CN112541590B - 量子纠缠探测方法、装置、电子设备及存储介质 - Google Patents
量子纠缠探测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112541590B CN112541590B CN202011455783.4A CN202011455783A CN112541590B CN 112541590 B CN112541590 B CN 112541590B CN 202011455783 A CN202011455783 A CN 202011455783A CN 112541590 B CN112541590 B CN 112541590B
- Authority
- CN
- China
- Prior art keywords
- quantum
- loss function
- quantum state
- state
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 164
- 238000012545 processing Methods 0.000 claims description 61
- 230000009471 action Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000002096 quantum dot Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011478 gradient descent method Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
本申请公开了一种量子纠缠探测方法、装置、电子设备及存储介质,涉及量子计算技术领域。具体实现方案为:获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数;基于待测量子态及所述两个第一量子态,获取损失函数;最小化所述损失函数,并获取最小化后所述损失函数的取值;基于所述取值探测所述待测量子态是否为纠缠态。本申请对于量子是否纠缠态的探测更为简单易行,降低了量子纠缠探测的工作量。
Description
技术领域
本申请涉及量子计算技术领域,尤其涉及一种量子纠缠探测方法、装置、电子设备及存储介质。
背景技术
在量子计算技术领域,量子纠缠是实现量子加密、量子计算、量子网络等各种量子信息技术的关键资源,稳定可靠的量子纠缠探测能够在量子纠缠处理中更容易地识别或验证量子纠缠资源。目前,量子纠缠探测的方式较为复杂,例如对于n量子比特的两方量子态ρAB,需要复制大概2n个ρAB,实现2n个不同的探测方案。
发明内容
本公开提供了一种量子纠缠探测方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种量子纠缠探测方法,包括:
获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数;
基于待测量子态及所述两个第一量子态,获取损失函数;
最小化所述损失函数,并获取最小化后所述损失函数的取值;
基于所述取值探测所述待测量子态是否为纠缠态。
根据本公开的另一方面,提供了一种量子纠缠探测装置,包括:
作用模块,用于获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数;
第一获取模块,用于基于待测量子态及所述两个第一量子态,获取损失函数;
第二获取模块,用于最小化所述损失函数,并获取最小化后所述损失函数的取值;
探测模块,用于基于所述取值探测所述待测量子态是否为纠缠态。
根据本公开的另一方面,提供了一种电子设备,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上述一方面中所述的量子纠缠探测方法。
根据本公开的另一方面,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,所述计算机指令用于使所述计算机执行上述一方面中所述的量子纠缠探测方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述一方面中所述的量子纠缠探测方法。
根据本申请的技术实现了对量子纠缠的探测,无需消耗大量的代价去构造多个量子电路分别计算量子态的高阶本征谱,降低了量子纠缠探测的工作量,使得对于量子纠缠探测的方式更为简单易行,具有更高的实用性和高效性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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是本申请提供的一种量子纠缠探测方法的流程图;
图2是本申请提供的一种量子纠缠探测方法中计算第一迹函数的量子电路;
图3是本申请提供的一种量子纠缠探测方法中计算第二迹函数的量子电路;
图4是本申请提供的一种量子纠缠探测装置的结构图;
图5是实现本申请实施例的量子纠缠探测方法的电子设备的框图。
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。
迄今为止,正在应用中的各种不同类型的计算机都是以经典物理学为信息处理的理论基础,称为传统计算机或经典计算机。经典信息***采用物理上最容易实现的二进制数据位存储数据或程序,每一个二进制数据位由0或1表示,称为一个位或比特,作为最小的信息单元。经典计算机本身存在着不可避免的弱点:一是计算过程能耗的最基本限制。逻辑元件或存储单元所需的最低能量应在kT的几倍以上,以避免在热胀落下的误动作;二是信息熵与发热能耗;三是计算机芯片的布线密度很大时,根据海森堡不确定性关系,电子位置的不确定量很小时,动量的不确定量就会很大。电子不再被束缚,会有量子干涉效应,这种效应甚至会破坏芯片的性能。
量子计算机(quantum computer)是一类遵循量子力学性质、规律进行高速数学和逻辑运算、存储及处理量子信息的物理设备。当某个设备处理和计算的是量子信息,运行的是量子算法时,他就是量子计算机。量子计算机遵循着独一无二的量子动力学规律(特别是量子干涉)来实现一种信息处理的新模式。对计算问题并行处理,量子计算机比起经典计算机有着速度上的绝对优势。量子计算机对每一个叠加分量实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算机的输出结果,这种计算称为量子并行计算。量子并行处理大大提高了量子计算机的效率,使得其可以完成经典计算机无法完成的工作,例如一个很大的自然数的因子分解。量子相干性在所有的量子超快速算法中得到了本质性的利用。因此,用量子态代替经典态的量子并行计算,可以达到经典计算机不可比拟的运算速度和信息处理功能,同时节省了大量的运算资源。
随着量子计算技术的飞速发展,其应用范围越来越广,量子通信以及量子互联网也在不断发展。量子技术中最重要的资源之一就是量子纠缠,它是量子计算和量子信息处理的基本组成部分。因此,如何在近期量子设备上高效和稳定地探测量子纠缠是量子科技中的一个核心问题。本申请提供了一种量子纠缠探测方法、装置及电子设备。
为更好地理解本申请实施例所提供的方案,以下对本申请实施例中所涉及的相关概念先进行解释说明。
在量子通信的实际应用中,通常会涉及两方量子态(例如记为A、B两方),每一方均有n个量子比特。该量子态可以由一个dAdB×dAdB大小的矩阵ρAB描述,其中dA=dB=2n,该矩阵满足以下条件:
(1).ρAB是半正定(Positive semidefinite)的,记作ρAB≥0;
(2).ρAB的对角线之和为1。
在描述本申请实施例的技术方案之前,将量子态定义为分离态(Separablestate)和纠缠态(Entangled states)。若ρAB为分离态,能够通过如下形式表示:
本申请实施例提供了一种量子纠缠探测方法,以探测量子态(例如ρAB)是否为纠缠态,以下对本申请实施例所提供的方法进行具体说明。
请参照图1,图1是本申请实施例提供的一种量子纠缠探测方法的流程图。如图1所示,该量子纠缠探测方法包括以下步骤:
步骤S101、获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数。
需要说明的是,本申请实施例提供的量子纠缠探测方法的应用场景可以是n量子比特的两方量子态的纠缠态探测。可选地,所述量子纠缠探测方法可以是应用于如近期量子设备等电子设备中,如量子计算机等。为更好地描述本申请实施例所提供的方案,在以下的描述中,将以所述量子纠缠探测方法应用于电子设备来进行具体说明。
本申请实施例中,电子设备获取参数化量子电路。可选地,所述参数化量子电路为可调节参数的参数化量子电路,比如,所述参数化量子电路包括若干个单量子比特旋转门和受控反闸门,其中的若干个单量子比特旋转门的参数组成一个向量,该向量即为所述参数化量子电路的可调节参数。在一些实施场景中,所述参数化量子电路也可以是称之为量子神经网络。
可选地,所述参数化量子电路可以是电子设备基于用户的输入来确定。电子设备在获取参数化量子电路之后,将所述参数化量子电路作用在初始量子态上,以得到新的第一量子态。在一些实施场景中,所述初始量子态也可以是称之为探针量子态。
例如,电子设备可以是基于用户的输入提前获取到两个一样的初始量子态,并将获取到的参数化电路U(α)分别作用在这两个初始化量子电路上,进而得到两个相同的第一量子态其中,是Dirac符号表示,数学上,是一个列单位向量。
步骤S102、基于待测量子态及所述两个第一量子态,获取损失函数。
本申请实施例中,所述待测量子态可以是由两方量子态形成的矩阵,其中每一方具有n个量子比特。例如对于待测量子态ρAB,可以是包括第一目标量子态ρA和第二目标量子态ρB。
本申请实施例中,可以是获取两个第一量子态与待测量子态之间的迹函数,基于所述迹函数来获取损失函数。例如,以待测量子态ρAB为例,基于步骤101得到第一量子态可以是计算第一量子态与待测量子态ρAB之间的迹函数,例如可以是利用交换测试Swap test技术计算迹函数基于得到的迹函数来获取损失函数。
可选地,所述两个第一量子态包括第一子量子态和第二子量子态,所述步骤S102可以包括:
获取所述待测量子态中目标量子态与所述第一子量子态的第一迹函数,其中,所述待测量子态包括第一目标量子态和第二目标量子态,所述目标量子态为所述第一目标量子态和所述第二目标量子态中的任意一者;
获取待测量子态与所述第二子量子态的第二迹函数;
基于所述第一迹函数及所述第二迹函数,获取损失函数。
需要说明的是,两个第一量子态是将参数化量子电路作用在初始量子态上而获得,两个初始化量子态相同,得到的,两个第一量子态也就相同,也即第一子量子态与第二子量子态相同。
其中,所述待测量子态可以是两方量子态所形成,其中一方量子态为第一目标量子态,另一方量子态为第二目标量子态。例如以待测量子态ρAB为例,第一目标量子态为ρA,第二目标量子态为ρB,所述目标量子态则可以是ρA或ρB。
本申请实施例中,分别计算目标量子态与一个第一量子态的迹函数,以及待测量子态与另一个第一量子态的迹函数。例如,假设待测量子态为ρAB,所述目标量子态为第一目标量子态ρB,参数化量子电路作用于初始量子态上得到第一子量子态为参数化量子电路作用于初始量子态上得到第二子量子态为可以是利用Swap test技术来获得迹函数,基于目标量子态和第一子量子态得到第一迹函数基于待测量子态和第二子量子态得到第二迹函数其中,tr[A]代表一个矩阵A的迹,即该矩阵的对角线上的元素之和,例如也就是计算第二子量子态与待测量子态ρAB得到的矩阵的迹。
进一步地,基于得到的第一迹函数和第二迹函数,获取损失函数。例如,所述损失函数为第一迹函数与第二迹函数之和。可选地,所述损失函数还可以是有其他的计算形式,本实施例不做具体列举。
在本申请实施例的一种实施方式中,所述损失函数为所述第一迹函数与所述第二迹函数之差,例如所述损失函数为L(α)=t1-t2。
本申请实施例中,在基于待测量子态及两个第一量子态,获得两个迹函数后,基于两个迹函数的差值来获得损失函数,使得损失函数的运算较为简单容易,无需进行大量复杂繁琐的计算,进而也就使得对于待测量子态的纠缠探测更为容易实现,工作量上也更为轻松。
步骤S103、最小化所述损失函数,并获取最小化后所述损失函数的取值。
本申请实施例中,在获得所述损失函数后,对所述损失函数进行最小化处理,以获得最小化后所述损失函数的取值。
可以理解地,所述损失函数基于第一量子态及待测量子态获得,而所述第一量子态为参数化量子电路作用于初始量子态上而得到,所述参数化量子电路包括可调节参数,若所述可调节参数进行调整,则基于参数化量子电路作用在初始量子态上的得到的第一量子态也会相应调整,进而损失函数得到的取值也会相应调整。本申请实施例中,可以是通过调整所述可调参数,以最小化所述损失函数。
可选地,所述步骤S103可以包括:
调整所述可调节参数,并对所述损失函数进行迭代处理,以最小化所述损失函数,并获取最小化后所述损失函数的取值。
在一些实施例中,可以是采用梯度下降法或者是其他最优化方法来调整所述可调节参数,并对损失函数进行迭代处理,也就是重复上述步骤101至步骤102中的流程,以最小化所述损失函数。
例如,所述损失函数为L(α)=t1-t2,在所述可调节参数α为1的情况下,计算获得的损失函数L(α)为0.5,则可以是采用梯度下降法调整所述可调节参数,例如将可调节参数α调整为0.5,则也就会获得调整后的参数化量子电路,重复上述步骤101至步骤102中的方式,得到损失函数为0.1;继续调整所述可调节参数,例如将可调节参数α调整为0.25,再次重复上述步骤101至步骤102中的方式,得到损失函数为0.01……依此方式进行迭代处理,直至所述损失函数的取值趋近于一个取值,则可以是停止损失函数的迭代处理或者说最小化处理,并将该取值确定为最小化后损失函数的取值。
本申请实施例中,通过调整可调节参数来对损失函数进行迭代处理,以最小化损失函数,以通过最小化后的损失函数的取值来探测待测量子态是否为纠缠态,在运算上更为简单容易,能够有效降低量子纠缠探测的工作量。
可选地,所述对所述损失函数进行迭代处理,以最小化所述损失函数,并获取最小化后所述损失函数的取值包括:
对所述损失函数进行迭代处理,在相邻两次迭代处理得到的损失函数的取值之差小于预设值的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值;或者,
对所述损失函数进行迭代处理,在迭代次数达到预设次数的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值。
在一种实现方式中,可以是预先设置一个预设值,例如预设值为0.01,在对所述损失函数进行迭代处理的过程中,若相邻两次迭代处理得到的损失函数的取值小于0.01,则停止对所述损失函数的迭代处理,并获取最后一次迭代处理得到的损失函数的取值,基于该取值来探测所述待测量子态是否为纠缠态。
或者,在另一种实现方式中,可以是预先设置迭代次数,例如所述迭代次数为5次,则在对所述损失函数进行5次迭代处理后,停止对所述损失函数的迭代处理,并获取最后一次迭代处理得到的损失函数的取值,基于该取值来探测所述待测量子态是否为纠缠态。
通过预先设置迭代的预设次数或者是相邻两次迭代处理的损失函数之间的差值的预设值,能够对最小化损失函数的迭代处理进行控制,避免迭代处理的无限期执行,以对损失函数的最小化处理记性把控,确保损失函数最小化处理的有效性。
步骤S104、基于所述取值探测所述待测量子态是否为纠缠态。
可以理解地,在最小化所述损失函数后,可以是通过判断最小化后所述损失函数的取值的正负,来探测所述待测量子态是否为纠缠态。
可选地,所述步骤S104可以包括:
在所述取值小于0的情况下,探测得到所述待测量子态为纠缠态。
也就是说,若最小化后所述损失函数的取值为负数,则所述待测量子态为纠缠态。例如,电子设备在计算得到损失函数的取值小于0的情况下,则可以是输出待测量为纠缠态的探测结果。可选地,在所述取值大于0的情况下,电子设备可以是输出待测量子态不为纠缠态的探测结果。进而,也就使得用户能够快速、直观地获知待测量子态是否为纠缠态。
这样,通过判断损失函数取值是否为负数,就能够实现对待测量子态是否为纠缠态的探测,使得对于量子纠缠探测的方式更为简单容易。
需要说明的是,本申请实施例可以是利用电子设备上支持的变分量子算法(Variational quantum algorithm)来实现约化判据(Reduction criterion),利用变分量子算法来单独计算两个迹函数,然后求解两个迹函数之差的最小值,对于量子态的纠缠探测更为简单。
本申请实施例提供的方案中,通过将参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,基于待测量子态以及这两个第一量子态来获取损失函数,并对损失函数进行最小化处理,基于最小化后的损失函数的取值来探测待测量子态是否为纠缠态。这样,通过可调节参数的参数化量子电路来获取损失函数,基于损失函数来探测量子态是否纠缠,无需消耗大量的代价去构造多个量子电路分别计算量子态的高阶本征谱,大大降低了量子纠缠探测的工作量,使得对于量子纠缠探测的方式更为简单易行,具有更高的实用性和高效性。
为更好地理解本申请所提供的方案,以下将通过一个具体的实施例来说明。
步骤2.获取待测量子态ρAB,利用Swap test技术计算第一迹函数请参照图2,其中,为其中一个第一量子态,即参数化量子电路U(α)作用在初始量子态|0>上得到的量子态,ρB为待测量子态ρAB中的一方量子态,通过Swap test技术计算输出第一迹函数t1。
步骤4.基于第一迹函数t1和第二迹函数t2,计算损失函数L(α)=t1-t2。
步骤5.通过梯度下降法或者其他最优化方法调整所述可调节参数α,重复步骤1~4以进行迭代处理,以最小化损失函数L(α)。其中,若L(α)的取值小于0,执行步骤6;或者,若两次迭代得到的L(α)的取值之差小于预设值,执行步骤6;或者,若迭代次数达到预设次数,执行步骤6。
步骤6.若L(α)的取值小于0,输出ρAB是纠缠态的探测结果。
本实施例中,通过可调节参数的参数化量子电路来获得两个迹函数,单独计算两个迹函数,然后求解两个迹函数之差的最小值,基于最小值的正负探测量子态是否纠缠,无需消耗大量的代价去构造多个量子电路分别计算量子态的高阶本征谱,大大降低了量子纠缠探测的工作量,使得量子纠缠探测的方式具有更高的实用性和高效性。
为验证本申请提供的量子纠缠探测方法的可行性,以下通过一个具体的实施例来进行说明。
本实施例中,涉及的量子态是等方性态(isotropic state),具体地,涉及的是2-量子位的等方性态,由如下矩阵给出:
其中,p代表的是这一类量子态的参数。针对这一类量子态,进行了仿真测试,采用梯度下降法的优化算法进行参数迭代和随机的参数初始化,通过仿真测试验证了本申请实施例方案的可行性,具体数据如下:
从上表可以看出,基于上述实施例中提供的量子纠缠探测方法,得到的损失函数取值均为负数,也即判断为纠缠态,与理论计算结果一致。因此,本申请实施例提供的量子纠缠探测方法具有较高的准确性,可行性较高。
请参照图4,本申请实施例还提供了一种量子纠缠探测装置。如图4所示,所述量子纠缠探测装置400包括:
作用模块401,用于获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数;
第一获取模块402,用于基于待测量子态及所述两个第一量子态,获取损失函数;
第二获取模块403,用于最小化所述损失函数,并获取最小化后所述损失函数的取值;
探测模块404,用于基于所述取值探测所述待测量子态是否为纠缠态。
可选地,所述两个第一量子态包括第一子量子态和第二子量子态,所述第一获取模块402还用于:
获取所述待测量子态中目标量子态与所述第一子量子态的第一迹函数,其中,所述待测量子态包括第一目标量子态和第二目标量子态,所述目标量子态为所述第一目标量子态和所述第二目标量子态中的任意一者;
获取待测量子态与所述第二子量子态的第二迹函数;
基于所述第一迹函数及所述第二迹函数,获取损失函数。
可选地,所述第二获取模块403还用于:
调整所述可调节参数,并对所述损失函数进行迭代处理,以最小化所述损失函数,并获取最小化后所述损失函数的取值。
可选地,所述第二获取模块403还用于:
对所述损失函数进行迭代处理,在相邻两次迭代处理得到的损失函数的取值之差小于预设值的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值;或者,
对所述损失函数进行迭代处理,在迭代次数达到预设次数的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值。
可选地,所述探测模块404还用于:
在所述取值小于0的情况下,探测得到所述待测量子态为纠缠态。
本实施例提供的量子纠缠探测装置400能够实现上述量子纠缠探测方法实施例的全部技术方案,因此至少能够实现上述全部技术效果,此处不再赘述。
需要说明的是,本实施例中的量子纠缠探测装置400可以是上述方法实施例中所述的电子设备,如近期量子设备等。
根据本申请的实施例,本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。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/或者要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如量子纠缠探测方法。例如,在一些实施例中,量子纠缠探测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的量子纠缠探测方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行量子纠缠探测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种量子纠缠探测方法,包括:
获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数;
基于待测量子态及所述两个第一量子态,获取损失函数;
最小化所述损失函数,并获取最小化后所述损失函数的取值;
基于所述取值探测所述待测量子态是否为纠缠态;
所述两个第一量子态包括第一子量子态和第二子量子态,所述基于待测量子态及所述两个第一量子态,获取损失函数包括:
获取所述待测量子态中目标量子态与所述第一子量子态的第一迹函数,其中,所述待测量子态包括第一目标量子态和第二目标量子态,所述目标量子态为所述第一目标量子态和所述第二目标量子态中的任意一者;
获取待测量子态与所述第二子量子态的第二迹函数;
基于所述第一迹函数及所述第二迹函数,获取损失函数。
2.根据权利要求1所述的方法,其中,所述最小化所述损失函数,并获取最小化后所述损失函数的取值包括:
调整所述可调节参数,并对所述损失函数进行迭代处理,以最小化所述损失函数,并获取最小化后所述损失函数的取值。
3.根据权利要求2所述的方法,其中,所述对所述损失函数进行迭代处理,以最小化所述损失函数,并获取最小化后所述损失函数的取值包括:
对所述损失函数进行迭代处理,在相邻两次迭代处理得到的损失函数的取值之差小于预设值的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值;或者,
对所述损失函数进行迭代处理,在迭代次数达到预设次数的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值。
4.根据权利要求1所述的方法,其中,所述基于所述取值探测所述待测量子态是否为纠缠态包括:
在所述取值小于0的情况下,探测得到所述待测量子态为纠缠态。
5.一种量子纠缠探测装置,包括:
作用模块,用于获取参数化量子电路,并将所述参数化量子电路分别作用在两个初始量子态上,以得到两个第一量子态,其中,所述参数化量子电路包括可调节参数;
第一获取模块,用于基于待测量子态及所述两个第一量子态,获取损失函数;
第二获取模块,用于最小化所述损失函数,并获取最小化后所述损失函数的取值;
探测模块,用于基于所述取值探测所述待测量子态是否为纠缠态;
所述两个第一量子态包括第一子量子态和第二子量子态,所述第一获取模块还用于:
获取所述待测量子态中目标量子态与所述第一子量子态的第一迹函数,其中,所述待测量子态包括第一目标量子态和第二目标量子态,所述目标量子态为所述第一目标量子态和所述第二目标量子态中的任意一者;
获取待测量子态与所述第二子量子态的第二迹函数;
基于所述第一迹函数及所述第二迹函数,获取损失函数。
6.根据权利要求5所述的装置,其中,所述第二获取模块还用于:
调整所述可调节参数,并对所述损失函数进行迭代处理,以最小化所述损失函数,并获取最小化后所述损失函数的取值。
7.根据权利要求6所述的装置,其中,所述第二获取模块还用于:
对所述损失函数进行迭代处理,在相邻两次迭代处理得到的损失函数的取值之差小于预设值的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值;或者,
对所述损失函数进行迭代处理,在迭代次数达到预设次数的情况下,停止所述迭代处理,并获取最后一次迭代处理得到的损失函数的取值。
8.根据权利要求5所述的装置,其中,所述探测模块还用于:
在所述取值小于0的情况下,探测得到所述待测量子态为纠缠态。
9.一种电子设备,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1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455783.4A CN112541590B (zh) | 2020-12-10 | 2020-12-10 | 量子纠缠探测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455783.4A CN112541590B (zh) | 2020-12-10 | 2020-12-10 | 量子纠缠探测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112541590A CN112541590A (zh) | 2021-03-23 |
CN112541590B true CN112541590B (zh) | 2021-09-14 |
Family
ID=75018413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011455783.4A Active CN112541590B (zh) | 2020-12-10 | 2020-12-10 | 量子纠缠探测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112541590B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190719B (zh) * | 2021-05-08 | 2022-02-01 | 北京百度网讯科技有限公司 | 节点分组方法、装置及电子设备 |
CN113255922B (zh) * | 2021-05-24 | 2022-03-11 | 北京百度网讯科技有限公司 | 量子纠缠量化方法和装置、电子设备、计算机可读介质 |
CN113313261B (zh) * | 2021-06-08 | 2023-07-28 | 北京百度网讯科技有限公司 | 函数处理方法、装置及电子设备 |
CN113517040B (zh) * | 2021-07-12 | 2022-03-15 | 北京百度网讯科技有限公司 | 量子本征求解器的实现方法、装置及电子设备 |
CN113723612B (zh) * | 2021-08-31 | 2022-06-28 | 北京百度网讯科技有限公司 | 对单向量子计算机计算模型的量子***进行操作的方法及装置 |
CN113807525B (zh) * | 2021-09-22 | 2022-05-27 | 北京百度网讯科技有限公司 | 量子电路操作方法及装置、电子设备和介质 |
CN114418107B (zh) * | 2022-01-17 | 2022-10-18 | 北京百度网讯科技有限公司 | 酉算子编译方法、计算设备、装置及存储介质 |
CN115759276B (zh) * | 2022-11-18 | 2024-07-12 | 北京百度网讯科技有限公司 | 纠缠测量设备验证方法及装置、电子设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027704A (zh) * | 2019-12-16 | 2020-04-17 | 北京百度网讯科技有限公司 | 量子资源估计方法、装置和电子设备 |
CN111814907A (zh) * | 2020-07-28 | 2020-10-23 | 南京信息工程大学 | 一种基于条件约束的量子生成对抗网络算法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034133A (zh) * | 2010-12-16 | 2011-04-27 | 浙江工业大学 | 一种基于量子神经网络的多因素***的综合评价方法 |
US10332023B2 (en) * | 2017-09-22 | 2019-06-25 | International Business Machines Corporation | Hardware-efficient variational quantum eigenvalue solver for quantum computing machines |
US10452990B2 (en) * | 2017-11-28 | 2019-10-22 | International Business Machines Corporation | Cost function deformation in quantum approximate optimization |
CA3088650C (en) * | 2018-01-18 | 2023-02-28 | Google Llc | Classification using quantum neural networks |
CN108304938A (zh) * | 2018-03-28 | 2018-07-20 | 清华大学 | 一种量子纠缠验证***及方法 |
CN108650081B (zh) * | 2018-03-30 | 2020-08-04 | 清华大学 | 基于量子纠缠的信息传送方法、装置及*** |
CA3103471A1 (en) * | 2018-07-02 | 2020-01-09 | Zapata Computing, Inc. | Compressed unsupervised quantum state preparation with quantum autoencoders |
CN110674826B (zh) * | 2019-10-09 | 2022-12-20 | 嘉兴学院 | 基于量子纠缠的字符识别方法 |
CN111563186B (zh) * | 2020-04-30 | 2021-09-24 | 北京百度网讯科技有限公司 | 量子数据存储方法、读取方法、装置及计算设备 |
CN112001498B (zh) * | 2020-08-14 | 2022-12-09 | 苏州浪潮智能科技有限公司 | 基于量子计算机的数据识别方法、装置及可读存储介质 |
-
2020
- 2020-12-10 CN CN202011455783.4A patent/CN112541590B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027704A (zh) * | 2019-12-16 | 2020-04-17 | 北京百度网讯科技有限公司 | 量子资源估计方法、装置和电子设备 |
CN111814907A (zh) * | 2020-07-28 | 2020-10-23 | 南京信息工程大学 | 一种基于条件约束的量子生成对抗网络算法 |
Non-Patent Citations (1)
Title |
---|
Exact entanglement cost of quantum states and channels under PPT-preserving operations;Xin Wang 等;《arXiv:1809.09592v1》;20180925;1-54 * |
Also Published As
Publication number | Publication date |
---|---|
CN112541590A (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112541590B (zh) | 量子纠缠探测方法、装置、电子设备及存储介质 | |
CN112561068B (zh) | 模拟方法、计算设备、经典设备、存储设备及产品 | |
CN113011593B (zh) | 消除量子测量噪声的方法及***、电子设备和介质 | |
CN112529196B (zh) | 量子纠缠探测方法、装置、电子设备及存储介质 | |
CN113298262B (zh) | 量子设备去噪方法和装置、电子设备、计算机可读介质 | |
CN112529195B (zh) | 量子纠缠探测方法、装置、电子设备及存储介质 | |
CN113807525B (zh) | 量子电路操作方法及装置、电子设备和介质 | |
CN113065659B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
CN114219076A (zh) | 量子神经网络训练方法及装置、电子设备和介质 | |
CN113792880B (zh) | 基于脉冲的量子门实现方法及装置、电子设备和介质 | |
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 | |
CN113255922B (zh) | 量子纠缠量化方法和装置、电子设备、计算机可读介质 | |
CN113705793B (zh) | 决策变量确定方法及装置、电子设备和介质 | |
CN114492823B (zh) | 消除量子噪声的方法及装置、电子设备和介质 | |
CN114021728B (zh) | 量子数据测量方法及***、电子设备和介质 | |
CN114548413A (zh) | 量子电路操作方法及装置、电子设备和介质 | |
CN115994582B (zh) | 量子测量设备性能比较方法及装置、电子设备和介质 | |
CN115345309A (zh) | ***特征信息的确定方法、装置、电子设备和介质 | |
CN113098802B (zh) | 量子噪声信道的逆映射分解方法及装置、电子设备和介质 | |
CN114897175B (zh) | 量子测量设备的噪声消除方法及装置、电子设备和介质 | |
CN116523065B (zh) | 确定量子设备演化酉矩阵的方法及装置、电子设备和介质 | |
CN114239840B (zh) | 量子信道噪声系数估计方法及装置、电子设备和介质 | |
CN114021729B (zh) | 量子电路操作方法及***、电子设备和介质 | |
CN116739098B (zh) | 量子测量设备性能估计方法及装置、电子设备和介质 | |
CN116629368B (zh) | 量子设备酉变换程度确定方法及装置、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 |