CN111598246A - 量子吉布斯态生成方法、装置及电子设备 - Google Patents
量子吉布斯态生成方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111598246A CN111598246A CN202010320153.XA CN202010320153A CN111598246A CN 111598246 A CN111598246 A CN 111598246A CN 202010320153 A CN202010320153 A CN 202010320153A CN 111598246 A CN111598246 A CN 111598246A
- Authority
- CN
- China
- Prior art keywords
- target
- value
- loss function
- density matrix
- quantum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000006870 function Effects 0.000 claims description 241
- 239000011159 matrix material Substances 0.000 claims description 154
- 238000012545 processing Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
本申请提出一种量子吉布斯态生成方法、装置及电子设备,属于量子技术领域。其中,该方法包括:获取目标哈密顿量;根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数;根据目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量;将目标向量代入预设的参数化量子电路中,确定目标量子电路;将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同;根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过这种量子吉布斯态生成方法,实现了高效、且较准确的生成量子吉布斯态。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及量子技术领域,提出一种量子吉布斯态生成方法、装置及电子设备。
背景技术
在量子机器学习和量子计算领域,特定量子态的生成是极其重要的问题。特别的,尤其是吉布斯态(Gibbs state)的生成是实现诸多量子算法所必须的一个步骤。
相关技术中,通过利用振幅估计和量子信号处理,来计算量子态的自由能,进而生成吉布斯态的方法,由于振幅估计和量子信号处理都需要大量的量子位来实现,而无法在现有的量子计算机中运行。因此,亟需一种可以在现有的量子计算机中运行的量子吉布斯态生成方法。
发明内容
提供了一种用于量子吉布斯态生成方法、装置、电子设备及存储介质。
根据第一方面,提供了一种量子吉布斯态生成方法,包括:获取目标哈密顿量;根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数;根据所述目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量;将所述目标向量代入所述预设的参数化量子电路中,确定目标量子电路;将所述目标量子电路作用在第一类***及第二类***的初始态上,获取所述目标量子电路在第一类***上的目标量子态,其中,所述第一类***的维度与所述目标哈密顿量的维度相同;根据所述目标量子态,确定所述目标哈密顿量对应的吉布斯态。
根据第二方面,提供了一种量子吉布斯态生成装置,包括:第一获取模块,用于获取目标哈密顿量;第一确定模块,用于根据所述目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数;第二确定模块,用于根据所述目标损失函数的取值,确定所述预设的参数化量子电路中参数向量对应的目标向量;第三确定模块,用于将所述目标向量代入所述预设的参数化量子电路中,确定目标量子电路;第二获取模块,用于将所述目标量子电路作用在第一类***及第二类***的初始态上,获取所述目标量子电路在第一类***上的目标量子态,其中,所述第一类***的维度与所述目标哈密顿量的维度相同;第四确定模块,用于根据所述目标量子态,确定所述目标哈密顿量对应的吉布斯态。
根据第三方面,提供了一种电子设备,其包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如前所述的量子吉布斯态生成方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行如前所述的量子吉布斯态生成方法。
根据本申请的技术方案,通过根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数,并根据目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量,之后将目标向量代入预设的参数化量子电路中,确定目标量子电路,进而将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同,以根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过构造可在现有量子设备中进行计算、且与***自由能接近的目标损失函数,并利用目标损失函数对现有量子设备可提供的参数可调的量子电路的参数进行优化,以生成目标量子电路,进而通过目标量子电路直接生成目标哈密顿量的吉布斯态,从而实现了高效、且较准确的生成吉布斯态。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例所提供的一种量子吉布斯态生成方法的流程示意图;
图2为本申请实施例所提供的另一种量子吉布斯态生成方法的流程示意图;
图3为本申请实施例所提供的一种对参数化量子电路的参数进行迭代更新的流程示意图;
图4为本申请实施例所提供的一种计算三个量子态之间的重合度的量子电路的结构示意图;
图5为本申请实施例提供的一种量子吉布斯态生成装置的结构示意图;
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本申请实施例针对相关技术中,通过利用振幅估计和量子信号处理,来计算量子态的自由能,进而生成吉布斯态的方法,需要大量的量子位来实现,而无法在现有的量子计算机中运行的问题,提出一种量子吉布斯态生成方法。
下面参考附图对本申请提供的量子吉布斯态生成方法、装置、电子设备及存储介质进行详细描述。
图1为本申请实施例所提供的一种量子吉布斯态生成方法的流程示意图。
如图1所示,该量子吉布斯态生成方法,包括以下步骤:
步骤101,获取目标哈密顿量。
其中,哈密顿量,是一个物理词汇,是一个描述***总能量的算符。一般来说,哈密顿量是一个2n×2n的厄米矩阵,其中,n为量子位的数量。
其中,目标哈密顿量,是指当前需要制备其对应的吉布斯态的哈密顿量。比如,可以为实际的量子计算任务中,所涉及的运算步骤依赖的特定哈密顿量。
在本申请实施例中,可以根据在具体的量子计算任务中,获取量子设备发送的量子吉布斯态生成请求,进而从量子吉布斯态生成请求中获取目标哈密顿量;或者,还可以在量子计算任务中,直接确定该量子计算任务所涉及的哈密顿量,并将量子计算任务所涉及的哈密顿量,确定为目标哈密顿量。实际使用时,可以根据具体的应用场景,确定目标哈密顿量的获取方式,本申请实施例对此不做限定。
需要说明的是,在通过量子设备发送的量子吉布斯态生成请求获取目标哈密顿量时,量子吉布斯态生成请求,可以是量子设备在运算过程中根据计算需求自动发送的,也可以是用户根据实际的计算需求自定义的,本申请实施例对此不做限定。
步骤102,根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数。
其中,目标损失函数,是指构造的可以在现有量子设备中计算、并可以用于表征目标哈密顿量对应的自由能函数的函数。
需要说明的是,量子计算中的许多运算步骤都依赖于特定哈密顿量的吉布斯态。所以生成目标哈密顿量的吉布斯态在量子计算和量子机器学习等方向都至关重要。但是,由于目前提出的基于振幅估计和量子信号处理优化***的自由能以生成吉布斯态的方法、基于量子相位估计和量子游走生成吉布斯态等方法,虽然可以在理想量子设备中运行,但却无法在现有的量子设备和近期发展的量子设备上运行。
在本申请实施例中,吉布斯态是指量子在一种特定状态下的量子态,表示形式是密度矩阵。由于量子所处的状态与哈密顿量的自由能有关,因此可以通过构造与目标哈密顿量对应的自由能函数相似,且可以在现有量子设备中进行计算和运行的目标损失函数,并通过优化目标函数的取值,得到使得目标哈密顿量对应的自由能符合预设条件的量子态,即目标哈密顿量对应的吉布斯态。
作为一种可能的实现方式,可以预设确定目标损失函数的规则,以根据预设的规则确定目标损失函数。比如,预设的规则,可以是根据目标哈密顿量对应的自由能函数与现有量子设备的计算性能,确定目标哈密顿量对应的目标损失函数。从而,使得按照预设的规则构造出的目标损失函数与目标哈密顿量对应的自由能函数相似,以用于表征目标哈密顿量对应的自由能函数,且可以利用现有的量子设备计算出该目标损失函数的取值。
可选的,可以对目标哈密顿量对应的自由能函数进行展开,确定自由能函数的多项展开式,之后可以根据对目标损失函数的精度要求以及量子设备的性能,将自由能函数的多项展开式的一部分确定为目标损失函数。比如,可以将目标哈密顿量对应的自由能函数进行泰勒展开,并将自由能函数对应的二阶泰勒展开式,确定为目标损失函数。
举例来说,目标哈密顿量对应的自由能函数通过公式(1)和公式(2)表示。
F(ρ)=Tr(ρH)-β-1S(ρ) (1)
S(ρ)=-Trρlnρ (2)
其中,F(ρ)为哈密顿量对应的自由能函数,Tr为矩阵的迹,ρ为***量子态(通过密度矩阵表示),H为目标哈密顿量,β为***逆温度参数,S(ρ)为***量子态ρ的熵。
因此,在构造目标哈密顿量对应的目标损失函数时,可以对上述自由能函数进行泰勒展开,以确定上述自由能函数对应的泰勒展开式,并根据述自由能函数对应的泰勒展开式构造出在ρ的取值相同时,取值也与自由能函数F(ρ)的取值接近,且可以利用现有的量子设备计算出其取值的目标损失函数。比如,可以将上述自由能函数的二阶泰勒展开式确定为目标损失函数。
需要说明的是,实际使用时,在对目标哈密顿量对应的目标损失函数进行展开时,可以根据实际需要及具体的应用场景选取合适的数学展开方式,本申请实施例对此不做限定。比如,可以是幂级数展开、泰勒展开、麦克劳林展开,等等。
步骤103,根据目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量。
其中,预设的参数化量子电路,是指任意参数可调节的参数化量子电路。实际使用时,可以根据实际需要及具体的应用场景,选择合适的参数化量子电路,本申请实施例对此不做限定。
其中,预设的参数化量子电路中的参数向量,是指参数化量子电路中的各参数所构成的向量。
举例来说,预设的参数化量子电路可以由若干个单量子比特旋转门和受控反闸门构成,其中,若干个单量子比特旋转门分别对应的旋转角度即为预设的参数化量子电路中的参数,若干个旋转角度可以构成参数向量θ,预设的参数化量子电路可以记为U(θ),即预设的参数化量子电路为与参数向量θ有关的函数。
在本申请实施例中,可以以预设的参数化量子电路为媒介,计算目标损失函数的取值。具体的,可以将预设的参数化量子电路通过***作用在初始态(一种量子态,比如可以为零态)上,获得输出态对应的密度矩阵,进而将输出态对应的密度矩阵代入目标损失函数,确定出目标损失函数的取值。若目标函数的取值符合预设条件(比如,小于预设阈值),则可以将预设的参数化量子电路中各参数的取值构成的参数向量,确定为目标向量;若目标函数的取值不符合预设条件,则可以根据目标函数的取值,利用任意的优化算法对预设的参数量子电路中的各参数进行优化,以生成优化后的参数化量子电路,进而利用优化后的参数化量子电路继续通过***作用在初始态上,直至根据输出态对应的密度矩阵,确定的目标损失函数的取值符合预设条件,则可以结束对参数化量子电路的优化过处理过程,并将使得目标损失函数的取值符合预设条件的优化后的参数化量子电路的参数构成的参数向量,确定为目标向量。
实际使用时,目标损失函数需要满足的预设条件,是指使得目标哈密顿量的自由能达到特定状态的条件,与需要生成的吉布斯态对应的特定状态有关。比如,需要生成的吉布斯态为使得目标哈密顿量对应的自由能自小的量子态,则可以确定预设条件为“目标损失函数的取值小于预设阈值”。
需要说明的是,实际使用时,可以根据实际需要及具体的应用场景,选择任意的优化算法对预设的参数化量子电路进行优化处理,本申请实施例对此不做限定。比如,可以采用梯度下降法对预设的参数化量子电路进行优化处理。
步骤104,将目标向量代入预设的参数化量子电路中,确定目标量子电路。
其中,目标量子电路,是指根据其输出态对应的密度矩阵确定的目标损失函数的取值最小的参数化量子电路。
在本申请实施例中,确定出目标向量θ*之后,即可以将目标向量θ*代入预设的参数化量子电路,确定目标出目标量子电路U(θ*)。
步骤105,将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同。
其中,初始态,可以是零态。实际使用时,可以根据实际需求提前预设初始态,本申请实施例对此不做限定。
其中,第一类***,是指将目标量子电路作用在初始态上所使用的、且维度与目标哈密顿量的维度相同的***。
其中,目标量子态,是指目标量子电路通过第一类***作用在初始态时的输出态。
在本申请实施例中,将量子电路作用在初始态上,需要通过两个不同类的***实现,而目标哈密顿量对应的吉布斯态仅与目标量子电路作用在第一类***的初始态时的输出态有关。从而,可以将目标量子电路作用在两个不同类***的初始态上,获得输出态对应的密度矩阵,并将利用量子设备根据输出态对应的密度矩阵测量并计算出,目标量子电路在第一类***上的目标量子态。
步骤106,根据目标量子态,确定目标哈密顿量对应的吉布斯态。
在本申请实施例中,由于目标量子电路作用在初始态时的输出态,是使得目标损失函数的取值符合预设条件的量子电路,而目标损失函数用于表征目标哈密顿量对应的自由能函数,目标量子态是目标量子电路作用在初始态时的输出态,因此目标量子态是可以使得目标哈密顿量对应的自由能符合预设条件的量子态。由于目标哈密顿量对应的吉布斯态是使得目标哈密顿量对应的自由能符合预设条件的量子态,因此,在本申请实施例中,可以将目标量子态确定为目标哈密顿量对应的吉布斯态,从而实现目标哈密顿量对应的吉布斯态的生成。
根据本申请实施例的技术方案,通过根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数,并根据目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量,之后将目标向量代入预设的参数化量子电路中,确定目标量子电路,进而将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同,以根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过构造可在现有量子设备中进行计算、且与***自由能接近的目标损失函数,并利用目标损失函数对现有量子设备可提供的参数可调的量子电路的参数进行优化,以生成目标量子电路,进而通过目标量子电路直接生成目标哈密顿量的吉布斯态,从而实现了高效、且较准确的生成吉布斯态。
在本申请一种可能的实现形式中,吉布斯态可以是使得目标哈密顿量的自由能达到最小的量子态,从而可以根据构造的目标损失函数的参数,将预设的参数化量子电路作用在不同的初始态,并通过收敛参数确定目标损失函数的取值是否达到最小,以提升量子吉布斯态生成的效率和准确性。
下面结合图2,对本申请实施例提供的量子吉布斯态生成方法进行进一步说明。
图2为本申请实施例所提供的另一种量子吉布斯态生成方法的流程示意图。
如图2所示,该量子吉布斯态生成方法,包括以下步骤:
步骤201,获取目标哈密顿量。
步骤202,根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数。
上述步骤201-202的具体实现过程及原理,可以参照上述实施例的详细描述,此处不再赘述。
步骤203,将初始向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第一取值。
其中,初始向量,是指预设的参数化量子电路中各参数的初始值构成的参数向量。需要说明的是,将初始向量代入预设的参数化量子电路,可以生成初始的参数化量子电路。
作为一种可能的实现方式,目标哈密顿量对应的目标损失函数可以通过公式(3)表示。
其中,Tr为矩阵的迹,H为目标哈密顿量,ρ为***量子态,β为***逆温度参数。
通过公式(3)可以看出,在计算目标损失函数的取值时,需要用到六次量子态ρ,因此根据量子设备的工作原理,在通过参数化量子电路为媒介计算目标损失函数时,可以使得参数化量子电路作用在六组第一类***及第二类***的的初始态上,以同时获得六个输出值(即六个输出态ρ),进而利用量子设备根据六个输出值与目标损失函数,确定出目标损失函数的第一取值。
需要说明的是,由于初始态是相同的(比如,初始态是零态),因此,初始的参数化量子电路作用在六组第一类***及第二类***的初始态上的输出值也是相同的,从而可以将获得的六个输出态ρ直接代入目标损失函数,确定目标损失函数的第一取值。
进一步的,在将初始的参数化量子电路分别作用在六组第一类***及第二类***的初始态上,以获得初始的参数化量子电路作用在初始态上的六个输出值时,每组***中可以包括两个不同类的***,且可能包括与目标哈密顿量的维度不同的***。从而可以仅根据初始的参数化量子电路在第一类***上的量子态,确定目标损失函数的第一取值。即在本申请实施例一种可能的实现形式中,上述步骤203,可以包括:
将初始向量代入预设的参数化量子电路,并分别作用在六组第一类***及第二类***的初始态上,以获取第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵;
根据第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵,分别在第一类***上的量子态,确定述目标损失函数的第一取值。
其中,第一密度矩阵,是指将初始的参数化量子电路作用在第一组***的初始态时的输出值,即输出态对应的密度矩阵。相应的,第二密度矩阵,是指将初始的参数化量子电路作用在第二组***的初始态时的输出值;第三密度矩阵,是指将初始的参数化量子电路作用在第三组***的初始态时的输出值;依次类推,第六密度矩阵将初始的参数化量子电路作用在第六组***的初始态时的输出值。
举例来说,如图3所示,第一组***包括***A1和***B1,第二组***包括***A2和***B2,第三组***包括***A3和***B3,第四组***包括***A4和***B4,第五组***包括***A5和***B5,第六组***包括***A6和***B6,则第一密度矩阵可以表示为ρA1,B1,第二密度矩阵可以表示为ρA2,B2,第三密度矩阵可以表示为ρA3,B3,第四密度矩阵可以表示为ρA4,B4,第五密度矩阵可以表示为ρA5,B5,第六密度矩阵可以表示为ρA6,B6。
在本申请实施例中,由于每组***中需要包括至少一个与目标哈密顿量的维度相同的***,因此每组***中均可能存在与目标哈密顿量维度不同的***,因此,可以将初始的参数化量子电路作用在第一类***(即每组***中与目标哈密顿量的维度相同的***)的初始态上的输出态,即第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵分别在第一类***上的量子态,代入目标损失函数,以确定目标损失函数的第一取值。
需要说明的是,若一组***中包括的与目标哈密顿量的维度相同的***有多个,则可以从这多个***中任意选取一个作为该组***中包括的第一类***。比如,对于如图3所示的第一组***,若***A1和***B1均与目标哈密顿量的维度相同,则可以从***A1与***B1中任选一个作为第一组***中包括的第一类***。
举例来说,若在上例中,***B1、***B2、***B3、***B4、***B6与***B6分别为六组***中与目标哈密顿量的维度相同的第一类***,则可以在获得第一密度矩阵ρA1,B1、第二密度矩阵ρA2,B2、第三密度矩阵ρA3,B3、第四密度矩阵ρA4,B4、第五密度矩阵ρA5,B5、第六密度矩阵ρA6,B6之后,利用量子设备根据第一密度矩阵ρA1,B1、第二密度矩阵ρA2,B2、第三密度矩阵ρA3,B3、第四密度矩阵ρA4,B4、第五密度矩阵ρA5,B5与第六密度矩阵ρA6,B6,测量并计算出第一密度矩阵ρA1,B1在第一类***B1上的量子态ρB1,第二密度矩阵ρA2,B2在第一类***B2上的量子态ρB2,第三密度矩阵ρA3,B3在第一类***B3上的量子态ρB3,第四密度矩阵ρA4,B4在第一类***B4上的量子态ρB4,第五密度矩阵ρA5,B5在第一类***B5上的量子态ρB5,以及第六密度矩阵ρA6,B6在第一类***B6上的量子态ρB6。进而,将量子态ρB1、ρB2、ρB3、ρB4、ρB5与ρB6代入目标损失函数,确定目标损失函数的第一取值。
具体的,在目标损失函数包括第一子函数、第二子函数及第三子函数时,可以根据第一密度矩阵在第一类***上的量子态,确定第一子函数的取值,根据第二密度矩阵和第三密度矩阵分别在第一类***上的量子态,确定第二子函数的取值,以及根据第四密度矩阵、第五密度矩阵及第六密度矩阵在第一类***上的量子态,确定第三子函数的取值。即在本申请实施例一种可能的实现形式中,上述根据第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵,分别在第一类***上的量子态,确定目标损失函数的第一取值,可以包括:
根据第一密度矩阵在第一类***上的量子态与目标哈密顿量的第一内积,确定第一子函数的取值;
根据第二密度矩阵和第三密度矩阵在第一类***上的第一重合度,确定第二子函数的取值;
根据第四密度矩阵、第五密度矩阵及第六密度矩阵,在第一类***上的第二重合度,确定第三子函数的取值;
根据第一子函数的取值、第二子函数的取值及第三子函数的取值,确定目标损失函数的第一取值。
作为一种可能的实现方式,可以利用量子设备测量并计算出第一密度矩阵在第一类***上的量子态与目标哈密顿量的第一内积,并将第一内积确定为第一子函数的取值。比如,如图3所示,第一密度矩阵在第一类***B1上的量子态为ρB1,目标哈密顿量为H,则可以确定第一子函数的取值为Tr(HρB1)。
相应的,可以利用量子设备通过量子计算中的交换测试算法,计算出第二密度矩阵在第一类***上的量子态与第三密度矩阵在第一类***上的量子态的内积,即第二密度矩阵和第三密度矩阵分别在第一类***上的第一重合度,并将第一重合度确定为第二子函数的取值。比如,如图3所示,第二密度矩阵在第一类***B2上的量子态为ρB2,第三密度矩阵在第一类***B3上的量子态为ρB3,则第一密度矩阵与第二密度矩阵分别在第一类***上的第一重合度为Tr(ρB2ρB3),并将Tr(ρB2ρB3)确定为第二子函数的取值。
相应的,可以利用量子设备通过图4所示的量子电路(包括两个阿达马门和两个受控交换门),计算出四密度矩阵、第五密度矩阵及第六密度矩阵,在第一类***上的第二重合度,并将第二重合度确定为第三子函数的取值,其中,图4中的“|0>”表示初始态。比如,如图3所示,第四密度矩阵在第一类***B4上的量子态为ρB4,第五密度矩阵在第一类***B5上的量子态为ρB5,第六密度矩阵在第一类***B6上的量子态为ρB6,则可以将ρB4、ρB5与ρB6作为图4所示量子电路的三个输入,通过反复测量,确定测量得到0的概率p,并确定第二重合度Tr(ρB4ρB5ρB6)=2p-1,并将Tr(ρB4ρB5ρB6)确定为第三子函数的取值。
相应的,在确定出第一子函数的取值、第二子函数的取值及第三子函数的取值之后,可以根据目标损失函数中包括的各预设的参数值,将第一子函数的取值、第二子函数的取值与第三子函数的取值进行结合,以生成目标损失函数的第一取值。
步骤204,对目标损失函数进行最优化处理,确定第一向量。
其中,对目标损失函数进行最优化处理,是指对预设的参数化向量的参数向量中各参数的取值进行更新,以使利用更新后的参数化量子电路确定的目标损失函数的取值更小的处理过程。
在本申请实施例中,利用初始的参数化量子电路确定出目标损失函数的第一取值之后,可以利用优化算法根据目标损失函数的第一取值,对预设的参数化量子电路的参数向量中的各参数进行更新,生成更新后的第一向量。如图3所示,在通过量子设备计算出目标损失函数中各子函数的取值之后,可以通过传统设备计算出目标损失函数的取值,并通过传统设备利用优化算法优化并更新参数化量子电路的各参数。
步骤205,将第一向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第二取值。
在本申请实施例中,对预设的参数化量子电路的参数向量进行更新,生成第一向量之后,可以将第一向量中的各参数代入预设的参数化量子电路,以生成更新后的参数化量子电路,并将更新后的参数化量子电路作用在六组第一类***及第二类***的初始态上,以根据更新后的参数化量子电路在作用在六组第一类***及第二类***的初始态上的输出值,计算目标损失函数的第二取值。
需要说明的是,计算目标损失函数的第二取值的方式,与计算目标损失函数的第一取值的方式相同,具体的实现过程及原理可以参照上述实施例以及本实施例上述步骤的描述,此处不再赘述。
步骤206,若目标损失函数的第一取值与目标损失函数的第二取值间的差值,小于或等于预设的收敛参数,则确定目标损失函数取值最小时对应的向量为目标向量。
在本申请实施例中,可以通过预设的收敛参数确定目标损失函数是否已经取得最小值。作为一种可能的实现方式,若目标损失函数的第一取值与目标损失函数的第二取值的差值,小于或等于预设的收敛参数,则可以确定目标损失函数已经取得最小值,即并将目标损失函数取值最小是对应的向量确定为目标向量。
具体的,若目标损失函数的第二取值小于或等于第一取值,则可以将第一向量确定为目标向量;若目标损失函数的第二取值大于第一取值,则可以将初始向量确定为目标向量。
进一步的,若目标损失函数的第一取值与第二取值之间的差值大于预设的收敛参数,则可以确定更新后的参数化量子电路并未使得目标损失函数取得最小值,从而可以对更新后的参数化量子电路进行进一步更新。即在本申请实施例一种可能的实现形式中,上述步骤205之后,还可以包括:
若所述目标损失函数的第一取值与所述目标损失函数的第二取值间的差值,大于预设的收敛参数,则对所述目标损失函数进行最优化处理,确定第二向量;
将第二向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第三取值;
若目标损失函数的第二取值与目标损失函数的第三取值间的差值,大于预设的收敛参数,则返回继续对目标损失函数进行最优化处理,直至当前计算得到的目标损失函数的取值,与相邻的前一次计算得到的目标损失函数的取值间的差值,小于或等于预设的收敛参数,则确定目标损失函数取值最小时对应的向量为目标向量。
在本申请实施例中,若目标损失函数的第一取值与第二取值间的差值大于预设的收敛参数,则可以确定目标损失函数未取得最小值,从而可以利用优化算法根据目标损失函数的第二取值,对预设的参数化量子电路的参数向量中的各参数进行再次更新,生成第二向量。之后,将第二向量中的各参数代入预设的参数化量子电路,以生成再次更新后的参数化量子电路,并将再次更新后的参数化量子电路作用在六组第一类***及第二类***的初始态上,以根据再次更新后的参数化量子电路在作用在六组第一类***及第二类***的初始态上的输出值,计算目标损失函数的第三取值。
进而,判断目标损失函数的第二取值与第三取值之间的差值是否小于或等于预设的收敛参数。若是,则可以确定目标损失函数已经取得最小值,从而将第二取值与第三取值中的较小值对应的向量确定为目标向量;若否,则可以确定目标损失函数仍然未取得最小值,从而可以利用优化算法根据目标损失函数的第三取值,对预设的参数化量子电路的参数向量中的各参数继续进行更新,并利用更新后的参数化量子电路再次确定目标损失函数的取值,直至当前计算得到的目标损失函数的取值,与相邻的前一次计算得到的目标损失函数的取值间的差值,小于或等于预设的收敛参数,则可以结束上述迭代过程,并目标损失函数取值最小时对应的向量确定为目标向量。本申请实施例对预设的参数化量子电路的参数进行迭代更新的过程,可以参考图3。
步骤207,将目标向量代入预设的参数化量子电路中,确定目标量子电路。
步骤208,将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同。
步骤209,根据目标量子态,确定目标哈密顿量对应的吉布斯态。
上述步骤207-209的具体实现过程及原理,可以参照上述实施例的详细描述,此处不再赘述。
根据本申请实施例的技术方案,通过根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数,并将初始向量代入所述预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第一取值,以及对目标损失函数进行最优化处理,确定第一向量,之后将第一向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第二取值,进而在目标损失函数的第一取值与第二取值间的差值,小于或等于预设的收敛参数时,确定目标损失函数取值最小时对应的向量为目标向量,以及将目标向量代入预设的参数化量子电路中,确定目标量子电路,进而将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,以根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过构造可在现有量子设备中进行计算、且与***自由能接近的目标损失函数,并将预设的参数化量子电路作用在不同的初始态,以及通过收敛参数确定目标损失函数是否收敛,从而进一步提升了吉布斯态生成的效率和准确性。
为了实现上述实施例,本申请还提出一种量子吉布斯态生成装置。
图5为本申请实施例提供的一种量子吉布斯态生成装置的结构示意图。
如图5所示,该量子吉布斯态生成装置30,包括:
第一获取模块31,用于获取目标哈密顿量;
第一确定模块32,用于根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数;
第二确定模块33,用于根据目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量;
第三确定模块34,用于将目标向量代入预设的参数化量子电路中,确定目标量子电路;
第二获取模块35,用于将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同;
第四确定模块36,用于根据目标量子态,确定目标哈密顿量对应的吉布斯态。
在实际使用时,本申请实施例提供的量子吉布斯态生成装置,可以被配置在任意电子设备中,以执行前述量子吉布斯态生成方法。
根据本申请实施例的技术方案,通过根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数,并根据目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量,之后将目标向量代入预设的参数化量子电路中,确定目标量子电路,进而将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同,以根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过构造可在现有量子设备中进行计算、且与***自由能接近的目标损失函数,并利用目标损失函数对现有量子设备可提供的参数可调的量子电路的参数进行优化,以生成目标量子电路,进而通过目标量子电路直接生成目标哈密顿量的吉布斯态,从而实现了高效、且较准确的生成吉布斯态。
在本申请一种可能的实现形式中,上述第二确定模块33,包括:
第一计算单元,用于将初始向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第一取值;
第一确定单元,用于对目标损失函数进行最优化处理,确定第一向量;
第二计算单元,用于将第一向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第二取值;
第二确定单元,用于若目标损失函数的第一取值与目标损失函数的第二取值间的差值,小于或等于预设的收敛参数,则确定目标损失函数取值最小时对应的向量为目标向量。
进一步的,在本申请另一种可能的实现形式中,上述第二确定模块33,还包括:
第三确定单元,用于若目标损失函数的第一取值与目标损失函数的第二取值间的差值,大于预设的收敛参数,则对目标损失函数进行最优化处理,确定第二向量;
第三计算单元,用于将第二向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第三取值;
第四确定单元,用于若目标损失函数的第二取值与目标损失函数的第三取值间的差值,大于预设的收敛参数,则返回继续对目标损失函数进行最优化处理,直至当前计算得到的目标损失函数的取值,与相邻的前一次计算得到的目标损失函数的取值间的差值,小于或等于预设的收敛参数,则确定目标损失函数取值最小时对应的向量为所述目标向量。
进一步的,在本申请再一种可能的实现形式中,上述第一计算单元,包括:
获取子单元,用于将初始向量代入预设的参数化量子电路,并分别作用在六组第一类***及第二类***的初始态上,以获取第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵;
确定子单元,用于根据第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵,分别在第一类***上的量子态,确定目标损失函数的第一取值。
进一步的,在本申请又一种可能的实现形式中,上述目标损失函数包括第一子函数、第二子函数及第三子函数;
相应的,上述确定子单元,包括:
第一确定子单元,用于根据第一密度矩阵在第一类***上的量子态与目标哈密顿量的第一内积,确定第一子函数的取值;
第二确定子单元,用于根据第二密度矩阵和第三密度矩阵在第一类***上的第一重合度,确定第二子函数的取值;
第三确定子单元,用于根据第四密度矩阵、第五密度矩阵及第六密度矩阵,在第一类***上的第二重合度,确定第三子函数的取值;
第四确定子单元,用于根据第一子函数的取值、第二子函数的取值及第三子函数的取值,确定目标损失函数的第一取值。
进一步的,在本申请又一种可能的实现形式中,上述目标损失函数为:
其中,Tr为矩阵的迹,H为目标哈密顿量,ρ为***量子态,β为***逆温度参数。
需要说明的是,前述对图1、图2所示的量子吉布斯态生成方法实施例的解释说明也适用于该实施例的量子吉布斯态生成装置30,此处不再赘述。
根据本申请实施例的技术方案,通过根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数,并将初始向量代入所述预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第一取值,以及对目标损失函数进行最优化处理,确定第一向量,之后将第一向量代入预设的参数化量子电路,根据参数化量子电路作用在六组第一类***及第二类***的初始态时的输出值,计算目标损失函数的第二取值,进而在目标损失函数的第一取值与第二取值间的差值,小于或等于预设的收敛参数时,确定目标损失函数取值最小时对应的向量为目标向量,以及将目标向量代入预设的参数化量子电路中,确定目标量子电路,进而将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,以根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过构造可在现有量子设备中进行计算、且与***自由能接近的目标损失函数,并将预设的参数化量子电路作用在不同的初始态,以及通过收敛参数确定目标损失函数是否收敛,从而进一步提升了吉布斯态生成的效率和准确性。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的量子吉布斯态生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个电子设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的量子吉布斯态生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的量子吉布斯态生成方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的量子吉布斯态生成方法对应的程序指令/模块(例如,附图5所示的第一获取模块31、第一确定模块32、第二确定模块33、第三确定模块34、第二获取模块35及第四确定模块36)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的量子吉布斯态生成方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据量子吉布斯态生成方法的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至量子吉布斯态生成方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
量子吉布斯态生成方法及人脸融合方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与量子吉布斯态生成方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过根据目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数,并根据目标损失函数的取值,确定预设的参数化量子电路中参数向量对应的目标向量,之后将目标向量代入预设的参数化量子电路中,确定目标量子电路,进而将目标量子电路作用在第一类***及第二类***的初始态上,获取目标量子电路在第一类***上的目标量子态,其中,第一类***的维度与目标哈密顿量的维度相同,以根据目标量子态,确定目标哈密顿量对应的吉布斯态。由此,通过构造可在现有量子设备中进行计算、且与***自由能接近的目标损失函数,并利用目标损失函数对现有量子设备可提供的参数可调的量子电路的参数进行优化,以生成目标量子电路,进而通过目标量子电路直接生成目标哈密顿量的吉布斯态,从而实现了高效、且较准确的生成吉布斯态。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种量子吉布斯态生成方法,其特征在于,包括:
获取目标哈密顿量;
根据所述目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数;
根据所述目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量;
将所述目标向量代入所述预设的参数化量子电路中,确定目标量子电路;
将所述目标量子电路作用在第一类***及第二类***的初始态上,获取所述目标量子电路在第一类***上的目标量子态,其中,所述第一类***的维度与所述目标哈密顿量的维度相同;
根据所述目标量子态,确定所述目标哈密顿量对应的吉布斯态。
2.如权利要求1所述的方法,其特征在于,所述根据所述目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量,包括:
将初始向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第一取值;
对所述目标损失函数进行最优化处理,确定第一向量;
将所述第一向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第二取值;
若所述目标损失函数的第一取值与所述目标损失函数的第二取值间的差值,小于或等于预设的收敛参数,则确定所述目标损失函数取值最小时对应的向量为所述目标向量。
3.如权利要求2所述的方法,其特征在于,所述计算所述目标损失函数的第二取值之后,还包括:
若所述目标损失函数的第一取值与所述目标损失函数的第二取值间的差值,大于预设的收敛参数,则对所述目标损失函数进行最优化处理,确定第二向量;
将所述第二向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第三取值;
若所述目标损失函数的第二取值与所述目标损失函数的第三取值间的差值,大于预设的收敛参数,则返回继续对所述目标损失函数进行最优化处理,直至当前计算得到的所述目标损失函数的取值,与相邻的前一次计算得到的目标损失函数的取值间的差值,小于或等于所述预设的收敛参数,则确定所述目标损失函数取值最小时对应的向量为所述目标向量。
4.如权利要求2所述的方法,其特征在于,所述将初始向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第一取值,包括:
将所述初始向量代入所述预设的参数化量子电路,并分别作用在六组所述第一类***及所述第二类***的初始态上,以获取第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵;
根据所述第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵,分别在第一类***上的量子态,确定所述目标损失函数的第一取值。
5.如权利要求4所述的方法,其特征在于,所述目标损失函数包括第一子函数、第二子函数及第三子函数;
所述根据所述第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵,分别在第一类***上的量子态,确定所述目标损失函数的第一取值,包括:
根据所述第一密度矩阵在第一类***上的量子态与所述目标哈密顿量的第一内积,确定所述第一子函数的取值;
根据所述第二密度矩阵和所述第三密度矩阵在所述第一类***上的第一重合度,确定所述第二子函数的取值;
根据所述第四密度矩阵、所述第五密度矩阵及所述第六密度矩阵,在所述第一类***上的第二重合度,确定所述第三子函数的取值;
根据所述第一子函数的取值、所述第二子函数的取值及所述第三子函数的取值,确定所述目标损失函数的第一取值。
7.一种量子吉布斯态生成装置,其特征在于,包括:
第一获取模块,用于获取目标哈密顿量;
第一确定模块,用于根据所述目标哈密顿量对应的自由能函数的多项展开式,确定目标损失函数;
第二确定模块,用于根据所述目标损失函数的取值,确定预设的参数化量子电路中的参数向量对应的目标向量;
第三确定模块,用于将所述目标向量代入所述预设的参数化量子电路中,确定目标量子电路;
第二获取模块,用于将所述目标量子电路作用在第一类***及第二类***的初始态上,获取所述目标量子电路在第一类***上的目标量子态,其中,所述第一类***的维度与所述目标哈密顿量的维度相同;
第四确定模块,用于根据所述目标量子态,确定所述目标哈密顿量对应的吉布斯态。
8.如权利要求7所述的装置,其特征在于,所述第二确定模块,包括:
第一计算单元,用于将初始向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第一取值;
第一确定单元,用于对所述目标损失函数进行最优化处理,确定第一向量;
第二计算单元,用于将所述第一向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第二取值;
第二确定单元,用于若所述目标损失函数的第一取值与所述目标损失函数的第二取值间的差值,小于或等于预设的收敛参数,则确定所述目标损失函数取值最小时对应的向量为所述目标向量。
9.如权利要求8所述的装置,其特征在于,所述第二确定模块,还包括:
第三确定单元,用于若所述目标损失函数的第一取值与所述目标损失函数的第二取值间的差值,大于预设的收敛参数,则对所述目标损失函数进行最优化处理,确定第二向量;
第三计算单元,用于将所述第二向量代入所述预设的参数化量子电路,根据所述参数化量子电路作用在六组所述第一类***及所述第二类***的初始态时的输出值,计算所述目标损失函数的第三取值;
第四确定单元,用于若所述目标损失函数的第二取值与所述目标损失函数的第三取值间的差值,大于预设的收敛参数,则返回继续对所述目标损失函数进行最优化处理,直至当前计算得到的所述目标损失函数的取值,与相邻的前一次计算得到的目标损失函数的取值间的差值,小于或等于所述预设的收敛参数,则确定所述目标损失函数取值最小时对应的向量为所述目标向量。
10.如权利要求8所述的装置,其特征在于,所述第一计算单元,包括:
获取子单元,用于将所述初始向量代入所述预设的参数化量子电路,并分别作用在六组所述第一类***及所述第二类***的初始态上,以获取第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵;
确定子单元,用于根据所述第一密度矩阵、第二密度矩阵、第三密度矩阵、第四密度矩阵、第五密度矩阵及第六密度矩阵,分别在第一类***上的量子态,确定所述目标损失函数的第一取值。
11.如权利要求10所述的装置,其特征在于,所述目标损失函数包括第一子函数、第二子函数及第三子函数;
所述确定子单元,包括:
第一确定子单元,用于根据所述第一密度矩阵在第一类***上的量子态与所述目标哈密顿量的第一内积,确定所述第一子函数的取值;
第二确定子单元,用于根据所述第二密度矩阵和所述第三密度矩阵在所述第一类***上的第一重合度,确定所述第二子函数的取值;
第三确定子单元,用于根据所述第四密度矩阵、所述第五密度矩阵及所述第六密度矩阵,在所述第一类***上的第二重合度,确定所述第三子函数的取值;
第四确定子单元,用于根据所述第一子函数的取值、所述第二子函数的取值及所述第三子函数的取值,确定所述目标损失函数的第一取值。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010320153.XA CN111598246B (zh) | 2020-04-22 | 2020-04-22 | 量子吉布斯态生成方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010320153.XA CN111598246B (zh) | 2020-04-22 | 2020-04-22 | 量子吉布斯态生成方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111598246A true CN111598246A (zh) | 2020-08-28 |
CN111598246B CN111598246B (zh) | 2021-10-22 |
Family
ID=72189095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010320153.XA Active CN111598246B (zh) | 2020-04-22 | 2020-04-22 | 量子吉布斯态生成方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598246B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529203A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 纠缠量子态分辨方法、装置、设备、存储介质及产品 |
CN112633511A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于计算量子配分函数的方法、相关装置及程序产品 |
CN113098803A (zh) * | 2021-03-25 | 2021-07-09 | 北京百度网讯科技有限公司 | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 |
CN114528996A (zh) * | 2022-01-27 | 2022-05-24 | 合肥本源量子计算科技有限责任公司 | 一种目标体系试验态初始参数的确定方法、装置及介质 |
WO2022252102A1 (zh) * | 2021-06-01 | 2022-12-08 | 中国科学技术大学 | 薛定谔-海森堡变分量子基态求解方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198167A (zh) * | 2012-01-04 | 2013-07-10 | 北京邮电大学 | 半导体量子点平衡组份的计算方法 |
WO2016196005A1 (en) * | 2015-06-04 | 2016-12-08 | Microsoft Technology Licensing, Llc | Fast low-memory methods for bayesian inference, gibbs sampling and deep learning |
CN107980145A (zh) * | 2015-06-29 | 2018-05-01 | 因斯布鲁克大学 | 量子处理设备和方法 |
CN108154240A (zh) * | 2017-12-29 | 2018-06-12 | 合肥本源量子计算科技有限责任公司 | 一种低复杂度的量子线路模拟*** |
WO2019135816A2 (en) * | 2017-10-23 | 2019-07-11 | The Broad Institute, Inc. | Novel nucleic acid modifiers |
CN110073373A (zh) * | 2016-12-08 | 2019-07-30 | 微软技术许可有限责任公司 | 经由量子玻尔兹曼训练进行断层摄影和生成数据建模 |
EP3522079A1 (en) * | 2018-02-01 | 2019-08-07 | Siemens Healthcare Limited | Data encoding and classification |
CN111027703A (zh) * | 2019-12-11 | 2020-04-17 | 合肥本源量子计算科技有限责任公司 | 一种量子线路查询的方法、装置、存储介质及电子装置 |
-
2020
- 2020-04-22 CN CN202010320153.XA patent/CN111598246B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198167A (zh) * | 2012-01-04 | 2013-07-10 | 北京邮电大学 | 半导体量子点平衡组份的计算方法 |
WO2016196005A1 (en) * | 2015-06-04 | 2016-12-08 | Microsoft Technology Licensing, Llc | Fast low-memory methods for bayesian inference, gibbs sampling and deep learning |
CN107980145A (zh) * | 2015-06-29 | 2018-05-01 | 因斯布鲁克大学 | 量子处理设备和方法 |
CN110073373A (zh) * | 2016-12-08 | 2019-07-30 | 微软技术许可有限责任公司 | 经由量子玻尔兹曼训练进行断层摄影和生成数据建模 |
WO2019135816A2 (en) * | 2017-10-23 | 2019-07-11 | The Broad Institute, Inc. | Novel nucleic acid modifiers |
CN108154240A (zh) * | 2017-12-29 | 2018-06-12 | 合肥本源量子计算科技有限责任公司 | 一种低复杂度的量子线路模拟*** |
EP3522079A1 (en) * | 2018-02-01 | 2019-08-07 | Siemens Healthcare Limited | Data encoding and classification |
CN111027703A (zh) * | 2019-12-11 | 2020-04-17 | 合肥本源量子计算科技有限责任公司 | 一种量子线路查询的方法、装置、存储介质及电子装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529203A (zh) * | 2020-12-23 | 2021-03-19 | 北京百度网讯科技有限公司 | 纠缠量子态分辨方法、装置、设备、存储介质及产品 |
CN112529203B (zh) * | 2020-12-23 | 2021-09-07 | 北京百度网讯科技有限公司 | 纠缠量子态分辨方法、装置、设备及存储介质 |
CN112633511A (zh) * | 2020-12-24 | 2021-04-09 | 北京百度网讯科技有限公司 | 用于计算量子配分函数的方法、相关装置及程序产品 |
CN113098803A (zh) * | 2021-03-25 | 2021-07-09 | 北京百度网讯科技有限公司 | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 |
CN113098803B (zh) * | 2021-03-25 | 2021-11-02 | 北京百度网讯科技有限公司 | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 |
WO2022252102A1 (zh) * | 2021-06-01 | 2022-12-08 | 中国科学技术大学 | 薛定谔-海森堡变分量子基态求解方法 |
CN114528996A (zh) * | 2022-01-27 | 2022-05-24 | 合肥本源量子计算科技有限责任公司 | 一种目标体系试验态初始参数的确定方法、装置及介质 |
CN114528996B (zh) * | 2022-01-27 | 2023-08-04 | 本源量子计算科技(合肥)股份有限公司 | 一种目标体系试验态初始参数的确定方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111598246B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598247B (zh) | 量子吉布斯态生成方法、装置及电子设备 | |
CN111598246B (zh) | 量子吉布斯态生成方法、装置及电子设备 | |
JP7166322B2 (ja) | モデルを訓練するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN113011593B (zh) | 消除量子测量噪声的方法及***、电子设备和介质 | |
CN111738448B (zh) | 量子线路模拟方法、装置、设备及存储介质 | |
CN111242306B (zh) | 量子主成分分析的方法、装置、电子设备以及计算机可读存储介质 | |
CN111563186B (zh) | 量子数据存储方法、读取方法、装置及计算设备 | |
CN111144577B (zh) | 异构图之中节点表示的生成方法、装置和电子设备 | |
CN111046257B (zh) | 一种会话推荐方法、装置以及电子设备 | |
CN114580647B (zh) | 量子***的模拟方法、计算设备、装置及存储介质 | |
CN111311321B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
CN111598249B (zh) | 确定近似量子门的方法、装置、经典计算机和存储介质 | |
CN111882068B (zh) | 一种消除qaoa量子电路噪声影响的方法、装置、设备及介质 | |
CN110706147B (zh) | 图像处理的环境确定方法、装置、电子设备和存储介质 | |
CN111241838B (zh) | 文本实体的语义关系处理方法、装置及设备 | |
CN110991648A (zh) | 一种高斯分布量子态确定方法、装置以及电子设备 | |
CN114997407B (zh) | 量子测量设备的噪声消除方法及装置、电子设备和介质 | |
US20230054391A1 (en) | Calibration of quantum measurement device | |
CN111027704A (zh) | 量子资源估计方法、装置和电子设备 | |
CN111325332A (zh) | 卷积神经网络的处理方法和装置 | |
CN113902118A (zh) | 量子测量设备校准方法及装置、电子设备和介质 | |
US11362663B2 (en) | Quantum pulse determining method, apparatus, device and readable storage medium | |
CN111311000B (zh) | 用户消费行为预测模型训练方法、装置、设备及存储介质 | |
CN111709514A (zh) | 神经网络模型的处理方法和装置 | |
CN115329972B (zh) | 量子计算机性能确定方法及装置、电子设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |