CN115144934B - 基于变分量子线路的气象预测方法及相关设备 - Google Patents
基于变分量子线路的气象预测方法及相关设备 Download PDFInfo
- Publication number
- CN115144934B CN115144934B CN202210763853.5A CN202210763853A CN115144934B CN 115144934 B CN115144934 B CN 115144934B CN 202210763853 A CN202210763853 A CN 202210763853A CN 115144934 B CN115144934 B CN 115144934B
- Authority
- CN
- China
- Prior art keywords
- quantum
- feature
- weather
- gate
- layer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 37
- 239000002096 quantum dot Substances 0.000 claims description 81
- 230000006870 function Effects 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 19
- 230000004913 activation Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000005457 optimization Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Analysis (AREA)
- Ecology (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例提供了一种基于变分量子线路的气象预测方法及相关设备，方法包括：获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，气象预测模型包括重置门、更新门、处理数据层以及输出层，重置门、更新门、处理数据层以及输出层均包括变分量子线路，基于气象预测模型中的变分量子线路对第一气象特征和第二气象特征进行处理，得到第一气象特征的预测气象特征。基于气象预测模型的变分量子线路的计算的并行性，对气象预测模型对气象的预测进行加速运算，提高气象预测效率，并且利用变分量子线路对气象特征进行处理，提高对气象预测的准确性。
Description
技术领域
本发明涉及量子计算领域，具体而言，涉及一种基于变分量子线路的气象预测方法及相关设备。
背景技术
气象预测具有重要意义，因为它影响到农业、运输和国际商务等基础领域的日常活动。预测降水率、洪水发生的风险或飓风发生的可能性，就有可能拯救人类的生命和拯救人类的现有资源。
传统的天气预报方法依赖于先验，如大气的热力学特性、数据的统计分布，或包含具有不同初始条件的多个模型的集成学习。
由于气象数据复杂度高、实时环境变化不确定性高等因素，造成基于传统的气象预测模型对气象信息进行预测时，气象预测结果不准确，且效率较低。
发明内容
本发明的目的在于提供一种基于变分量子线路的气象预测方法及相关设备，能够提高对气象预测的效率和准确性。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种基于变分量子线路的气象预测方法，所述方法包括：
获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，其中，所述气象预测模型包括重置门、更新门、处理数据层以及输出层，所述重置门、更新门、处理数据层以及输出层均包括变分量子线路；
基于所述变分量子线路对所述第一气象特征和第二气象特征进行处理，得到所述第一气象特征的预测气象特征。
在可选的实施方式中，所述重置门还包括激活函数层，所述基于所述变分量子线路对所述第一气象特征和第二气象特征进行处理，得到所述第一气象特征的预测气象特征，包括：
将所述第一气象特征和所述第二气象特征输入至所述重置门包括的变分量子线路，得到第一特征向量；
将所述第一特征向量输入至所述重置门包括的激活函数层，得到重置特征；
基于所述重置特征和所述更新门、处理数据层以及输出层的变分量子线路确定所述第一气象特征的预测气象特征。
在可选的实施方式中，所述变分量子线路包括量子比特、数据编码层、变分层以及量子测量层；所述将所述第一气象特征和所述第二气象特征输入至所述重置门包括的变分量子线路，得到第一特征向量，包括：
通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态；
通过所述变分层对所述目标量子态进行幺正操作，以使得所述目标量子态演化至纠缠量子态；
通过所述量子测量层测量演化至所述纠缠量子态的量子比特，得到第一特征向量。
在可选的实施方式中，所述数据编码层包括：H门和第一单量子旋转逻辑门，所述通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态，包括：
将所述H门作用于所述量子比特，以使得所述量子比特的初始量子态演化至叠加量子态；
基于所述第一气象特征和所述第二气象特征确定所述第一单量子旋转逻辑门的旋转参数，以及将确定参数后的所述第一单量子旋转逻辑门作用于所述量子比特，以使得所述叠加量子态演化至目标量子态。
在可选的实施方式中，所述第一单量子旋转逻辑门包括第一子单量子旋转逻辑门和第二子单量子旋转逻辑门，所述基于所述第一气象特征和所述第二气象特征确定所述第一单量子旋转逻辑门的旋转参数，包括：
基于所述第一气象特征和所述第二气象特征确定气象特征数据，以及将所述气象特征数据的反三角函数值确定为所述第一子单量子旋转逻辑门的旋转参数，将所述气象特征数据的平方的反三角函数值确定为所述第二子单量子旋转逻辑门的旋转参数。
在可选的实施方式中，所述变分层包括CNOT门和第二单量子旋转逻辑门；所述通过所述变分层对所述目标量子态进行幺正操作，以使得所述目标量子态演化至纠缠量子态，包括：
将所述CNOT门和所述第二单量子旋转逻辑门依次作用于所述量子比特，以使得所述量子比特的目标量子态演化至纠缠量子态。
在可选的实施方式中，所述通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态之前，所述方法还包括：
将所述气象特征数据的维度确定为所述量子比特的数量。
第二方面，本申请实施例提供了一种基于变分量子线路的气象预测装置，所述装置包括：
获取模块，用于获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，其中，所述气象预测模型包括重置门、更新门、处理数据层以及输出层，所述重置门、更新门、处理数据层以及输出层均包括变分量子线路；
预测模块，用于基于所述变分量子线路对所述第一气象特征和第二气象特征进行处理，得到所述第一气象特征的预测气象特征。
第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述基于变分量子线路的气象预测方法的步骤。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述基于变分量子线路的气象预测方法的步骤。
本申请具有以下有益效果：
本申请通过获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，气象预测模型包括重置门、更新门、处理数据层以及输出层，重置门、更新门、处理数据层以及输出层均包括变分量子线路，基于气象预测模型中的变分量子线路对第一气象特征和第二气象特征进行处理，得到第一气象特征的预测气象特征。基于气象预测模型的变分量子线路的计算的并行性，对气象预测模型对气象的预测进行加速运算，提高气象预测效率，并且利用变分量子线路对气象特征进行处理，提高对气象预测的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种基于变分量子线路的气象预测方法的计算机终端的硬件结构框图；
图2为本发明实施例提供的一种基于变分量子线路的气象预测方法的流程示意图之一；
图3为本发明实施例提供的气象预测模型的结构示意图；
图4为本发明实施例提供的一种基于变分量子线路的气象预测方法的流程示意图之二；
图5为本发明实施例提供的一种变分量子线路的气象预测方法的流程示意图之三；
图6为本发明实施例提供的变分量子线路示意图之一；
图7为本发明实施例提供的变分量子线路示意图之二；
图8为本发明实施例提供的变分量子线路示意图之三；
图9为本发明实施例提供的一种基于变分量子线路的气象预测装置的结构框图。
具体实施方式
下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本发明实施例首先提供了一种基于变分量子线路的气象预测方法，该方法可以应用于电子设备，如计算机终端，具体如普通电脑、量子计算机等。
下面以运行在计算机终端上为例对其进行详细说明。图1为本发明实施例提供的一种基于变分量子线路的气象预测方法的计算机终端的硬件结构框图。如图1所示，计算机终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储基于变分量子线路的气象预测方法的存储器104，可选地，上述计算机终端还可以包括用于通信功能的传输装置106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述计算机终端的结构造成限定。例如，计算机终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的基于变分量子线路的气象预测方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。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。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
需要说明的是，真正的量子计算机是混合结构的，它包含两大部分：一部分是经典计算机，负责执行经典计算与控制；另一部分是量子设备，负责运行量子程序进而实现量子计算。而量子程序是由量子语言如QRunes语言编写的一串能够在量子计算机上运行的指令序列，实现了对量子逻辑门操作的支持，并最终实现量子计算。具体的说，量子程序就是一系列按照一定时序操作量子逻辑门的指令序列。
在实际应用中，因受限于量子设备硬件的发展，通常需要进行量子计算模拟以验证量子算法、量子应用等等。量子计算模拟即借助普通计算机的资源搭建的虚拟架构(即量子虚拟机)实现特定问题对应的量子程序的模拟运行的过程。通常，需要构建特定问题对应的量子程序。本发明实施例所指量子程序，即是经典语言编写的表征量子比特及其演化的程序，其中与量子计算相关的量子比特、量子逻辑门等等均有相应的经典代码表示。
量子线路作为量子程序的一种体现方式，也称量子逻辑电路，是最常用的通用量子计算模型，表示在抽象概念下对于量子比特进行操作的线路，其组成包括量子比特、线路(时间线)、以及各种量子逻辑门，最后常需要通过量子测量操作将结果读取出来。
不同于传统电路是用金属线所连接以传递电压信号或电流信号，在量子线路中，线路可看成是由时间所连接，亦即量子比特的状态随着时间自然演化，在这过程中按照哈密顿运算符的指示，一直到遇上逻辑门而***作。
一个量子程序整体上对应有一条总的量子线路，本发明所述量子程序即指该条总的量子线路，其中，该总的量子线路中的量子比特总数与量子程序的量子比特总数相同。可以理解为：一个量子程序可以由量子线路、针对量子线路中量子比特的测量操作、保存测量结果的寄存器及控制流节点(跳转指令)组成，一条量子线路可以包含几十上百个甚至成千上万个量子逻辑门操作。量子程序的执行过程，就是对所有的量子逻辑门按照一定时序执行的过程。需要说明的是，时序即单个量子逻辑门被执行的时间顺序。
需要说明的是，经典计算中，最基本的单元是比特，而最基本的控制模式是逻辑门，可以通过逻辑门的组合来达到控制电路的目的。类似地，处理量子比特的方式就是量子逻辑门。使用量子逻辑门，能够使量子态发生演化，量子逻辑门是构成量子线路的基础，量子逻辑门包括单比特量子逻辑门，如Hadamard门(H门，阿达马门)、泡利-X门(X门)、泡利-Y门(Y门)、泡利-Z门(Z门)、RX门、RY门、RZ门等等；多比特量子逻辑门，如CNOT门、CR门、iSWAP门、Toffoli门等等。量子逻辑门一般使用酉矩阵表示，而酉矩阵不仅是矩阵形式，也是一种操作和变换。一般量子逻辑门在量子态上的作用是通过酉矩阵左乘以量子态右矢对应的矩阵进行计算。
请参照图2，图2为本发明实施例提供的一种基于变分量子线路的气象预测方法的流程图，以下将方法包括各个步骤进行详细阐述。
步骤201：获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征。
其中，气象预测模型包括重置门、更新门、处理数据层以及输出层，重置门、更新门、处理数据层以及输出层均包括变分量子线路。
步骤202：基于变分量子线路对第一气象特征和第二气象特征进行处理，得到第一气象特征的预测气象特征。
当第一气象特征携带的当前时间序列为T时间的第一气象特征时，获取预先训练的气象预测模型的T-1时间序列的第二气象特征。
第二气象特征为气象预测模型的上一时间序列的隐藏气象特征，即第二气象特征可以理解为：当第一气象特征为第一时刻的气象特征时，第二气象特征为第一时刻的上一时刻的气象特征，经过气象预测模型的处理后得到的气象特征。
需要说明的是，第一气象特征和第二气象特征可以为气温气象特征、风速气象特征、气压气象特征等，第一气象特征和第二气象特征包括以上至少之一。
例如：气温气象特征为23摄氏度，风速气象特征为6m/s，气压气象特征为1083pa，则第一气象特征即为[23,6,1083]。
气温气象特征为20摄氏度，风速为5.5m/s，气压气象特征为1083pa，则第二气象特征为[20,5.5,1083]。
将第一气象特征[23,6,1083]和第二气象特征[20,5.5,1083]作为预先训练好的气象预测模型的输入，如图3所示，为气象预测模型的结构示意图，该气象预测模型包括重置门、更新门、处理数据层以及输出层，重置门、更新门、处理数据层以及输出层均包括变分量子线路。图3中，VQC1表示重置门包含的变分量子线路，VQC2表示更新门包含的变分量子线路，VQC3表示处理数据层包含的变分量子线路，VQC4表示输出层，通过气象预测特征的重置门、更新门、处理数据层以及输出层，输出第一气象特征的预测气象特征。
具体基于气象预测模型的重置门对第一气象特征和第二气象特征进行处理时，针对上述步骤202，在本申请的另一实施例中，如图4所示，提供了一种基于变分量子线路的气象预测方法，重置门还包括激活函数层，具体包括如下步骤：
步骤202-1：将第一气象特征和第二气象特征输入至重置门包括的变分量子线路，得到第一特征向量。
步骤202-2：将第一特征向量输入至重置门包括的激活函数层，得到重置特征。
步骤202-3：基于重置特征和更新门、处理数据层以及输出层的变分量子线路确定第一气象特征的预测气象特征。
具体的，采用以下公式计算重置特征：
rt＝σ(VQC1(ht-1,xt)，其中，rt为重置特征，σ为重置门包括的激活函数层，VQC1为重置门包括的变分量子线路，ht-1为第二气象特征，xt为第一气象特征。
基于重置门中变分量子线路对第一气象特征和第二气象特征的连接处理后，通过重置门的σ激活函数，输出一个以区间[0,1]为单位的值的重置特征rt。rt的目的是来确定是“忘记”还是“保持”状态中的相应气象特征，当输出为1时，则状态为保持，当输出为0时，状态为忘记。重置门用于捕捉时序气象特征中短期的依赖关系。
更新门还包括激活函数层，将第一气象特征和第二气象特征输入至更新门包括的变分量子线路，得到第二特征向量，将第二特征向量输入至更新门包括的激活函数层，得到更新特征。更新门用于捕捉时序气象特征中长期的依赖关系。
具体地，通过以下公式计算更新特征：
zt＝σ(VQC2(ht-1,xt)，其中，zt为更新特征，σ为更新门包括的激活函数层，VQC2为更新门包括的变分量子线路，ht-1为第二气象特征，xt为第一气象特征。
处理数据层还包括激活函数层，将重置特征与第二气象特征的乘积和第一气象特征输入至处理数据层包括的变分量子线路，得到第三特征向量，将第三特征向量输入至处理数据层包括的激活函数层，得到隐藏特征。隐藏特征主要保存短期记忆。
具体地，采用以下公式计算隐藏特征：
其中，/>为隐藏特征，thnh为处理数据层包括的激活函数层，VQC3为处理数据层包括的变分量子线路，rt为重置特征，ht-1为第二气象特征，xt为第一气象特征。将重置特征、更新特征以及隐藏特征输入至输出层，得到预测气象数据具体为：
将预设数值与更新特征相减得到第一特征，将第一特征与第二气象特征相乘，得到第二特征，将第一特征与隐藏特征相乘，得到第三特征，将第二特征和第三特征相加，得到第一输出特征，将第一输出特征输入至输出层中包含的变分量子线路，得到第一气象特征的预测气象特征。
具体地：
其中，zt为更新特征，ht-1为第二气象特征，/>为隐藏特征，1为预设数值。
变分量子线路包括量子比特、数据编码层、变分层以及量子测量层，基于变分量子线路如何得到第一特征向量，在本申请的另一实施例中，如图5所示，具体包括如下步骤：
步骤301：通过数据编码层将第一气象特征和第二气象特征编码至量子比特的目标量子态。
步骤302：通过变分层对目标量子态进行幺正操作，以使得目标量子态演化至纠缠量子态。
步骤303：通过量子测量层测量演化至纠缠量子态的量子比特，得到第一特征向量。
具体地，如图6所示，为变分量子线路的结构示意图，变分量子线路包括量子比特、数据编码层、变分层以及量子测量层。
如图7所示，为变分量子线路的另一结构示意图，其中，数据编码层包括：H门和第一单量子旋转逻辑门，变分层包括CNOT门和第二单量子旋转逻辑门，基于H门、第一单量子旋转逻辑门、CNOT门、第二单量子旋转逻辑门以及量子测量层，得到第一特征向量，具体为：
将H门作用于量子比特，以使得量子比特的初始量子态演化至叠加量子态；基于第一气象特征和第二气象特征确定第一单量子旋转逻辑门的旋转参数，以及将确定参数后的第一单量子旋转逻辑门作用于量子比特，以使得叠加量子态演化至目标量子态。将CNOT门和第二单量子旋转逻辑门依次作用于量子比特，以使得量子比特的目标量子态演化至纠缠量子态，通过量子测量层测量演化至纠缠量子态的量子比特，得到第一特征向量。
数据编码层就是将气象特征编码后的数据再编码到量子态中：
量子位量子态可以表示为：
其中为每个基态和每个qi∈{0,1}的振幅。振幅/>的平方是/>中测量后状态测量的概率，总概率等于1。
将量子的初始状态转换为无偏状态(即叠加量子态)：
其中，索引i是标记计算基础的相应位字符串的十进制数。N为气象特征数据的维度。
将H门和第一单量子旋转逻辑门依次作用于量子比特，以使将第一气象特征和第二气象特征编码至变分量子线路中。
需要说明的是，初始量子态可以为0态、1态或者0态和1态的叠加态，本申请实施例对初始量子态的具体量子状态不作限制。
第一单量子旋转逻辑门包括第一子单量子旋转逻辑门和第二子单量子逻辑门，基于第一气象特征和第二气象特征确定气象特征数据，以及将气象特征数据的反三角函数值确定为第一子单量子旋转逻辑门的旋转参数，将气象特征数据的平方的反三角函数值确定为第二子单量子旋转逻辑门的旋转参数。
具体地，基于第一气象特征和第二气象特征确定气象特征数据，包括：将第一气象特征和第二气象特征中的每个元素依次排列得到气象特征数据。
示例性的，当第一气象特征数据为(1,2)时，第二气象特征数据为(3,4)，基于第一气象特征和第二气象特征确定气象特征数据为(1,2,3,4)。基于气象特征数据的维度确定量子比特的数量，气象特征数据的维度与量子比特的数量相等。当气象特征数据的维度为4时，量子比特的数量也为4。
基于量子比特的数量确定H门、第一单量子旋转逻辑门、CNOT门以及第二单量子旋转逻辑门的数量。当量子比特数量为N个时，基于N个量子比特，确定N个H门、N个第一单量子旋转逻辑门，M个CNOT门以及N个第二单量子旋转逻辑门，其中，M大于N。N个H门分别作用于每一个量子比特，N个第一单量子旋转逻辑门分别作用于每个经过H门的量子比特，M个CNOT门将N个量子比特进行纠缠，得到N个第一纠缠量子态的量子比特，N个第二单量子旋转逻辑门分别作用于每个第一纠缠量子态的量子比特，得到N个第二纠缠量子态的量子比特。
示例性的，如图8所示，为变分量子线路的另一结构示意图，当量子比特的数量为4时，H门、第一单量子旋转逻辑门、CNOT门、第二单量子旋转逻辑门、以及量子测量层的数量分别为4个H门、4个第一单量子旋转逻辑门、8个CNOT门、4个第二单量子旋转逻辑门以及4个量子测量层。4个H门分别作用于每一个量子比特，4个第一单量子旋转逻辑门分别作用于经过H门变化后的量子比特，8个CNOT门对4个量子比特产生纠缠，4个第二单量子旋转逻辑门分别作用于每个纠缠量子态的量子比特。
需要说明的是，对于CNOT门数量的设置不做具体限制，需保证设置的CNOT门数量可以将所有量子比特均进行纠缠。
示例性的，当气象特征数据为(1,2,3,4)时，参照图8，H1门作用于初始量子态为0态的量子比特，得到叠加量子态的量子比特，基于气象特征数据(1)确定的第一单量子旋转逻辑门(Ry1和Rz1)的旋转参数，将确定旋转参数的第一单量子旋转逻辑门作用于叠加量子态的量子比特，将叠加量子态的量子比特转换为目标量子态的第一量子比特。H2门作用于初始量子态为0态的量子比特，得到叠加量子态的量子比特，基于气象特征数据(2)确定第一单量子旋转逻辑门(Ry2和Rz3)的旋转参数，将确定旋转参数的第一单量子旋转门作用于叠加量子态的量子比特，将叠加量子态的量子比特转换为目标量子态的第二量子比特，H3门作用于初始量子态为0态的量子比特，得到叠加量子态的量子比特，基于气象特征数据(3)确定第一单量子旋转逻辑门(Ry3和Rz4)的旋转参数，将确定旋转参数的第一单量子旋转门作用于叠加量子态的量子比特，将叠加量子态的量子比特转换为目标量子态的第三量子比特，H4门作用于初始量子态为0态的量子比特，得到叠加量子态的量子比特，基于气象特征数据(4)确定第一单量子旋转逻辑门(Ry4和Rz4)的旋转参数，将确定旋转参数的第一单量子旋转门作用于叠加量子态的量子比特，将叠加量子态的量子比特转换为目标量子态的第四量子比特。基于8个CNOT门将第一量子比特、第二量子比特、第三量子比特以及第四量子比特纠缠，得到纠缠后的第一量子比特、纠缠后的第二量子比特、纠缠后的第三量子比特以及纠缠后的第四量子比特。将确定参数的R1(α1,β1,γ1)第二单量子旋转逻辑门作用于纠缠后的第一量子比特，将确定参数的R2(α2,β2,γ2)第二单量子旋转逻辑门作用于纠缠后的第二量子比特，将确定参数的R3(α3,β3,γ3)第二单量子旋转逻辑门作用于纠缠后的第三量子比特，将确定参数的R4(α4,β4,γ4)第二单量子旋转逻辑门作用于纠缠后的第四量子比特，得到4个纠缠量子态的量子比特。
第一单量子旋转逻辑门包括第一子单量子旋转逻辑门和第二子单量子逻辑门，基于气象特征数据，以及气象特征数据的反三角函数值确定为第一子单量子旋转逻辑门的旋转参数，将气象特征数据的平方的反三角函数值确定为第二子单量子旋转逻辑门的旋转参数。
示例性的，依然参照图8，第一单量子旋转逻辑门包括Ryi(arctan(xi))第一子单量子旋转逻辑门和Rzi(arctan(xi 2))第二子单量子旋转逻辑门，其中xi为气象特征数据，i为维度。
在气象特征数据为(1,2,3,4)时，基于气象特征数据(1)确定由Ry1(arctan(x1))和Rz1(arctan(x1 2))构成的第一单量子旋转逻辑门旋转参数，将arctan(1)确定为第一子单量子旋转逻辑门的旋转参数，将arctan(12)确定为第二子单量子旋转逻辑门的旋转参数。基于气象特征数据(2)确定由Ry2(arctan(x2))和Rz2(arctan(x2 2))构成的第一单量子旋转逻辑门的旋转参数，将arctan(2)确定为第一子单量子旋转逻辑门的旋转参数，将arctan(22)确定为第二子单量子旋转逻辑门的旋转参数。基于气象特征数据(3)确定由Ry3(arctan(x3))和Rz3(arctan(x3 2))构成的第一单量子旋转逻辑门的旋转参数，将arctan(3)确定为第一子单量子旋转逻辑门的旋转参数，将arctan(32)确定为第二子单量子旋转逻辑门的旋转参数。基于气象特征数据(4)确定由Ry4(arctan(x4))和Rz4(arctan(x4 2))构成的第一单量子旋转逻辑门的旋转参数，将arctan(4)确定为第一子单量子旋转逻辑门的旋转参数，将arctan(42)确定为第二子单量子旋转逻辑门的旋转参数。
基于旋转参数对量子比特的角度进行旋转，以使得第一单量子旋转逻辑门作用于量子比特，将叠加量子演化至目标量子态。
具体地，以气象特征数据(1)进行举例说明，将旋转参数为arctan(12)的第一子单量子旋转逻辑门作用于量子比特，得到第一目标量子态，将旋转参数为arctan(12)的第二子单量子旋转逻辑门作用于第一目标量子态的量子比特，得到第二目标量子态。
基于CNOT门将目标量子态的第一量子比特、目标量子态的第二量子比特、目标量子态的第三量子比特以及目标量子态的第四量子比特纠缠，得到纠缠后的第一量子比特、纠缠后的第二量子比特、纠缠后的第三量子比特以及纠缠后的第四量子比特。
CNOT门应用于每对具有固定邻接1和2(以循环方式)的量子位，以产生多量子位纠缠。
基于气象特征数据，通过梯度下降法的迭代优化过程，确定第二单量子旋转逻辑门的旋转参数。其中，第二单量子旋转逻辑门的旋转参数可以为不同方向的旋转角度。
采用梯度下降法确定第二单量子旋转逻辑门的旋转参数时，确定不同方向旋转角度的初始值，基于梯度下降法确定不同方向旋转角度的最优值，作为第二单量子旋转逻辑门的旋转参数。将确定旋转参数的第二单量子旋转逻辑门作用于量子比特，以得到纠缠量子态。
通过量子测量层测量演化至纠缠量子态的量子比特，得到第一特征向量。
需要说明的是，本实施例中的重置门包含的变分量子线路、更新门包含的变分量子线路、处理数据层包含的变分量子线路以及输出层包含的变分量子线路的优化(训练)后的参数是不同的。可以理解，本实施例气象预测模型中用到的各变分量子线路具备相同的结构，但是迭代优化的参数是不同的。
气象预测模型中使用到的每个变分量子线路都需要预先进行参数优化才能使用。
将训练样本输入预先构建的变分量子线路，通过数据编码层将训练样本编码成量子态特征数据，将量子态特征数据输入变分层，通过变分层对量子态特征数据进行幺正操作，得到多量子位纠缠数据，将多量子位纠缠数据输入量子测量层，通过量子测量层测量每个量子位上的期望值，得到预测信息，根据预测信息更新变分量子线路的参数。
在本实施例中，对于重置门中的变分量子线路、更新门中的变分量子线路、处理数据层中的变分量子线路以及输出层中的变分量子线路，是通过参数位移的方法进行优化：
其中x是输入训练样本，表示观测值的期望(即上述预测信息)，U0(x)是将x编码到量子状态的状态准备程序，i是要计算梯度的电路参数指数，Ui(θi)是由泡利算子产生的单量子位旋转。
可以理解，对于气象预测模型中的各个变分量子线路，会分别按照上述方式进行参数优化，且在参数优化过程中，可选取不同的训练样本，最终得到不同参数的变分量子线路，应用在气象预测模型中。
请参照图9本申请实施例还提供了一种基于变分量子线路的气象预测装置110，所述基于变分量子线路的气象预测装置110包括：
获取模块111，用于获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，其中，所述气象预测模型包括重置门、更新门、处理数据层以及输出层，所述重置门、更新门、处理数据层以及输出层均包括变分量子线路；
预测模块112，用于基于所述变分量子线路对所述第一气象特征和第二气象特征进行处理，得到所述第一气象特征的预测气象特征。
可选地，所述重置门还包括激活函数层，所述预测模块112还用于：
将所述第一气象特征和所述第二气象特征输入至所述重置门包括的变分量子线路，得到第一特征向量；
将所述第一特征向量输入至所述重置门包括的激活函数层，得到重置特征；
基于所述重置特征和所述更新门、处理数据层以及输出层的变分量子线路确定所述第一气象特征的预测气象特征。
可选地，所述变分量子线路包括量子比特、数据编码层、变分层以及量子测量层；所述预测模块112还用于：
通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态；
通过所述变分层对所述目标量子态进行幺正操作，以使得所述目标量子态演化至纠缠量子态；
通过所述量子测量层测量演化至所述纠缠量子态的量子比特，得到第一特征向量。
可选地，所述数据编码层包括：H门和第一单量子旋转逻辑门，所述预测模块112还用于：
将所述H门作用于所述量子比特，以使得所述量子比特的初始量子态演化至叠加量子态；
基于所述第一气象特征和所述第二气象特征确定所述第一单量子旋转逻辑门的旋转参数，以及将确定参数后的所述第一单量子旋转逻辑门作用于所述量子比特，以使得所述叠加量子态演化至目标量子态。
可选地，所述第一单量子旋转逻辑门包括第一子单量子旋转逻辑门和第二子单量子旋转逻辑门，所述预测模块112还用于：
基于所述第一气象特征和所述第二气象特征确定气象特征数据，以及将所述气象特征数据的反三角函数值确定为所述第一子单量子旋转逻辑门的旋转参数，将所述气象特征数据的平方的反三角函数值确定为所述第二子单量子旋转逻辑门的旋转参数。
可选地，所述变分层包括CNOT门和第二单量子旋转逻辑门；所述预测模块112还用于：
将所述CNOT门和所述第二单量子旋转逻辑门依次作用于所述量子比特，以使得所述量子比特的目标量子态演化至纠缠量子态。
可选地，所述装置还包括：
确定模块113，用于将所述气象特征数据的维度确定为所述量子比特的数量。
综上，本申请通过获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，气象预测模型包括重置门、更新门、处理数据层以及输出层，重置门、更新门、处理数据层以及输出层均包括变分量子线路，基于气象预测模型中的变分量子线路对第一气象特征和第二气象特征进行处理，得到第一气象特征的预测气象特征。基于气象预测模型的变分量子线路的计算的并行性，对气象预测模型对气象的预测进行加速运算，提高气象预测效率，并且利用变分量子线路对气象特征进行处理，提高对气象预测的准确性。
本申请还提供一种电子设备，电子设备包括处理器以及存储器。存储器存储有计算机可执行指令，计算机可执行指令被处理器执行时，实现该基于变分量子线路的气象预测方法。
本申请实施例还提供一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时，实现该基于变分量子线路的气象预测方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅为本申请的各种实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种基于变分量子线路的气象预测方法，其特征在于，所述方法包括：
获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，其中，所述气象预测模型包括重置门、更新门、处理数据层以及输出层，所述重置门、更新门、处理数据层以及输出层均包括变分量子线路；所述重置门还包括激活函数层；所述变分量子线路包括量子比特、数据编码层、变分层以及量子测量层；
通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态；通过所述变分层对所述目标量子态进行幺正操作，以使得所述目标量子态演化至纠缠量子态；通过所述量子测量层测量演化至所述纠缠量子态的量子比特，得到第一特征向量；
将所述第一特征向量输入至所述重置门包括的激活函数层，得到重置特征；
基于所述重置特征和所述更新门、处理数据层以及输出层的变分量子线路确定所述第一气象特征的预测气象特征。
2.根据权利要求1所述的方法，其特征在于，所述数据编码层包括：H门和第一单量子旋转逻辑门，所述通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态，包括：
将所述H门作用于所述量子比特，以使得所述量子比特的初始量子态演化至叠加量子态；
基于所述第一气象特征和所述第二气象特征确定所述第一单量子旋转逻辑门的旋转参数，以及将确定参数后的所述第一单量子旋转逻辑门作用于所述量子比特，以使得所述叠加量子态演化至目标量子态。
3.根据权利要求2所述的方法，其特征在于，所述第一单量子旋转逻辑门包括第一子单量子旋转逻辑门和第二子单量子旋转逻辑门，所述基于所述第一气象特征和所述第二气象特征确定所述第一单量子旋转逻辑门的旋转参数，包括：
基于所述第一气象特征和所述第二气象特征确定气象特征数据，以及将所述气象特征数据的反三角函数值确定为所述第一子单量子旋转逻辑门的旋转参数，将所述气象特征数据的平方的反三角函数值确定为所述第二子单量子旋转逻辑门的旋转参数。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述变分层包括CNOT门和第二单量子旋转逻辑门；所述通过所述变分层对所述目标量子态进行幺正操作，以使得所述目标量子态演化至纠缠量子态，包括：
将所述CNOT门和所述第二单量子旋转逻辑门依次作用于所述量子比特，以使得所述量子比特的目标量子态演化至纠缠量子态。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态之前，所述方法还包括：
将所述气象特征数据的维度确定为所述量子比特的数量。
6.一种基于变分量子线路的气象预测装置，其特征在于，所述装置包括：
获取模块，用于获取携带有当前时间序列的第一气象特征以及预先训练的气象预测模型输出的上一时间序列的第二气象特征，其中，所述气象预测模型包括重置门、更新门、处理数据层以及输出层，所述重置门、更新门、处理数据层以及输出层均包括变分量子线路；所述重置门还包括激活函数层，所述变分量子线路包括量子比特、数据编码层、变分层以及量子测量层；
预测模块，用于通过所述数据编码层将所述第一气象特征和所述第二气象特征编码至所述量子比特的目标量子态；通过所述变分层对所述目标量子态进行幺正操作，以使得所述目标量子态演化至纠缠量子态；通过所述量子测量层测量演化至所述纠缠量子态的量子比特，得到第一特征向量；
将所述第一特征向量输入至所述重置门包括的激活函数层，得到重置特征；基于所述重置特征和所述更新门、处理数据层以及输出层的变分量子线路确定所述第一气象特征的预测气象特征。
7.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1-5中任一项所述的基于变分量子线路的气象预测方法的步骤。
8.一种存储介质，其特征在于，所述存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的基于变分量子线路的气象预测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210763853.5A CN115144934B (zh) | 2022-06-29 | 2022-06-29 | 基于变分量子线路的气象预测方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210763853.5A CN115144934B (zh) | 2022-06-29 | 2022-06-29 | 基于变分量子线路的气象预测方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115144934A CN115144934A (zh) | 2022-10-04 |
| CN115144934B true CN115144934B (zh) | 2023-11-03 |
Family
ID=83409681
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210763853.5A Active CN115144934B (zh) | 2022-06-29 | 2022-06-29 | 基于变分量子线路的气象预测方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115144934B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117991409A (zh) * | 2022-10-28 | 2024-05-07 | 本源量子计算科技（合肥）股份有限公司 | 一种数值天气预报方法、装置、存储介质及电子装置 |
| CN115759413B (zh) * | 2022-11-21 | 2024-06-21 | 本源量子计算科技（合肥）股份有限公司 | 一种气象预测方法、装置、存储介质及电子设备 |
| CN115907019B (zh) * | 2023-01-09 | 2023-11-07 | 苏州浪潮智能科技有限公司 | 一种用于气象预测的量子计算机 |
| CN116400430B (zh) * | 2023-03-23 | 2024-06-14 | 本源量子计算科技（合肥）股份有限公司 | 一种气象数据预测方法、装置、存储介质及电子装置 |
| CN116384498B (zh) * | 2023-06-07 | 2023-08-18 | 上海微观纪元数字科技有限公司 | 变分量子算法线路的并行训练方法及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8694260B1 (en) * | 2010-02-01 | 2014-04-08 | Julio M. Jimeno | System and method for quality control of seismic projects |
| CN113537591A (zh) * | 2021-07-14 | 2021-10-22 | 北京琥珀创想科技有限公司 | 长期天气预测方法、装置、计算机设备及存储介质 |
| CN114358318A (zh) * | 2022-03-22 | 2022-04-15 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的分类方法及相关装置 |
| CN114496297A (zh) * | 2022-02-07 | 2022-05-13 | 上海图灵智算量子科技有限公司 | 量子门控循环神经网络预测新冠疫苗稳定性的方法及装置 |
| CN114565021A (zh) * | 2022-01-26 | 2022-05-31 | 四川元匠科技有限公司 | 基于量子循环神经网络的金融资产定价方法、***及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11244231B2 (en) * | 2018-09-05 | 2022-02-08 | Siemens Aktiengesellschaft | Quantum-machine training of knowledge graphs |
-
2022
- 2022-06-29 CN CN202210763853.5A patent/CN115144934B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8694260B1 (en) * | 2010-02-01 | 2014-04-08 | Julio M. Jimeno | System and method for quality control of seismic projects |
| CN113537591A (zh) * | 2021-07-14 | 2021-10-22 | 北京琥珀创想科技有限公司 | 长期天气预测方法、装置、计算机设备及存储介质 |
| CN114565021A (zh) * | 2022-01-26 | 2022-05-31 | 四川元匠科技有限公司 | 基于量子循环神经网络的金融资产定价方法、***及存储介质 |
| CN114496297A (zh) * | 2022-02-07 | 2022-05-13 | 上海图灵智算量子科技有限公司 | 量子门控循环神经网络预测新冠疫苗稳定性的方法及装置 |
| CN114358318A (zh) * | 2022-03-22 | 2022-04-15 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的分类方法及相关装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115144934A (zh) | 2022-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115144934B (zh) | 基于变分量子线路的气象预测方法及相关设备 | |
| CN112232513A (zh) | 一种量子态的制备方法及装置 | |
| CN115759413B (zh) | 一种气象预测方法、装置、存储介质及电子设备 | |
| CN114358216B (zh) | 基于机器学习框架的量子聚类方法及相关装置 | |
| CN116403019A (zh) | 遥感图像量子识别方法、装置、存储介质及电子装置 | |
| CN115293254A (zh) | 基于量子多层感知器的分类方法及相关设备 | |
| CN114764619A (zh) | 一种基于量子线路的卷积操作方法及装置 | |
| CN113222151B (zh) | 一种量子态的变换方法及装置 | |
| CN116011681A (zh) | 一种气象数据预测方法、装置、存储介质及电子装置 | |
| CN115409185A (zh) | 一种线性函数对应的量子线路的构建方法及装置 | |
| CN114492815A (zh) | 一种基于量子化学计算目标体系能量的方法、装置及介质 | |
| CN115983392A (zh) | 量子程序映射关系的确定方法、装置、介质及电子装置 | |
| CN115809707A (zh) | 量子比较运算方法、装置、电子装置及基础算术组件 | |
| CN114819170A (zh) | 基于量子线路的期权估算方法、装置、介质及电子装置 | |
| CN116400430B (zh) | 一种气象数据预测方法、装置、存储介质及电子装置 | |
| CN115618663B (zh) | 一种网格方程与物理方程耦合的量子求解方法及装置 | |
| WO2024007919A1 (zh) | 基于lbm的量子流动模拟方法、装置、介质及设备 | |
| CN115879559A (zh) | 多个量子态之间的等值关系判断方法、装置及量子计算机 | |
| CN116306952A (zh) | 一种分子性质预测方法、装置、存储介质及电子装置 | |
| CN117877611A (zh) | 一种预测分子性质的方法及装置 | |
| CN117852665A (zh) | 基于量子线路的物理***状态预测方法及相关装置 | |
| CN115829038A (zh) | 费米子***到量子比特***的变换确定方法及变换框架 | |
| CN117408345A (zh) | 基于lbm的量子流动模拟方法、装置、介质及设备 | |
| CN115114569A (zh) | 一种基于量子线路的非线性偏微分方程求解方法及装置 | |
| CN115829039A (zh) | 一种费米子***的宇称分层方法、装置、电子设备及介质 |
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 |