子集P dropped
452(圖5,操作405)。由此產生的P
450的剩餘子集(即,P
450-P dropped
452)在此被稱為子集P residual
454。由此產生的量子演化僅由剩餘參數子集S
458描述。參數子集P dropped
452可以通過以下方式“移除”,例如:(1)將P dropped
452中的每個參數設定為使得該參數的對應運算是平凡操作(一致性(identity))的值,(2)將P dropped
452中的每個參數設定為零,或者(3)在量子退火中,從退火進度表中移除與參數P dropped
452有關的步驟。無論使用何種特定方法來去除參數子集P dropped
,移除它們的效果都是減少量子演化中非平凡操作的數量。注意,P residual
454可以包含參數子集P ignore
480,參數子集P ignore
480保留量子演化的一部分,但不在子集S
458中,因此不根據調諧操作410進行調諧。
例如,方法500可以在經典電腦處,根據參數集P
450,將零個以上參數Q
456添加到剩餘子集P residual
454中,使得量子演化由剩餘子集P residual
454和添加的參數Q
456的並集來描述(圖5,操作406)。注意,操作406是可選的,並且可以從方法500中省略。例如,在操作406中添加零個參數的情況下,操作406可能只是被從方法400中省略。操作406可以以各種方式中的任何一種來選擇添加的參數Q
456,例如從以下各項中選擇參數Q
456:(1)從集合P
中,或者(2)從不在P中的可用參數集(及其相應的運算)中。由此產生的S
458可以通過取P residual
和Q
的並集來獲得,即,通過S
=P residual
∪ Q獲得(圖4,操作408)。
在一些實施例中,可以選取固定稀疏度值F
,該值代表原始集合P
450中參數的數量的比例。然後,可以約束操作404和操作406以更新集合S
,使得F = |S| / |P|。
方法400同時使用經典電腦和量子電腦二者來調諧量子演化,該量子演化由集合S
458中的參數的值描述(圖4,操作410)。例如,可以通過以下步驟調諧集合S
458中的參數:首先應用量子演化,然後(使用量子電腦)測量一個以上量子位,並且使用這些測量來(使用經典電腦)計算成本函數或目標函數,接著(使用經典電腦)改變S
458中的參數的值,然後再次應用量子演化,(使用量子電腦)測量相同的一個或多個量子位,並(使用經典電腦)重新計算成本函數,以最小化或最大化成本函數或目標函數。這種優化的示例為:(1)調諧演化以最小化能量本徵函數(energy eigenfunction)的期望值;(2)最大化準備好的量子狀態的保真度(fidelity),以匹配目標量子狀態;(3)最小化試驗分布和目標分布之間的Kullback-Leibler發散度(divergence),其中試驗分布是測量輸出量子狀態的結果。在操作410中,用於執行調諧的優化技術的示例為:(1)基於梯度(gradient-based)的方法,如BFGS或共軛梯度法(conjugate-gradient method);(2)無梯度(gradient-free)的方法,如COBYLA或貝葉斯(Bayesian)優化。
在相對於參數集S
458調諧量子演化之後,方法400輸出由集合S
458中的參數控制的量子演化的描述460,其中這些參數的值已經經調諧(圖4,操作412)。
上面已經描述了圖5的方法500的某些操作。圖5的方法500中的操作402、408、410和412與圖4的方法400中的那些操作完全相同,因此這裡不再單獨描述。
類似地,圖6是由本公開的某些實施例執行的方法600的流程圖。圖6的方法600中的操作402、404、408、410和412與圖4的方法400中的那些操作完全相同,因此,這裡不再單獨描述。另外,方法600將經調諧的參數集S
460反饋到操作404中,作為操作404的新輸入(即,S
<--P
)(圖6,操作464)。方法600還將來自方法600的先前一次或多次疊代的數據D
反饋到操作404和406中,這樣可以在參數刪除(操作404)和參數添加(操作406)中使用數據D
。數據D
可以包括從方法600的先前疊代中獲得的任意的各種數據。例如,數據D
可以包括從方法600的k個最近的疊代(其中k>=1)中識別一個以上的具有低於特定的參數幅度閾值(其中參數幅度閾值的值本身可以由來自先前疊代的數據更新)的值的參數的數據,在這種情況下方法600可以在操作404的下一次疊代中刪除由數據D
識別的此類參數。作為另一個示例,數據D
可以指示量子演化的不同部分的相對重要性,在這種情況下,方法600可以在操作406的下一次疊代中基於該相對重要性添加一個以上參數。例如,可以通過在方法600的一個以上先前疊代中保留(即,沒有刪除)的參數的數量來量化量子演化的一部分的重要性。
在一個實施例中,稀疏度參數F
可以針對每次疊代約束集合S
中的參數的數量。
在一個實施例中,量子電路可以被分解成若干層。集合S的每個參數可以對應於給定層中的閘。由於在某些層中的操作可能比在其他層中的操作對成本函數的影響更大,因此可以使用數據D
來識別哪些層在優化中影響力更大。在這種情況下,可以優先考慮從被認為較不重要的層中移除參數。
在一些實施例中,量子演化由具有分層電路擬設(ansatz)的變分電路組成,其中可以選取集合S
以和給定擬設的一個以上的層相一致。在具有疊代的實施例中,可以選取疊代子集以有序地與電路擬設的有序層相一致。
在另一實施例中,成本函數的先前值可以用於模擬退火。更具體地,如果在參數集S
的更新後的成本函數值高於前一次疊代的成本函數值,則根據Metropolis準則,可以有概率性地(probabilistically)接受該更新。
方法600的操作404-412可以以上述方式重複任意次數。在每次疊代之後,該方法可以確定是否滿足收斂或終止準則(圖6,操作466)。如果還沒有滿足收斂或終止準則,則方法600通過操作402-412再次疊代(操作464)。如果已經滿足收斂或終止準則,則方法600終止並輸出最終經調諧的參數(操作468)。
例如,該收斂或終止準則可以是或包括以下任意一個以上項:(1)通過最後的b
次疊代,目標函數值的提高落在某個公差範圍內(其中b>=1),(2)如果已知目標函數值在一定精度內達到最佳目標函數值,以及(3)函數求值的次數達到某個最大值。不管所使用的特定收斂或終止準則如何,一旦滿足該準則,方法500輸出S
的最新疊代,作為方法500的輸出(圖5,操作468)。
本公開的一個實施例涉及用於在混合量子-經典電腦上相對於目標函數改進可調諧量子演化的方法。可調諧量子演化有許多非平凡操作。該方法包括:(A)在經典電腦上,選擇第一參數集P的子集S,子集S的參數的值描述可調諧量子演化的可調分量;(B)在經典電腦上,基於在第一參數集P中但不在子集S中的子集Pd
來減少量子演化中的非平凡操作的數量,其中Pd
是S相對於P的補集;以及(C)在量子電腦上,相對於目標函數,調諧第一參數集P的子集S,從而產生子集S的經調諧的值的集合,當相對於該子集S的經調諧的值的集合對目標函數求值時,產生目標函數的經調諧的值。
操作(B)可以包括以下中的任意一個以上:(1)為子集Pd
中的每個參數賦值,使得子集Pd中的參數對應於平凡操作;(2)將子集Pd
中的每個參數的值設定為零;以及(3)在量子退火過程中從退火進度表中移除與子集Pd
相關聯的步驟。
該方法可以包括在(C)之前向子集S添加新參數。添加該新參數可能包括根據第一參數集添加新參數。該方法還包括以P的多個子集中的每個子集按順序充當子集S在多次疊代中疊代執行(A)-(C),直到實現對目標函數的期望約束為止。
該方法還包括以P的多個子集中的每個子集按順序充當充當子集S在多次疊代中疊代執行(A)-(C),直到實現對目標函數的期望約束為止。在所有疊代中,多個子集中的每個子集的參數的數量都可以是相等的。按順序的多次疊代中的每次疊代都可以產生目標函數的相應的經調諧的值Vi
,並且將該經調諧的值Vn
輸入到(A)-(C)的疊代Vn+1
中。可以將P的多個子集的經調諧的值輸入到後續的疊代中。
可以根據第一參數集中參數的數量的給定部分來選取子集S的參數的數量。調諧可以基於目標函數構成或包括模擬退火。選擇子集S可以包括在分層電路擬設的層中選擇參數。
該方法還可以包括:(D)相對於子集S的經調諧的值的集合對目標函數求值,以產生目標函數的經調諧的值。
本公開的另一實施例涉及用於在混合量子-經典電腦上相對於目標函數改進可調諧量子演化的系統。可調諧量子演化有多個非平凡操作。該系統包括儲存有電腦程序指令的非臨時電腦可讀介質。混合量子-經典電腦包括經典電腦和量子電腦,電腦程序指令可由經典電腦中的至少一個處理器執行以執行方法。該方法可以是本文公開的任何方法。
應當理解,儘管已經在上面根據特定實施例描述了本發明,但是提供上述實施例僅作為說明性的,因此不限制或限定本發明的範圍。各種其他實施例,包括但不限於以下所述,也在申請專利範圍的範圍內。例如,本文所述的元件和部件可進一步分為附加部件或結合在一起以形成用於執行相同功能的較少的部件。
根據本發明,量子電腦的各種物理實施例適於使用。一般來說,量子計算中最基本的數據儲存單元是量子位元,或量子位。量子位是經典數位電腦系統位元的量子計算模擬。經典位元被認為在任何給定的時間點占據了對應於二進制數字(位)0或1的兩種可能狀態之一。相比之下,量子位是通過具有量子力學特性的物理介質在硬體中實現的。這樣的介質,其物理例示了量子位,在這裡可以稱之為“量子位的物理例示”、“量子位的物理實施例”、“量子位的介質體現”,或類似的術語,或為了便於描述,簡稱為“量子位”。因此,應當理解,本文中對本發明實施例的描述中提到的“量子位”是指體現量子位的物理介質。
每個量子位具有無限多個不同的潛在量子力學狀態。當物理測量量子位的狀態時,測量產生從量子位的狀態解析出的兩種不同基本狀態中的一種。因此,單個量子位可以代表1、0或這兩個量子位狀態的任何量子疊加;一對量子位可以是4個正交基本狀態的任意量子疊加;而3個量子位可以是8個正交基本狀態的任意疊加。定義量子位的量子力學狀態的函數稱為它的波函數。對於給定測量,波函數還指定了結果的概率分布。可以將具有2維的量子狀態(即,具有兩個正交基本狀態)的量子位推廣到d
維(d
-dimesional)的“量子位”,其中d
可以是任意整數值,例如2、3、4或更高。在量子位的一般情況下,量子位的測量產生從量子位的狀態解析出的d
個不同基本狀態中的一個。本文中提及的量子位應理解為更一般地指具有任意d
值的d
維量子位。
儘管本文中量子位的某些描述可以根據其數學特性來描述這些量子位,但是每個這樣的量子位可以以各種不同的方式中的任何一種在物理介質中實現。此類物理介質的示例包括超導材料、捕獲離子(trapped ions)、光子、光學空腔、捕獲在量子點內的單個電子、固體中的點缺陷(例如,矽中的磷施主或金剛石中的氮空位中心)、分子(例如,丙氨酸、釩絡合物)或表現出量子位行為(也就是說,包含可以被可控地誘導或檢測的量子狀態及其之間的轉變)的上述任何物質的聚合。
對於實現量子位的任何給定介質,可以選取該介質的各種屬性中的任意一種來實現量子位。例如,如果選取電子來實現量子位,那麼可以選取其自旋自由度的x分量作為這些電子的屬性來代表這種量子位的狀態。或者,可以選取自旋自由度的y分量或z分量作為這些電子的屬性來代表這種量子位的狀態。這僅僅是對於任何被選取來實現量子位的物理介質的一般特徵的具體示例,可能有多個物理自由度(例如,電子自旋示例中的x、y和z分量),這些自由度可以被選取來代表0和1。對於任何特定的自由度,物理介質可以可控地置於疊加狀態,然後在選定的自由度下進行測量,以獲得量子位值的讀數。
稱為閘模型量子電腦的量子電腦的某些實現包括量子閘。與經典的閘相比,存在無數多個可能改變量子位的狀態向量的單量子位(single-qubit)量子閘。改變量子位狀態向量的狀態通常被稱為單量子位旋轉,並且在這裡也可以被稱為狀態改變或單量子位量子閘操作。旋轉、狀態改變或單量子位量子閘操作可以用帶有複元素的單一2×2矩陣來表示。旋轉對應於在希伯特空間(Hilbert space)內的量子狀態的旋轉,這可以被概念化為布洛赫球(Bloch sphere)的旋轉。(如本領域技術人員所熟知,布洛赫球是量子位純態空間的幾何表示。)多量子位(Multi-qubit)閘改變量子位的集合的量子狀態。例如,雙量子位閘旋轉該兩個量子位的狀態,就好像在該兩個量子位的四維希伯特空間內的旋轉。(如本領域技術人員所熟知的,希伯特空間是抽象的向量空間,具有內積的結構,能夠測量長度和角度。此外,希伯特空間是完備的:空間中存在的極限足以使用微積分的技術。)
可以指定量子電路為一系列量子閘。如下文更詳細地描述的,本文中使用的術語“量子閘”是指將閘控制信號(定義如下)應用到一個以上的量子位,以使這些量子位經歷特定的物理變換,從而實現邏輯閘操作。為了概念化量子電路,對應於部件量子閘的矩陣可以按照閘序列指定的順序相乘在一起,以產生2n×2n的複矩陣,該複矩陣表示n個量子位上同樣的整體狀態變化。因此,量子電路可以用單個合成算子來表示。然而,根據構成的閘設計量子電路允許設計符合標準的閘的集合,從而能夠使部署更加容易。因此,量子電路對應於根據量子電腦的物理部件採取行動的設計。
給定的變分量子電路可以以合適的專用設備(device-specific)的方式進行參數化。更一般地,構成量子電路的量子閘可以具有相關聯的多個調諧參數。例如,在基於光交換的實施例中,調諧參數可以對應於單個光學元件的角度。
在量子電路的某些實施例中,量子電路都包括一個以上的閘和一個以上的測量操作。使用這種量子電路實現的量子電腦在此被稱為實現“測量反饋”。例如,實現測量反饋的量子電腦可以執行量子電路中的閘,然後在量子電腦中僅測量量子位的子集(即,少於全部),然後基於該一個或多個測量的一個或多個輸出,決定下一步執行哪個或哪些閘。具體而言,該一個或多個測量可以指示一個或多個閘操作中的誤差程度,並且量子電腦可基於誤差程度來決定下一步執行哪個或哪些閘。然後,量子電腦可以執行由該決定所指示的一個或多個閘。執行閘、測量量子位的子集,然後決定下一步執行哪個或哪些閘的過程可以重複任意次數。測量反饋對於執行量子誤差校正可能是有用的,但不限於用於執行量子誤差校正。對於每一個量子電路,不管是否具有測量反饋,都存在電路的誤差校正實現。
本文描述的一些實施例生成、測量或利用近似於目標量子狀態(例如,漢米爾頓函數(Hamiltonian)的基態(ground state))的量子狀態。正如本領域受過訓練的人員將理解的那樣,有許多方法可以量化第一量子狀態“近似”於第二量子狀態的程度有多大。在下面的描述中,可以使用本領域已知的任何近似概念或定義,而不脫離本文的範圍。例如,當第一量子狀態和第二量子狀態分別表示為第一向量和第二向量時,當第一向量和第二向量之間的內積(稱為兩個量子狀態之間的“保真度”)大於預定量(通常標記為ϵ)時,第一量子狀態近似於第二量子狀態。在這個例子中,保真度量化了第一量子狀態和第二量子狀態相互之間“接近”或“相似”的程度。保真度表示對第一量子狀態的測量將給出與在第二量子狀態上進行測量得到相同的結果的概率。量子狀態之間的接近度也可以用距離測量來量化,例如歐幾裏德範數(Euclidean norm)、漢明距離(Hamming distance)或本領域已知的其他類型範數。量子狀態之間的接近度也可以用計算術語來定義。例如,當第一量子狀態的多項式時間採樣給出它與第二量子狀態共享的某些期望信息或性質時,第一量子狀態近似於第二量子狀態。
並非所有的量子電腦都是閘模型量子電腦。本發明的實施例不限於使用閘模型量子電腦來實現。作為替代示例,本發明的實施例可以全部或部分地使用使用量子退火架構實現的量子電腦來實現,量子退火架構是閘模型量子計算架構的替代方案。更具體地說,量子退火(QA)是一種元啟發式方法,用於通過使用量子波動的過程,在給定的候選解(候選狀態(candidate state))的集合上尋找給定目標函數的全域最小值。
圖2B示出了示出通常由實現量子退火的電腦系統250執行的操作的圖。系統250包括量子電腦252和經典電腦254兩者。豎直虛線256左側所示的操作通常由量子電腦252執行,而豎直虛線256右側所示的操作通常由經典電腦254執行。
量子退火從經典電腦254開始,基於待解決的計算問題258生成初始漢米爾頓函數(Hamiltonian)260和最終漢米爾頓函數262,並將初始漢米爾頓函數260、最終漢米爾頓函數262和退火進度表270作為輸入提供給量子電腦252。量子電腦252基於初始漢米爾頓函數260準備公知的初始狀態266(圖2B,操作264),例如具有相等權重的所有可能狀態(候選狀態)的量子力學疊加。經典電腦254向量子電腦252提供初始漢米爾頓函數260、最終漢米爾頓函數262和退火進度表270。量子電腦252從初始狀態266開始,並且遵循時變的薛丁格方程,根據退火進度表270(物理系統的自然量子力學演化),對其狀態進行演化(圖2B,操作268)。更具體地說,量子電腦252的狀態在時變的漢米爾頓函數下經歷時間演化,其開始於初始漢米爾頓函數260,並結束於最終漢米爾頓函數262。如果系統漢米爾頓函數的變化率足夠慢,系統將保持在接近於瞬時漢米爾頓函數的基態的狀態。如果系統漢米爾頓函數的變化率加速,系統可能會暫時離開基態,而在最終問題漢米爾頓函數的基態中產生更高的結論(concluding)可能性,即非絕熱量子計算(diabatic quantum computation)。在時間演化結束時,量子退火器上的量子位的集合處於最終狀態272,這一狀態預計接近經典伊辛(Ising)模型的基態,其對應於原始優化問題258的解。在最初的理論上的提議後,立刻報告了隨機磁鐵(random magnets)量子退火成功的實驗證明。
測量量子電腦254的最終狀態272,從而產生結果276(即,測量值)(圖2B,操作274)。例如可以以本文公開的任何方式執行測量操作274,例如,結合圖1中的測量單元110以本文公開的任何方式。經典電腦254對測量結果276執行後處理以產生表示原始計算問題258的解的輸出280(圖2B,操作278)。
作為又一個替代示例,本發明的實施例可以全部或部分地使用由使用單向量子計算架構來實現的量子電腦,也稱為基於測量的量子計算架構,這是對閘模型量子計算架構的另一種替代。更具體地,單向或基於測量的量子電腦(MBQC)是一種量子計算方法,它首先準備糾纏的資源狀態,通常是簇狀態(cluster state)或圖狀態(graph state),然後對其進行單個量子位測量。因為測量破壞了資源狀態,因此它是“單向”的。
每個單獨測量的結果都是隨機的,但是它們是關聯的,這使得計算總是成功的。一般來說,用於後續測量的依據的選擇需要依賴於初期測量的結果,因此無法同時執行這些測量。
本文公開的任何函數可以使用用於執行這些函數的裝置來實現。此類裝置包括但不限於本文公開的任何部件,例如下面描述的電腦相關部件。
參照圖1,示出了根據本發明的一個實施例實現的系統100的圖。參照圖2A,示出了根據本發明的一個實施例的由圖1的系統100執行的方法200的流程圖。系統100包括量子電腦102。量子電腦102包括多個量子位104,其可以以本文公開的任何方式實現。量子電腦104中可以有任意數量的量子位104。例如,量子位104可以包括至多2個量子位、至多4個量子位、至多8個量子位、至多16個量子位、至多32個量子位、至多64個量子位、至多128個量子位、至多256個量子位、至多512個量子位、至多1024個量子位、至多2048個量子位、至多4096個量子位,或者至多8192個量子位,或由以上數量的量子位組成。這些僅是示例,在實踐中,量子電腦102中可能存在任意數量的量子位104。
量子電路中可能有任意數量的閘。然而,在一些實施例中,閘的數量可以至少與量子電腦102中的量子位104的數量成比例。在一些實施例中,閘深度可以不大於量子電腦102中的量子位104的數量,或者不大於量子電腦102中量子位104的數量的某些線性倍數(例如,2、3、4、5、6或7)。
量子位104可以以任何圖形模式互連。例如,它們可以以以下方式連接:線性鏈(linear chain)、二維網格、全交叉(all-to-all)連接,及其任意組合、或者任何前述的任意子圖(subgraph)。
從下面的描述將變得清楚,儘管在這裡將元件102稱為“量子電腦”,但這並不意味著量子電腦102的所有部件都利用量子現象。例如,量子電腦102的一個以上的部件可以是不利用量子現象的經典部件(即,非量子部件)。
量子電腦102包括控制單元106,控制單元106可以包括用於執行本文所公開的函數的各種電路和/或其它機構中的任何一種。例如,控制單元106可以完全由經典部件組成。控制單元106生成一個以上的控制信號108並作為輸出提供給量子位104。控制信號108可以採取各種形式中的任何一種,例如任何種類的電磁信號,例如電信號、磁信號、光信號(例如,激光脈衝)或其任何組合。
例如:
在一些或全部量子位104被實現為沿波導傳播的光子(也稱為“量子光學”實現)的實施例中,控制單元106可以是分束器(例如,加熱器或鏡子),控制信號108可以是控制加熱器或鏡子旋轉的信號,測量單元112可以是光電探測器110,以及測量信號112可以是光子。
在一些或全部量子位104被實現為電荷型(charge type)量子位(例如,transmon、X-mon、G-mon)或通量型(flux-type)量子位(例如,通量量子位、電容性分流通量量子位)(也稱為“電路量子電動力學”(circuit QED)實現)的實施例中,控制單元106可以是由驅動激活的匯流排諧振器,控制信號108可以是腔模式(cavity mode),測量單元110可以是第二諧振器(例如,低Q(low-Q)諧振器),以及測量信號112可以是使用色散讀出(dispersive readout)技術從第二諧振器測量的電壓。
在一些或全部量子位104被實現為超導電路的實施例中,控制單元106可以是電路QED輔助控制單元或直接電容耦合控制單元或電感電容耦合控制單元,控制信號108可以是腔模式,測量單元110可以是第二諧振器(例如,低Q諧振器),以及測量信號112可以是使用色散讀出技術從第二諧振器測量的電壓。
在一些或全部量子位104被實現為捕獲離子(例如,如鎂離子的電子狀態)的實施例中,控制單元106可以是激光器,控制信號108可以是激光脈衝,測量單元110可以是激光器以及CCD或光電探測器(例如,光電倍增管)中的一個,以及測量信號112可以是光子。
在使用核磁共振(NMR)實現一些或全部量子位104的實施例中(在這種情況下,量子位可以是例如以液體或固體形式存在的分子),控制單元106可以是射頻(RF)天線,控制信號108可以是由RF天線發射的RF場,測量單元110可以是另一個射頻(RF)天線,以及測量信號112可以是由該第二射頻(RF)天線測量的RF場。
在一些或全部量子位104被實現為氮空位中心(NV中心)的實施例中,控制單元106例如可以是激光器、微波天線或線圈,控制信號108可以是可見光、微波信號或恆定電磁場,測量單元110可以是光電探測器,以及測量信號112可以是光子。
在一些或全部量子位104被實現為稱為“任意子(anyons)”的二維准粒子(也稱為“拓撲量子電腦”實現)的實施例中,控制單元106可以是奈米線,控制信號108可以是局部電場或微波脈衝,測量單元110可以是超導電路,以及測量信號112可以是電壓。
在一些或全部量子位104實現為半導體材料(例如,奈米線)的實施例中,控制單元106可以是微加工的閘,控制信號108可以是射頻(RF)或微波信號,測量單元110可以是微加工的閘,以及測量信號112可以是射頻(RF)或微波信號。
儘管在圖1中沒有明確示出且沒有要求,但是測量單元110可以基於測量信號112向控制單元106提供一個以上的反饋信號114。例如,被稱為“單向量子電腦”或“基於測量的量子電腦”的量子電腦利用這種從測量單元110到控制單元106的反饋114。這種反饋114對於容錯量子計算和糾錯的操作也是必要的。
例如,控制信號108可以包括一個以上的狀態準備信號,該信號在被量子位104接收時,導致一些或全部量子位104改變其狀態。這種狀態準備信號構成也稱為“擬設電路(ansatz circuit)”的量子電路。量子位104產生的狀態在此稱為“初始狀態”或“擬設狀態(ansatz state)”。輸出一個或多個狀態準備信號以使量子位104處於其初始狀態的過程被稱為“狀態準備”(圖2,206部分)。狀態準備的特例是“初始化”,也被稱為“複位操作”,其中初始狀態是在其中一些或全部量子位104處於“零”狀態的狀態,即默認的單個量子位狀態。更一般地說,狀態準備可以包含使用狀態準備信號來使得量子位104的一些或全部處於期望狀態的任意分布中。在一些實施例中,控制單元106可以首先對量子位104執行初始化,然後通過首先輸出狀態準備信號的第一集合以初始化量子位104,然後輸出狀態準備信號的第二集合以將量子位104部分地或完全地置於非零狀態。
可以由控制單元106輸出並由量子位104接收的控制信號108的另一示例是閘控制信號。控制單元106可以輸出這樣的閘控制信號,從而將一個以上的閘應用到量子位104。將閘應用於一個以上的量子位會導致量子位的集合經歷物理狀態改變,該物理狀態改變體現了由接收到的閘控制信號指定的相應的邏輯閘操作(例如,單量子位旋轉、雙量子位纏繞閘或多量子位操作)。這意味著,響應於接收閘控制信號,量子位104經歷物理變換,其使得量子位104改變狀態,這樣使得在測量時(參見下文)量子位104的狀態表示執行由閘控制信號指定的邏輯閘操作的結果。如本文所使用的術語“量子閘”是指將閘控制信號應用於一個以上的量子位,以使這些量子位經歷上述物理變換,從而實現邏輯閘操作。
應該理解,狀態準備(以及相應的狀態準備信號)和閘(以及相應的閘控制信號)的應用之間的分界線可以任意選取。例如,在圖W和X中作為“狀態準備”的元件示出的一些或全部部件和操作可以替代地描述為閘應用的元件。相反地,例如,在圖W和X中作為“閘應用”的元件示出的一些或全部部件和操作可以替代地描述為狀態準備的元件。作為一個特定示例,圖W和X的系統和方法可以被描述為僅執行狀態準備然後測量,而沒有任何閘應用,其中這裡描述為閘應用的一部分的元件替代地被認為是狀態準備的一部分。相反地,例如,圖W和X的系統和方法可以被描述為單獨執行閘應用然後進行測量,而沒有任何狀態準備,並且其中這裡描述為狀態準備的一部分的元件替代地被認為是閘應用的一部分。
量子電腦102還包括測量單元110,測量單元110對量子位104執行一個以上的測量操作以從量子位104讀出測量信號112(在這裡也稱為“測量結果”),其中測量結果112是表示一些或全部量子位104的狀態的信號。在實踐中,控制單元106和測量單元110可以彼此完全不同,或者包含彼此共同的一些部件,或者使用單個單元來實現(即,單個單元可以同時實現控制單元106和測量單元110)。例如,激光單元可以同時用於生成控制信號108,以及為量子位104提供刺激(例如一個以上的激光束),以使得生成測量信號112。
一般來說,量子電腦102可以執行任意次數的上述各種操作。例如,控制單元106可產生一個以上控制信號108,從而使量子位104執行一個以上量子閘操作。然後,測量單元110可以對量子位104執行一個以上測量操作,以讀出一個以上測量信號112的集合。測量單元110可以在控制單元106生成附加控制信號108之前,對量子位104重複這樣的測量操作,從而使得測量單元110讀出附加測量信號112,該附加測量信號由在讀取先前的測量信號112之前執行的相同的閘操作生成。測量單元110可以重複任意次數該處理,以生成對應於相同閘操作的任意數量的測量信號112。然後,量子電腦102可以以各種方式中的任何一種來聚合相同閘操作的這種多重測量。
在測量單元110對已經執行了一組閘操作的量子位104執行一個以上測量操作之後,控制單元106可以生成一個以上附加控制信號108,附加控制信號108可以不同於先前的控制信號108,從而使量子位104執行一個以上附加量子閘操作,附加量子閘操作可以不同於先前的一組量子閘操作。然後,可以重複上述過程,測量單元110對處於(由最近執行的閘操作產生的)新狀態的量子位104執行一個以上測量操作。
一般而言,系統100可以實現多個下述的量子電路。對於多個量子電路中的每個量子電路C(圖2A,操作202),系統100對量子位104執行多個“發射(shot)”。從下面的描述中,發射的含義將變得清晰。對於多個發射中的每個發射(圖2A,操作204),系統100準備量子位104的狀態(圖2A,206部分)。更具體地說,對於量子電路C中的每個量子閘G(圖2A,操作210),系統100將量子閘G應用於量子位104(圖2A,操作212和214)。
然後,對於量子位Q 中的每一個量子位104(圖2A,操作216),系統100測量量子位Q以產生表示量子位Q的當前狀態的測量輸出(圖2A,操作218和220)。
對於每個發射S(圖2A,操作222)和電路C(圖2A,操作224)重複上述操作。如上所述,意味著,單個“發射”包含準備量子位104的狀態並將電路中的所有量子閘應用於量子位104,然後測量量子位104的狀態;並且系統100可以對一個以上電路執行多重發射。
參照圖3,示出根據本發明的一個實施例實現的混合經典-量子電腦(HQC)300的圖。HQC 300包括量子電腦部件102(例如,可以結合圖1示出和描述的方式來實現)和經典電腦部件306。經典電腦部件可以是根據由John Von Neumann建立的通用計算模型實現的機器,其中程序以有序的指令列表的形式編寫並儲存在經典(例如,數位)記憶體310中並由經典電腦的經典(例如,數位)處理器308執行。在以位元的形式將數據儲存在儲存介質中的意義上來說,記憶體310是經典的,位元在任何時間點具有單個確定的二進制狀態。例如,儲存在記憶體310中的位元可以表示電腦程序。經典電腦部件304通常包括匯流排314。處理器308可以通過匯流排314從記憶體310讀取位元以及將位元寫入記憶體310。例如,處理器308可以從記憶體310中的電腦程序讀取指令,並且可以選擇性地從電腦302外部的資源(例如從諸如滑鼠、鍵盤或任何其他輸入設備的使用者輸入設備)接收輸入數據316。處理器308可以使用已經從記憶體310讀取的指令來對從記憶體310和/或輸入316讀取的數據執行計算,並根據這些指令生成輸出。處理器308可將該輸出儲存回記憶體310中和/或經由輸出設備(例如監視器、揚聲器或網路設備)將外部輸出作為輸出數據318提供。
如上面結合圖1所述,量子電腦部件102可以包括多個量子位104。單個量子位可以表示一、零或這兩個量子位狀態的任意量子疊加。經典量子部件304可以向量子電腦102提供經典狀態準備信號332,響應於此,量子電腦102可以以本文公開的任何一種方式準備量子位104的狀態,例如結合圖1和圖2A-2B所公開的方法中的任意一種。
一旦量子位104已經準備好,經典處理器308可以向量子電腦102提供經典控制信號334,響應於此,量子電腦102可以將由控制信號332指定的閘操作應用於量子位104,作為該操作的結果,量子位104到達最終狀態。量子電腦102中的測量單元110(其可以如以上參照圖W和X的描述來實現))可以測量量子位104的狀態,並產生表示量子位104的狀態塌陷(collapse)為其本徵態的測量輸出338。作為結果,測量輸出338包括位元或由位元組成,從而表示經典狀態。量子電腦102向經典處理器308提供測量輸出338。經典處理器308可將表示測量輸出338的數據和/或從中導出的數據儲存在經典記憶體310中。
用上述內容作為量子位104的最終狀態充當下一次疊代的初始狀態,可以重複上述步驟任意次數。這樣,經典電腦304和量子電腦102可以作為協同處理器(co-processor)協作以作為單個電腦系統執行聯合計算。
儘管在本文中可以將某些功能描述為由經典電腦執行,以及在本文中可以將其他功能描述為由量子電腦執行,但是這些僅僅是示例,不構成對本發明的限制。本文公開的由量子電腦執行的功能的子集可以由經典電腦代替執行。例如,經典電腦可以執行用於仿效量子電腦的功能性,並且提供本文所述功能性的子集,儘管其功能性受到模擬的指數範圍的限制。本文公開的由經典電腦執行的功能可以由量子電腦來代替執行。
例如,上述技術可以實現在硬體中、有形儲存在一個以上電腦可讀介質上的一個以上電腦程序中、韌體或其任何組合上,例如僅在量子電腦上、僅在經典電腦上或混合經典量子(HQC)電腦上。例如,本文公開的技術可以僅在經典電腦上實現,其中經典電腦仿效本文中公開的量子電腦功能。
上述技術可以實現在可程式化電腦(例如經典電腦、量子電腦或HQC)上執行(或可由其執行)的一個以上電腦程序中,該可程式化電腦包括以下部件的任意數量的組合:處理器、處理器可讀和/或可寫的儲存介質(例如,包括:揮發性和非揮發性記憶體和/或儲存元件)、輸入設備,以及輸出設備。程序碼可應用於使用輸入設備輸入的輸入,以執行所述功能並使用輸出設備生成輸出。
本發明的實施例包括只有使用一個以上電腦、電腦處理器和/或電腦系統的其他元件來實現才是可能的和/或可行的特徵。對於精神上實現和/或手動實現,這些特徵都是不可能或不實際的。例如,調諧由本發明實施例執行的量子演化,對於人來說是不可能在精神上或手動地執行的。
本文中任何明確要求電腦、處理器、記憶體或類似的電腦相關元件的申請專利範圍意在需要這些元件,並且不應被解釋為好像這些元件不存在於這些申請專利範圍中或不被這些申請專利範圍所需要。此類申請專利範圍無意也不應解釋為涵蓋缺少所述電腦相關元件的方法和/或系統。例如,本文中的任何方法申請專利範圍,其中所述由電腦、處理器、記憶體和/或類似的電腦相關元件執行所聲明的方法,旨在並且應當僅解釋為包括由所述一個或多個電腦相關元件執行的方法。例如,不應將此類方法申請專利範圍解釋為包括在精神上或手動(例如,使用鉛筆和紙)執行的方法。類似地,本文中的任何產品申請專利範圍包括電腦、處理器、記憶體和/或類似的電腦相關元件,其旨在並且僅應解釋為涵蓋包括所述一個或多個電腦相關元件的產品。例如,不應將此類產品申請專利範圍解釋為涵蓋不包括所述一個或多個電腦相關元件的產品。
在經典計算部件執行提供在以下申請專利範圍範圍內的功能性的任何子集的電腦程式的實施例中,電腦程式可以以任何程式化語言實現,例如匯編語言、機器語言、高級過程程式化語言,或面向對象的程式化語言。例如,程式化語言可以是編譯或解釋型程式化語言。
可以在電腦程式產品中實現每個這樣的電腦程式,該電腦程式產品有形地體現在機器可讀儲存設備中以供電腦處理器執行,電腦處理器可以是經典處理器或量子處理器。本發明的方法步驟可以由一個以上電腦處理器執行程式來實現,該程式通過對輸入進行操作和生成輸出,有形地體現在電腦可讀介質上,以執行本發明的功能。例如,合適的處理器包括通用微處理器和專用微處理器。通常,處理器從記憶體(例如只讀記憶體和/或隨機存取記憶體)接收(讀取)指令和數據,並向記憶體寫入(儲存)指令和數據。例如,適於有形地體現電腦程式指令和數據的儲存設備包括各種形式的非揮發性記憶體,例如半導體記憶體設備(包括EPROM、EEPROM和快閃記憶體);磁盤(例如內部硬盤和可移動磁盤);磁光盤;以及CD-ROM。上述任何一種都可以由專閘設計的ASIC(專用積體電路)或FPGA(現場可程式化閘陣列)來補充或並入到專閘設計的ASIC(專用積體電路)或FPGA(現場可程式化閘陣列)中。經典電腦通常還可以從非臨時電腦可讀儲存介質(諸如內部磁盤(未示出)或可移動磁盤之類)接收(讀取)程式和數據,並向其寫入(儲存)程式和數據。這些元件也可以在傳統的台式機或工作站電腦以及其他適合執行實現本文所述方法的電腦程式的電腦中找到,這些電腦程式可以與任何數位打印引擎或標記引擎、顯示監視器,或其他能夠在紙張、膠片、顯示螢幕或其他輸出介質上產生彩色或灰度像素的光閘輸出設備一起使用。
例如,本文所公開的任何數據可以以有形地儲存在非暫時性電腦可讀介質(例如經典電腦可讀介質、量子電腦可讀介質或HQC電腦可讀介質)上的一個以上數據結構來實現。本發明的實施例可以在這樣的一個或多個數據結構中儲存這樣的數據,並且從這樣的一個或多個數據結構中讀取這些數據。
100:系統
102:量子電腦
104:量子位
106:控制單元
108:控制信號
110:測量單元
112:測量信號
114:反饋信號
200、400、500、600:方法
202、204、206、208、210、212、214、216、218、220、222、224、264、268、274、278、402、404、406、408、410、412、464、466、468:操作
250:系統
252:量子電腦
254:經典電腦
256:豎直虛線
258:計算問題
260:初始漢米爾頓函數
262:最終漢米爾頓函數
266:初始狀態
270:退火進度表
272:最終狀態
276:結果
280:輸出
300:混合經典-量子電腦
306:經典電腦部件
308:處理器
310:記憶體
314:匯流排
316:輸入
318:輸出
332、334:控制信號
338:測量輸出
450、452、454、456、458、460、480:參數
在所附申請專利範圍中對本發明進行了特定描述。下面參照附圖的描述可以更好地理解本發明的上述方面和其他方面,其中,在各個圖中,類似的數字表示類似結構元件和特徵。附圖不一定按比例繪製,而是在於強調說明本發明的原理。
圖1是根據本發明的一個實施例實現的系統圖。
圖2A是根據本發明的一個實施例的由圖1的系統執行的方法的流程圖。
圖2B是示出通常由實現量子退火的電腦系統執行的操作的圖。
圖3是根據本發明的一個實施例實現的混合量子-經典電腦系統的示意圖。
圖4至圖6是由本發明的實施例執行的方法的流程圖,這些方法用於執行量子電腦的有效參數電路訓練。
200:方法
202、204、206、208、210、212、214、216、218、220、222、224:操作
Claims (30)
- 一種用於在混合量子-經典電腦上相對於目標函數改進可調諧量子演化的方法,所述可調諧量子演化具有多個非平凡操作,所述方法包括: (A)在經典電腦上,選擇第一參數集P的子集S,所述子集S的參數的值描述所述可調諧量子演化的可調諧分量; (B)在所述經典電腦上,基於在所述第一參數集P中但不在所述子集S中的子集Pd 來減少所述量子演化中的非平凡操作的數量,其中Pd 是S相對於P的補集;以及 (C)在量子電腦上,相對於所述目標函數,調諧所述第一參數集P的所述子集S,從而產生所述子集S的經調諧的值的集合,當相對於所述子集S的經調諧的值的集合對所述目標函數求值時,產生所述目標函數的經調諧的值。
- 如請求項1所述的方法,所述(B)包括為所述子集Pd 中的每個參數賦值,使得所述子集Pd 中的參數對應於平凡操作。
- 如請求項1所述的方法,所述(B)包括將所述子集Pd 中的每個參數的值設定為零。
- 如請求項1所述的方法,所述(B)包括在量子退火過程中從退火進度表中移除與所述子集Pd 相關聯的步驟。
- 如請求項1所述的方法,還包括在所述(C)之前向所述子集S添加新參數。
- 如請求項5所述的方法,添加所述新參數包括根據所述第一參數集添加所述新參數。
- 如請求項5所述的方法,還包括以P的多個子集中的每個子集按順序充當所述子集S在多次疊代中疊代執行(A)-(C),直到實現對所述目標函數的期望約束為止。
- 如請求項1所述的方法,還包括以P的多個子集中的每個子集按順序充當所述子集S在多次疊代中疊代執行(A)-(C),直到實現對所述目標函數的期望約束為止。
- 如請求項8所述的方法,在所有疊代中,所述多個子集中的每個子集的參數的數量都是相等的。
- 如請求項8所述的方法,按所述順序的所述多次疊代中的每次疊代都產生所述目標函數的相應的經調諧的值Vi ,並且將所述經調諧的值Vn 輸入到(A)-(C)的疊代Vn+1 中。
- 如請求項8所述的方法,將P的所述多個子集的經調諧的值輸入到後續的疊代中。
- 如請求項1所述的方法,根據所述第一參數集中參數的數量的給定比例來選擇所述子集S的參數的數量。
- 如請求項1所述的方法,所述調諧基於所述目標函數構成模擬退火。
- 如請求項1所述的方法,選擇所述子集S包括在分層電路擬設的層中選擇參數。
- 如請求項1所述的方法,還包括: (D)相對於所述子集S的經調諧的值的集合對所述目標函數求值,以產生所述目標函數的經調諧的值。
- 一種用於在混合量子-經典電腦上相對於目標函數改進可調諧量子演化的系統,所述可調諧量子演化具有多個非平凡操作,所述系統包括儲存有電腦程式指令的非暫時性電腦可讀介質,所述混合量子-經典電腦包括經典電腦和量子電腦,所述電腦程式指令可由所述經典電腦中的至少一個處理器執行以實現方法,所述方法包括: (A)在經典電腦上,選擇第一參數集P的子集S,所述子集S的參數的值描述所述可調諧量子演化的可調諧分量; (B)在所述經典電腦上,基於不在所述子集S中的所述第一參數集P的子集Pd 來減少所述量子演化中的非平凡操作的數量,其中Pd 是S相對於P的補集;以及 (C)在所述量子電腦上,控制所述量子電腦以相對於所述目標函數調諧所述第一參數集P的所述子集S,從而產生所述子集S的經調諧的值的集合,當相對於所述子集S的所述經調諧的值的集合對所述目標函數進行求值時,產生所述目標函數的經調諧的值。
- 如請求項16所述的系統,所述(B)包括為所述子集Pd 中的每個參數賦值,使得所述子集Pd 中的參數對應於平凡操作。
- 如請求項16所述的系統,所述(B)包括將所述子集Pd 中的每個參數的值設定為零。
- 如請求項16所述的系統,所述(B)包括在量子退火過程中從退火進度表中移除與所述子集Pd 相關聯的步驟。
- 如請求項16所述的系統,所述方法還包括在所述(C)之前向所述子集S添加新參數。
- 如請求項20所述的系統,添加所述新參數包括根據所述第一參數集添加所述新參數。
- 如請求項20所述的系統,還包括以P的多個子集中的每個子集按順序充當所述子集S在多次疊代中疊代執行(A)-(C),直到實現對所述目標函數的期望約束為止。
- 如請求項16所述的系統,還包括以P的多個子集中的每個子集依次充當所述子集S在多次疊代中疊代執行(A)-(C),直到實現對所述目標函數的期望約束為止。
- 如請求項23所述的系統,在所有疊代中,所述多個子集的每個子集的參數的數量都是相等的。
- 如請求項23所述的系統,按所述順序的所述多次疊代中的每次疊代都產生所述目標函數的相應的經調諧的值Vi ,並且將所述經調諧的值Vn 輸入到(A)-(C)的疊代Vn+1 中。
- 如請求項23所述的系統,將所述P的多個子集的經調諧的值輸入到後續的疊代中。
- 如請求項16所述的系統,根據所述第一參數集中的參數數量的給定比例來選擇所述子集S的參數的數量。
- 如請求項16所述的系統,所述調諧基於所述目標函數構成模擬退火。
- 如請求項16所述的系統,所述選擇子集S包括在分層電路擬設的層中選擇參數。
- 如請求項16所述的系統,所述方法還包括: (D)相對於所述子集S的經調諧的值的集合對所述目標函數求值,以產生所述目標函數的經調諧的值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962927826P | 2019-10-30 | 2019-10-30 | |
US62/927,826 | 2019-10-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202123097A true TW202123097A (zh) | 2021-06-16 |
TWI764348B TWI764348B (zh) | 2022-05-11 |
Family
ID=75688733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109137856A TWI764348B (zh) | 2019-10-30 | 2020-10-30 | 用於參數有效電路訓練的混合量子-經典電腦系統 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11157827B2 (zh) |
EP (1) | EP4052194A4 (zh) |
CA (1) | CA3155085C (zh) |
TW (1) | TWI764348B (zh) |
WO (1) | WO2021087206A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11157827B2 (en) | 2019-10-30 | 2021-10-26 | Zapata Computing, Inc. | Hybrid quantum-classical computer system for parameter-efficient circuit training |
TWI826040B (zh) * | 2022-10-12 | 2023-12-11 | 財團法人工業技術研究院 | 量子電路設計方法及裝置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11615329B2 (en) | 2019-06-14 | 2023-03-28 | Zapata Computing, Inc. | Hybrid quantum-classical computer for Bayesian inference with engineered likelihood functions for robust amplitude estimation |
JP2021149796A (ja) * | 2020-03-23 | 2021-09-27 | 富士通株式会社 | 情報処理装置、特定方法および特定プログラム |
CN113379059B (zh) * | 2021-06-10 | 2022-09-23 | 北京百度网讯科技有限公司 | 用于量子数据分类的模型训练方法以及量子数据分类方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101375302B (zh) * | 2006-01-27 | 2012-03-28 | D-波系统公司 | 绝热量子计算的方法 |
EP3745322A1 (en) * | 2011-07-06 | 2020-12-02 | D-Wave Systems Inc. | Quantum processor based systems and methods that minimize an objective function |
EP3113084B1 (en) | 2015-06-29 | 2020-12-09 | Parity Quantum Computing GmbH | Quantum processing device and method |
JP6728234B2 (ja) * | 2015-09-30 | 2020-07-22 | グーグル エルエルシー | 共面導波管の磁束量子ビット |
US10325218B1 (en) * | 2016-03-10 | 2019-06-18 | Rigetti & Co, Inc. | Constructing quantum process for quantum processors |
US10044638B2 (en) * | 2016-05-26 | 2018-08-07 | 1Qb Information Technologies Inc. | Methods and systems for quantum computing |
US10275717B2 (en) * | 2016-06-02 | 2019-04-30 | Google Llc | Training quantum evolutions using sublogical controls |
US10452990B2 (en) | 2017-11-28 | 2019-10-22 | International Business Machines Corporation | Cost function deformation in quantum approximate optimization |
US11157827B2 (en) | 2019-10-30 | 2021-10-26 | Zapata Computing, Inc. | Hybrid quantum-classical computer system for parameter-efficient circuit training |
-
2020
- 2020-10-30 US US17/084,990 patent/US11157827B2/en active Active
- 2020-10-30 CA CA3155085A patent/CA3155085C/en active Active
- 2020-10-30 WO PCT/US2020/058119 patent/WO2021087206A1/en unknown
- 2020-10-30 TW TW109137856A patent/TWI764348B/zh not_active IP Right Cessation
- 2020-10-30 EP EP20882002.7A patent/EP4052194A4/en not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11157827B2 (en) | 2019-10-30 | 2021-10-26 | Zapata Computing, Inc. | Hybrid quantum-classical computer system for parameter-efficient circuit training |
TWI826040B (zh) * | 2022-10-12 | 2023-12-11 | 財團法人工業技術研究院 | 量子電路設計方法及裝置 |
Also Published As
Publication number | Publication date |
---|---|
TWI764348B (zh) | 2022-05-11 |
EP4052194A4 (en) | 2023-02-08 |
CA3155085A1 (en) | 2021-05-06 |
CA3155085C (en) | 2023-09-05 |
US20210133617A1 (en) | 2021-05-06 |
US11157827B2 (en) | 2021-10-26 |
WO2021087206A1 (en) | 2021-05-06 |
EP4052194A1 (en) | 2022-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11593707B2 (en) | Compressed unsupervised quantum state preparation with quantum autoencoders | |
TW202123097A (zh) | 用於參數有效電路訓練的混合量子-經典電腦系統 | |
US11488049B2 (en) | Hybrid quantum-classical computer system and method for optimization | |
US11106993B1 (en) | Computer systems and methods for computing the ground state of a Fermi-Hubbard Hamiltonian | |
WO2020037301A1 (en) | Hybrid quantum-classical computer system and method for performing function inversion | |
US11468289B2 (en) | Hybrid quantum-classical adversarial generator | |
US20220358393A1 (en) | Quantum computer system and method for performing quantum computation with reduced circuit depth | |
US20230131510A1 (en) | Quantum computing system and method for time evolution of bipartite hamiltonians on a lattice | |
WO2021092351A1 (en) | Quantum computer system and method for partial differential equation-constrained optimization | |
WO2021046495A1 (en) | Computer system and method for implementing a conditional reflection operator on a quantum computer | |
WO2022173497A9 (en) | Enhancing combinatorial optimization with quantum generative models | |
EP4158554A1 (en) | Realizing controlled rotations by a function of input basis state of a quantum computer | |
WO2023172284A2 (en) | Generating non-classical measurements on devices with parameterized time evolution | |
US20210365622A1 (en) | Noise mitigation through quantum state purification by classical ansatz training |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |