JP6873120B2 - 量子プロセッサにおける縮退軽減のためのシステムと方法 - Google Patents
量子プロセッサにおける縮退軽減のためのシステムと方法 Download PDFInfo
- Publication number
- JP6873120B2 JP6873120B2 JP2018521356A JP2018521356A JP6873120B2 JP 6873120 B2 JP6873120 B2 JP 6873120B2 JP 2018521356 A JP2018521356 A JP 2018521356A JP 2018521356 A JP2018521356 A JP 2018521356A JP 6873120 B2 JP6873120 B2 JP 6873120B2
- Authority
- JP
- Japan
- Prior art keywords
- qubit
- qubits
- annealing
- quantum
- processor
- 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 description 251
- 239000002096 quantum dot Substances 0.000 claims description 611
- 238000000137 annealing Methods 0.000 claims description 478
- 230000008878 coupling Effects 0.000 claims description 49
- 238000010168 coupling process Methods 0.000 claims description 49
- 238000005859 coupling reaction Methods 0.000 claims description 49
- 230000008859 change Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 230000015556 catabolic process Effects 0.000 claims description 8
- 238000006731 degradation reaction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- 230000005641 tunneling Effects 0.000 description 120
- 230000005291 magnetic effect Effects 0.000 description 117
- 230000004907 flux Effects 0.000 description 78
- 230000006870 function Effects 0.000 description 78
- 239000000523 sample Substances 0.000 description 74
- 230000005283 ground state Effects 0.000 description 38
- 230000009471 action Effects 0.000 description 37
- 238000009826 distribution Methods 0.000 description 32
- 230000004048 modification Effects 0.000 description 26
- 238000012986 modification Methods 0.000 description 26
- 238000005259 measurement Methods 0.000 description 24
- 230000000875 corresponding effect Effects 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 21
- 238000005457 optimization Methods 0.000 description 20
- 238000005496 tempering Methods 0.000 description 20
- 230000003111 delayed effect Effects 0.000 description 17
- 230000004044 response Effects 0.000 description 15
- 230000000116 mitigating effect Effects 0.000 description 14
- 230000005415 magnetization Effects 0.000 description 13
- 238000005070 sampling Methods 0.000 description 13
- 230000006399 behavior Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 230000005281 excited state Effects 0.000 description 11
- 230000002829 reductive effect Effects 0.000 description 11
- 230000007704 transition Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 238000013459 approach Methods 0.000 description 9
- 230000002085 persistent effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 230000008014 freezing Effects 0.000 description 8
- 238000007710 freezing Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000036962 time dependent Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000002730 additional effect Effects 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 6
- 230000002441 reversible effect Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000000265 homogenisation Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000007670 refining Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000001976 improved effect Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 241001245475 Ancilla Species 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000005059 dormancy Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005610 quantum mechanics Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 102100031102 C-C motif chemokine 4 Human genes 0.000 description 1
- 101100054773 Caenorhabditis elegans act-2 gene Proteins 0.000 description 1
- 206010011878 Deafness Diseases 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000006266 hibernation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000009290 primary effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000005233 quantum mechanics related processes and functions Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
- G06F15/163—Interprocessor communication
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Description
本開示は一般的には、量子プロセッサと、関連システム、デバイス、方法および物品とに関する。
量子デバイス
量子デバイスは量子力学的効果が観察可能である構造である。量子デバイスは電流輸送が量子力学的効果により支配される回路を含む。このようなデバイスはスピントロニクスと超伝導回路とを含む。スピンと超伝導の両方は量子力学的現象である。量子デバイスはコンピューティングマシーンなどにおける測定機器に使用され得る。
量子コンピュータは、データに対し演算を行うために重ね合せ、トンネリング、もつれなど少なくとも1つの量子力学的現象を直接利用するシステムである。量子コンピュータの要素は量子ビットである。量子コンピュータは、量子物理学を疑似することにより計算問題などいくつかのクラスの計算問題のスピードアップを提供し得る。
量子アニーリングは系の低エネルギー状態(通常、好ましくは系の基底状態)を見出すために使用され得る計算方法である。古典的疑似アニーリング(simulated annealing)と概念的に同様に、本方法は「自然系は、より低いエネルギー状態がより安定しているためより低いエネルギー状態に向かう」という根本原理に基づく。古典的アニーリングは系を低エネルギー状態に誘導するために古典的熱ゆらぎを利用するが、量子アニーリングは古典的アニーリングより精確におよび/または迅速にエネルギー極小値に達するために非局在化の源(source of delocalization)として量子トンネリングなどの量子的効果を利用し得る。
HE∝A(t)HP+B(t)HD
ここで、HEは進化ハミルトニアン、HPは問題ハミルトニアン、HDは非局在化ハミルトニアンであり、A(t)、B(t)は、進化速度を制御し通常は範囲[0,1]内であり得る係数である。
ここで、Nは量子ビットの数を表し、
はi番目の量子ビットのパウリx行列であり、Δiはi番目の量子ビット内に誘発される単一量子ビットトンネル***量(single qubit tunnel splitting)である。ここで、
項は「非対角線」項の例である。
ここで、Nは量子ビットの数を表し、
はi番目の量子ビットのパウリz行列であり、hiとJijは量子ビットの無次元局所場と量子ビット間の結合であり、εはHPの特性エネルギー尺度である。
超伝導量子プロセッサは、本システムおよび方法を実施するために使用され得る量子アニーリング(および/または断熱量子コンピューティング:下記参照)部品用に設計され得る。超伝導量子プロセッサは、複数の超伝導量子ビットと、量子ビット間のチューニング可能
結合(対角線結合)を提供する少なくとも1つの結合器とを含み得る。
項をシステムハミルトニアン内に提供する。
量子計算の1つのモデルは断熱量子コンピューティングである。断熱量子コンピューティングは例えば困難な最適化問題(hard optimization problem)を解決するのに好適であり得る。断熱量子コンピューティングは量子アニーリングの特別なケースと考えられ得る。断熱量子計算では、系は理想的には、断熱進化を通じてその基底状態で始まりそしてそれに留まる。当業者は、量子アニーリングシステムおよび方法が一般的には断熱量子コンピュータ上で実施され得るということを理解することになる。本明細書と添付の特許請求の範囲を通じ、量子アニーリングへのいかなる参照も、文脈が別途必要としない限り、断熱量子計算を包含するように意図されている。
ハイブリッドコンピューティングシステムは、アナログコンピュータへ通信可能に結合されたデジタルコンピュータを含み得る。いくつかの実施形態では、アナログコンピュータは量子コンピュータであり、デジタルコンピュータは古典的コンピュータである。
量子力学系では、エネルギーレベルは、エネルギーレベルが2つ以上の異なる測定可能状態に対応し得れば縮退していると言われる。量子力学系の2つ以上の異なる状態は、同じエネルギーレベルに対応し得れば縮退していると言われる。量子ビットとして知られた量子2進数は2状態量子力学系である。量子ビットを2つの状態の第1の状態から第2の状態へ反転することが系のエネルギーに影響を与えなければ、2つの状態は縮退していると言われる。
DicksonとAmin(arXiv 1104.2349)は、補助(ancillary)量子ビット(すなわち制約)をハミルトニアンへ加えることにより摂動交差(perturbative crossings)を回避する方法について説明している。DicksonとAminは「単一量子ビットトンネリングエネルギーをチューニングすることによる経路の極小値のクラスタへのペナルティに基づく単純断熱部量子アルゴリズムが、極小ギャップを生じる摂動交差を解消するという点で効果的であり得る」ということを証明した。
量子プロセッサおよびデジタルプロセッサを含むハイブリッドコンピューティングシステムにおける縮退軽減方法であって、量子プロセッサとデジタルプロセッサは互いに通信可能に結合され、量子プロセッサは複数のデバイスを含み、サンプルを提供するサンプル生成器として操作される、方法は、問題を量子プロセッサへ送信すること;終了判定基準が満足されるまで:複数のサンプルを量子プロセッサにより引き出すこと;複数のサンプルをデジタルプロセッサへ戻すこと;サンプルカウンタを初期化すること;サンプルカウンタが所定サンプル限度に達するまで:デバイスカウンタを初期化すること;デバイスカウンタが第1の所定デバイス限度に達するまで:デバイスカウンタによりインデックス付けされたデバイスがフロッピーである(floppy)かどうかを判断すること;デバイスカウンタをインクリメントすること、を繰り返し反復すること;サンプルカウンタをインクリメントすること;デバイスカウンタを初期化すること;デバイスカウンタが第2の所定デバイス限度に達するまで:デバイスカウンタによりインデックス付けされたデバイスの正規化フロッピーネス(floppiness)メトリックを計算すること;アニーリングの際にデバイスを進めるためにオフセットを加えること;デバイスカウンタをインクリメントすること、を含むものとして要約され得る。
2^(k−1)/(k−1)
ここで、kは論理量子ビットの鎖トポロジーの長さである。エンコードは因数分解問題を埋め込む乗算回路を含み得る。
添付図面では、同一参照番号は同様の要素または行為を識別する。添付図面における要素の寸法と相対位置は必ずしも原寸に比例して描かれていない。例えば、様々な要素の形状と角度は必ずしも原寸に比例して描かれていなく、これらの要素のいくつかは図面の読み易さを向上させるために任意に拡大され配置される。さらに、描かれた要素の特定形状は、特定要素の実際の形状に関するいかなる情報も伝えるように必ずしも意図されていなく、添付図面における認識の容易さのために選択された。
以下の説明では、いくつかの具体的詳細が、様々な開示実施形態を完全に理解するために含まれる。しかしながら、当業者は、実施形態はこれらの特定の詳細のうちの1つ以上が無しに、または他の方法、部品、材料等により、実行され得るということを認識することになる。他の例では、量子デバイスなどの量子プロセッサ、結合器、およびマイクロプロセッサと駆動回路とを含む制御システムに関連する周知構造については、本方法の実施形態の説明を不必要に曖昧にしないように詳細に示さなかったまたは説明しなかった。本明細書と添付の特許請求の範囲を通じて、用語「要素」と「要素群」は、限定するものではないが量子プロセッサに関連するすべてのこのような構造、システムおよびデバイスと、それらに関連するプログラム可能パラメータとを包含するように使用される。
少なくともいくつかの量子プロセッサは、プロセッサ上でエンコードされた問題の低エネルギー状態を見出すために量子ビットのトンネリング振る舞いを利用する。トンネリング振る舞いは、Δiで表される単一量子ビットトンネル***(splitting)パラメータ(量子ビットの「トンネリング速度」または「アニーリング速度」とも呼ばれる)を介し量子ビット毎に記述され得る。トンネリング速度Δiは通常、アニールの過程にわたって低下し、進化の過程中、量子ビットがその状態を変えることに対して大いに耐性がある低い値に達し、したがって問題と相互作用するのを中止する。この振る舞いは「凍結」と呼ばれ、凍結された量子ビットは進化の残りの間実効的に固定されると考えられ得る。
低精度問題セットにおいて、実験は量子ビットの程度のパリティ(すなわち、量子ビット当たりの活性結合器の数)へのハードウェア性能の強い依存性を示した。特に、大集団の低精度問題セットに関して、C2スケールにおいてでさえ、性能データは「ファットテール(fat tails)」を呈示し得る。語句「ファットテール」は、ハードウェアにとって特に困難な低精度問題セットの一部を指す。ファットテールは、低速で低エネルギー解を生成する問題インスタンスおよび/または低エネルギー解を生成できない問題を含み得る。
「フロッピー量子ビット」は、量子ビットの状態がエネルギーのいかなる変更も無しに反転され得る量子ビットである。同様に、フロッピー領域は、エネルギーの変更無しにすべてが一斉にまたは同時に反転され得る一組の複数の結合された量子ビットである。以下に続く本明細書では、用語「フロッピー量子ビット」は文脈が別途指示しない限りフロッピー量子ビットまたはフロッピー領域を含む。
ここで、niはi番目量子ビットまたは量子ビットの領域がフロッピーであったサンプルの数であり、Nはサンプルの総数である。正規化フロッピーネスメトリックの他の好適な定義が利用され得る。いくつかの実施形態では、フロッピーネスメトリックは非正規化され得る。
いくつかの実施形態では、量子ビットは、量子ビットの磁化率(magnetic susceptibility)(χで表され、本明細書では時に単に「susceptibility」と呼ばれる)に基づき量子アニーリングの際に進められ得るまたは遅らせられ得る。磁化率χは、印加磁界に応じた量子ビットの磁化の程度を記述するいくつかのタイプの量子ビット(磁束量子ビットを含む)の特性である。この応答は様々な状況において変化し得る(例えば、他の量子ビットとのその結合の強度およびトポロジーと、他の量子ビットの磁束バイアスとに依存して)。したがって、量子ビットの磁化率χは異なる問題に対しては異なり得る。いくつかの実施形態では、特定問題の1つ以上の量子ビットの磁化率χは測定および/または推測され、1つ以上の量子ビットの少なくとも1つはその磁化率χに基づき進められるまたは遅らせられる。便宜上、本開示において磁化率を「判断する」ことへ言及は磁化率を測定することおよび/または磁化率を推定することを含む。
ここで、
は第1の組の進化における量子ビットのすべての永久電流測定の平均値、
は第2の組の進化における量子ビットのすべての永久電流測定の平均値、
は第1の組の進化において量子ビットに適用される磁束バイアス、
は第2の組の進化において量子ビットに適用される磁束バイアスである。
|χ−χT|>T
Δnew=(1+ω)Δold
ここで、ΔoldはΔチューニングに先立つ量子ビットのΔiでありΔnewはΔチューニング後の量子ビットのΔiである。
いくつかの実施形態では、量子ビットの磁化率は、量子ビットの1つ以上の特性を推測しそれらの特性に基づき量子ビットの磁化率を推定するためのモデルを使用することにより、推測される。磁化率のこのような推定は例えば方法200の206において使用され得る。以下にさらに詳細に論述されるように、このような推定において使用され得るモデルは限定するものではないが平均場モデルを含む。
がハードウェアから受信される。ここで、各siは、サンプル内のi番目の量子ビットの状態を指す。例えば、サンプル
は204(図2)において収集されたサンプルであり得る。本明細書の他のどこかでさらに詳細に論述されるように、複数のサンプル
は、磁化率判断方法500aの少なくとも一部を複数回行うことにより(例えば510において繰り返すことにより)受信され得る。いくつかの実施形態では、各サンプル
は、量子プロセッサ上でエンコードされる同じ問題(例えば、202において受信される問題)に対応する。いくつかの実施形態では、様々なサンプル
が、様々なエネルギー尺度において問題を計算することにより取得され得る。以下の開示は、方法500の要素が、502において受信されるサンプル
毎に行われ得るという理解の元に、概して単一サンプル
を参照する。
に基づき生成される。例えば、初期推定は磁化率に関係する量子ビットの特性の推測であり得る。いくつかの実施形態では、初期推定は、推測電流
の集合である。ここで、各Iiは、アニール中の特定時間tにおけるi番目の量子ビットの電流を指す(量子ビットの電流はアニールの過程にわたって変化し得るということに留意されたい)。別の推定が方法500を行う間に生成され得るので、初期推定は
で表され得、i番目の推定は
で表される。いくつかの実施形態では、初期推定
は次式に基づき回路系により判断される:
Ii=−siIp
ここで、Ipはi番目の量子ビットの時間tにおける永久電流である。この例示的推定の代わりにまたはこれに加えて他の初期推定が使用され得るということが理解される。
の初期推定
は別の
を生成するために精緻化され得、別の推定
を生成するために精緻化され得る、等々である。
の推定は終了条件まで連続的に生成され得、これにより
で表される精緻化推定を生成する。例えば、
の推定は
が収斂するまで連続的に生成され得、収斂する値(および/または収束時の最終生成値)は精緻化推定
として使用され得る。別の例として、
の推定は繰り返しの閾値数が発生するまで連続的に生成され得、最終生成推定は精緻化された
として使用され得る。
ここで
、ここで、Φiはi番目の量子ビットの磁束、Mは量子ビット間の相互インダクタンスの行列である。
ここで、Φbiはi番目の量子ビットに適用される外部バイアスである。
の推定は、
の各推定が
の事前推定に基づく(逆も同様)ように回路系により繰り返し生成される。例えば、
の各推定は次式に基づき判断され得る:
ここで、
は
のi番目の推定である。
の別の推定、すなわち
は
に基づき生成され得る。
の精緻化推定
は様々な推定
に基づき生成され得る。
の初期推定
に続く1つ以上の推定は平均場モデルに基づき生成され得る。例えば、
は、磁束
を有する孤立量子ビットの電流の期待値に基づき生成され得る。例えば、
は次式に基づき各要素Iiを判断することにより生成され得る:
ここで、
は磁束Φの関数としての孤立量子ビットの電流である、Φiは
のi番目の要素である、〈・〉は期待値を表す。
は孤立量子ビットのモデルに基づき計算される。例えば、双安定rf-SQUIDの量子振る舞いは、次式に基づき孤立量子ビットのハミルトンHによりモデル化され得る:
ここで、ε=2IpΦ。Δは縮退におけるrf-SQUIDの状態間のトンネリング速度であり、σzとσxは上に与えられた意味を有する。Hの固有エネルギーは
。基底状態におけるrf-SQUIDの永久電流Ipの期待値は〈Ig〉=Ip〈σz〉=IpcosΘであり、励起状態におけるrf-SQUIDの永久電流Ipの期待値は〈Ie〉=Ip〈σx〉=−IpcosΘである。ここで、Θ=π/2−tan−1(ε/Δ)。温度Tでは、熱平衡を想定すると、孤立量子ビットの永久電流期待値は〈Ip〉=Pg〈Ig〉+Pe〈Ie〉である、ここで、PgとPeはそれぞれ基底状態と励起状態ボルツマン占有係数である。
ここで、kBはボルツマン定数である。したがって、推定
は次式に従ってその要素Iiを計算することにより回路系により生成され得る:
ここで、Φiは
のi番目の要素である。
の推定は傾斜降下を介し生成され得る。例えば、
の推定
は次式に基づき繰り返し生成され得る:
ここで、
は
の関数として表現可能である(例えば、上述のIi=〈Ip〉iの式の逆を取ることにより)、
は対角線行列である。ここで、各j番目の対角線成分は、j番目の量子ビットの磁化率の推定
であり、そして
。この式は、所与の量子ビットの磁束Φjが次の展開に基づき一次推定され得るということを観測することにより導出され得る。
ここで、
は
のj番目の要素であり、
は
のj番目の要素である。この関係式は上記
の式を生成するために式
に代入され得る。
の推定は、
において評価される電流−磁束の関係式の微係数(dIj)/(dΦj)に基づき生成され得る。微係数(dIj)/(dΦj)は、任意の好適な方法を介し(例えば、数値的に、記号的に、解析的に)判断されてもよいし、電流−磁束関係式の任意の利用可能モデルに基づいてもよい。いくつかの実施形態では、
は上述の永久電流〈Ip〉の孤立量子ビット期待値に基づき判断され、(例えば)次式を生じ得る。
は505において生成された推定に基づき量子ビット毎に判断される。いくつかの実施形態では、問題磁化率
は、例えば
に基づき上述のように生成された推定
に基づき得る。このような推定
は、回路系により505において(例えば、最終生成推定
として)生成されたかもしれない、および/または、回路系により精緻化推定
に基づき506において生成され得る。
は、505の精緻化推定に基づき、そしてさらに1つ以上の量子ビットの磁束バイアス
の変化による量子ビットの磁束
の推測された摂動に基づき、生成される。例えば、推測された問題磁化率
は次式に基づき判断され得る:
ここで、
は、j番目の量子ビットの磁束バイアスの変化に対するi番目の量子ビットの磁化率の推測であり、
は
行列(上述の)である。ここで、
の対角線成分は
に基づき判断される。反転された
行列の第(i,j)要素は
に対応する。
は連立方程式
の解として受諾されるということを仮定すると、
。磁束バイアス
における微小摂動
は次のものを生じる:
上述したことに基づき、次式が導出され得る:
これは次式を生じ、
これにより
の要素を量子ビットの磁化率に関係付ける。特に、
の対角線要素(
で表されられ得る)は、その電流の変化に対する量子ビットjの推測磁化率に対応し、
が
の推測として使用されるようにする。
を生成するために回路系により合成され得る。例えば、量子ビットの合成推測
は、当該量子ビットに関して生成される推測磁化率を平均化することにより判断され得る。合成推測
は出力され得、方法500は終了し得る。描写された実施形態などのいくつかの実施形態では、方法500は生成された磁化率に基づきΔチューニングオフセットを生成することを継続し得る。したがって、方法500は、方法200の行為210(図2)および/または方法400の行為418(図4)の一部としてまたはその代わりに行われ得る。
が判断される。いくつかの実施形態では、
の値は、例えば
のトンネリング速度を有する孤立量子ビットが506において判断された推測問題磁化率
に整合する磁化率を有するように、Δjの値が選択されるように、孤立量子ビットモデルに基づき判断される。
ここで、Φjはj番目の量子ビットの磁束である。
は任意の利用可能なやり方で判断され得る。いくつかの実施形態では、
の値は、磁束Φjと磁化率
とをトンネリング速度
に関係付けた参照テーブル内に見出される。いくつかの実施形態では、トンネリング速度
はモデルおよび/または式に基づき判断される。いくつかの実施形態では、
は、対応孤立量子ビット磁化率が
にほぼ等しくなるように判断される(例えば、参照テーブルが所与の磁束Φjの
の離散値を含めば、問題磁化率
に最も密接に整合する孤立量子ビット磁化率χ1qに対応する
の値が選択され得る)。
の複数の値が510を介し繰り返し判断されれば、512において、複数のトンネリング速度
の値が、量子ビット毎の合成目標トンネリング速度
を推測するために回路系により使用される。いくつかの実施形態では、
は複数のトンネリング速度
の値を平均化することにより判断される。便宜のために、合成トンネリング速度
は方法500の以降の行為では単にトンネリング速度
と呼ばれる。以降の行為はそれを含む個々に生成された値の代わりに合成トンネリング速度
を活用する(行為510と512が行われれば)ということが理解される。
に基づき判断される。この判断は本明細書では均質化と呼ばれる。均質化のゴールは、少なくともいくつかの状況において様々な量子ビットの凍結時間の差を低減することである(それらの初期の均質化前凍結時間に比較して)。
の統計的特性に基づき判断される。例えば、量子ビットjのΔチューニングオフセットωjは、目標トンネリング速度
の中央値と均質化前トンネリング速度Δjとの差に基づき判断され得る。いくつかの実施形態では、ωjは次式に基づき判断される。
の変化を関係付けたモデルとに基づき生成され得る。したがって、オフセットωjに基づき回路系により実行される方法500の以降の繰り返しは、別のハードウェアサンプルに完全に基づいてもよいし、部分的に基づいてもよいし、または全く基づかなくてもよい。
いくつかの実施形態では、量子ビットの状態は完了に先立って進化中に測定される。このような測定は、進化の過程にわたる時間依存量子アニーリング動力学的特性に関する情報(例えば、概算凍結時間、時間の関数として状態の相関、および/または他の情報)を提供し得る。このような情報は、(例えば)Δチューニングを介しアニール処理を操作するために使用され得る。いくつかの実施形態では、磁束検出器は1つ以上の量子ビットの期待値を進化中に1または複数回測定するために使用され、磁束検出器の測定結果は1つ以上の量子ビットの1つ以上のΔiをチューニングするために使用される。
本明細書の他のどこかで指摘したように、量子ビット毎アニーリングスケジュールΔiを修正するための少なくともいくつかの手法は、効果的に計算されるように問題を修正しし得る。例えば、磁束量子ビットの永久電流を修正することは、量子ビットのアニーリングスケジュールΔiを変更することになるが、量子ビットの磁束も概して修正し、これにより、問題を変更して解決されるようにする。
各内部量子ビットと結合に関しΔi=ΔとJi=Jであれば(すなわち、すべてのΔiおよびJiが同一であれば)、これは次のように簡略化され得る:
これは、論理量子ビット内の量子ビットの数が増加すると論理量子ビットの実効トンネリング速度は指数関数的に低下するということを意味する。
一手法では、結果は、32−量子ビット4−正則グラフ(32-qubit 4-regular graph)を形成するように構成されたC2グラフを使用して取得され得る。ハイブリッドコンピュータは零局所量子ビットバイアスを有する1BOP(1ビット精度:1 bit of precision)問題をハードウェアへ送信し得る。1BOP問題は、結合強度J=±1のものである。いくつかの結合器はまた、これらを「利用不能に」することにより無効にされ得る。一般的にこのような問題は容易であるが、ハイブリッドコンピュータは例えば、2つの基底状態と400超の第1の励起状態と有する17,000のインスタンスを最初に生成し、次に、成功の最低ハードウェア可能性(通常は、5%未満)を有する100のインスタンスを取ることにより100個のハードインスタンスを見出し得る。より大きなグラフに埋め込まれたC2の構造を使用することにより、補助量子ビットは32個の量子ビットのそれぞれに添付され得る。
別の手法は、量子アニーリング中に量子ビットのいくつかを他の量子ビットに対して進めるために局所CCJJ(複合−複合ジョセフソン接合)DAC(デジタル−アナログ変換器)を使用することによりエネルギースペクトルを修正する。これはC2集合全体にわたる永久電流平衡の劣化を引き起こし得るが一次的な主要効果は、量子アニーリング中に量子ビットのいくつかの横磁場を修正することであり得る。
縮退軽減は領域凍結に関係付けられる。領域凍結は通常、その関係は概して1対1ではないが縮退軽減に相関付けられる。
1.困難なC2問題インスタンスをプログラムする。
2.ハードウェアから1000サンプルを引き出す。
3.所与のサンプルに関し、量子ビット毎に、その隣量子ビットからの正味バイアスを次のように計算する:
4.すべての量子ビットおよびサンプルに関し、次式の蔓延度を計算する:bi=0
5.bi=0の最高蔓延度を有する5つの量子ビットを判断し選択する。
6.これらの量子ビットを他のものに対して2.5mΦ0だけ進めるように局所CCJJ DACバイアスを調整する。
7.このバイアスが適用された後、別の100サンプルを収集する。
アニーリングスケジュールの休止を実施することが有益であり得る。
アニール時間は調整され得る。ここで説明されたシステムおよび方法のいくつかの実施形態では、ユーザが所望アニール時間を規定し得る。アニール時間はユーザインターフェース(例えばアプリケーションプログラミングインターフェース)(API)を介し提供され得る。アニール時間は事前調整アニール時間より速くても遅くてもよい。
ここで説明されたシステムおよび方法のいくつかの実施形態では、アニーリングスケジュールは中間アニーリングランプを含み得る。標準的アニール(例えば、永久電流の線型増加)は、進化中のある時点で永久電流を急峻に増加することによるアニールの突然加速により遮断され得る。
ここで説明されたシステムおよび方法のいくつかの実施形態では、アニーリングスケジュールは1つ以上の中間アニーリング休止および/または1つ以上の中間アニーリングランプの好適な組み合わせを含み得る。
図11Dは、アニーリングスケジュール内に中間アニーリング休止および中間アニーリングランプを含むアニーリングスケジュール操作を有する例示的アニールシナリオを示すチャート1100dを示す。図11Dは例示的アニーリングスケジュールを示すが、当業者は、所望進化を実現するために他のアニーリングスケジュールが使用され得るということを認識することになる。
区分的線形アニーリングスケジュールはアニーリングスケジュールの一例である。区分的線形アニーリングスケジュールは、それぞれが時間の線形関数である1つ以上のセグメントを含む。図11Dは区分的線形アニーリングスケジュールの一例である。図11Dの例では、永久電流ipは、それぞれが時間の線形関数であるまたは進化sを通じて進捗の関数として線形である区分的線形セグメントで変化する。例えば、第1の線形セグメントはランプ1165である。スケジュールは5つの他の線形セグメント1170、1175、1180、1185、1190をそれぞれ有する。当業者は、任意の好適なシーケンスの線形セグメントがアニーリングスケジュールを生成するために合成され得るということを認識することになる。
上述したように、量子プロセッサは量子アニーリングおよび/または断熱量子計算を行うように設計され得る。問題ハミルトニアンに比例した第1項と非局在化ハミルトニアンに比例した第2項との合計に比例する進化ハミルトニアンが次のように構築され得る。
HE∝A(t)HP+B(t)HD
ここで、Nは量子ビットの数を表し、
はi番目の量子ビットのパウリx行列、Δiはi番目の量子ビット内に誘発される単一量子ビットトンネル***量である。ここで、
項は「非対角線」項の例である。
ここで、Nは量子ビットの数を表し、
はi番目の量子ビットのパウリz行列であり、hiとJijは量子ビットの無次元局所場であり、量子ビット間の結合であり、εはHPの特性エネルギー尺度である。
項をシステムハミルトニアン内に提供する。
ここで説明されたシステムおよび方法のいくつかの実施形態では、複数のハードウェア量子ビットを含む論理量子ビットのアニーリングスケジュールは論理量子ビットの特性に基づき判断される。論理量子ビットは論理量子ビットの様々な特性(構成量子ビットの数、内部および外部結合などを(部分的に)含む)に依存する実効トンネリング速度(Δeff)を有するということが本明細書の他のどこかで観測された。他のどこかで説明したように、1つの戦略は、所望Δeffまたはその近似を得るためにこれらの特性を操作することである。
このような実験の例が図19において方法1900として示される。1905において、因数分解問題(例えば、a×b=35の解(a,b)を見出す)が生成される。1910において、当該問題をエンコードする乗算回路のための埋め込みが生成される(例えば米国特許第8,700,689号に記載のように)。任意選択的に、1915では、1つ以上のスケーリング係数が選択される。例えば、範囲[0,1]内の複数のスケーリング係数(一組の係数{0,0.1,0.2,...1}など)が選択され得る。より多いまたは少ないスケーリング係数が選択され得る。
長さk>1の鎖毎に、スケーリング係数αが選択されると、次式のCCJJオフセットが使用された:
他の式が可能であり得るということが理解される。本発明者らは、これらの式は、少なくとも例示的問題における鎖の動力学的特性を同期させるために必要とされるオフセットの近似値を計算するために合理的でありかつかなり効率的であったということを発見した。
ここで説明されたシステムおよび方法のいくつかの実施形態では、量子ビットおよび/または一組の量子ビットのアニーリングスケジュールは、1つ以上の他の量子ビットに対する量子ビットおよび/また一組の量子ビットの位置に基づき判断され得る。例えば、量子ビットのグラフの外方端上またはそれに近接して配置された1つ以上の量子ビットは、グラフ内の他の量子ビットと比較して進められ得るまたは遅らせられ得る。グラフは、例えばハードウェア量子ビットの作業用グラフ、ハードウェア量子ビットの特定作業用グラフを疑似する仮想グラフ(例えば、米国暫定特許出願第62/375785号に記載のような)、および/または各論理量子ビットが1つ以上のハードウェア量子ビットに対応する論理量子ビットの埋め込みグラフであり得る。
ここで説明されたシステムおよび方法のいくつかの実施形態では、論理量子ビットのアニーリングスケジュールは、論理量子ビットを構成する量子ビットが同じまたは異なるアニーリングスケジュールオフセットを有するように、操作され得る。例えば、論理量子ビット内のすべての量子ビットは同じアニーリングオフセットを有し得、外部結合を有する量子ビットは、内部結合だけを有する量子ビットとは異なるオフセットを割り当てられ得る(および/または様々な判定基準に基づくオフセットを割り当てられ得る)、および/またはグラフ内の様々な位置を有する量子ビットは様々なオフセットを割り当てられ得る(および/または様々な判定基準に基づきオフセットを割り当てられ得る)。このアニーリングスケジュール操作は、本明細書の他のどこかで説明された他のアニーリングスケジュール操作戦略に加えられ得る(またはその代替であり得る)。論理量子ビットレベルスケジュールは広い(例えば、全プロセッサ的(processor-wide))アニーリングスケジュールと区別するために「サブスケジュール」と呼ばれることがある。
ここで説明されたシステムおよび方法のいくつかの実施形態では、量子ビットの一サブセットがアニールされるが、量子ビットの別のサブセットはアニールしない。サブセットの量子ビットは、ハードウェア量子ビット、論理量子ビット、および/または任意の他の量子ビット表現を含み得る。例えば、サブセットの量子ビットがアニーリングのために選択され得、アニーリングスケジュールがそれらの量子ビットに割り当てられ得、残りの量子ビットは、クランプされ得るまたはそうでなければそれらの動力学的特性の変更が阻止され得る(例えば、それらの対応CCJJ DACバイアスをプログラミングすることにより)。このような阻止は本明細書では残りの量子ビットを「休止させる」と呼ばれる。次に、選択された量子ビットはそれらのアニーリングスケジュールに従ってアニールされ得る。次に、残りの量子ビットは休止解除(すなわち、アニーリングを再開することを許可)され得る。
アニーリング中に量子ビットを進める(または遅らす)本開示システムおよび方法の別の実施形態は、制約を識別し、これを例えば回路出力から回路入力に向かって論理回路全体にわたって逆伝搬する。例えば、回路出力に近い量子ビットは進化の早い時期に凍結され得る。これは、サブセットの量子ビットのトンネリング振幅を別のサブセットの量子ビットより早く低減し始めることにより、またはより速い速度でトンネリング振幅を低減することにより実現され得る。例えば、トンネリング振幅の時間依存勾配は論理回路全体にわたって確立され得る。トンネリング振幅の勾配はアニーリングスケジュールに対応し得る。
アナログプロセッサは雑音に対して脆弱である傾向があり、かなりの努力が、このような雑音の量および影響を低減するために既存システムでは概してなされる。例えば、少なくともいくつかのアナログプロセッサが熱雑音を低減するために極低温環境(例えば、1°K未満)において操作される。しかし、このような環境においてでさえ、雑音が入り得る。例えば、過冷却アナログプロセッサを接続する通信線もまた、はるかに暖かい(例えば、室温)環境内のデバイスに接続し得、これにより、雑音がアナログプロセッサに影響を与える潜在的経路を導入する。
アニーリングスケジュールを操作するための本開示の技術は最適化問題に限定されない。例えば、本開示の技術はまた、サンプリング操作の過程でアナログプロセッサ(および/またはハイブリッドコンピュータ)の性能を改善するために適用され得る。当業者によく知られることになるように、アナログプロセッサは入力問題により定義された分布からサンプルを引き出すために使用され得る。
μi=ni/S
ここで、niは、量子ビットqiが谷viのS個のサンプル内でフロッピーであった回数である。
改善または最適化されたアニーリングスケジュールを判断するためには、アニーリング中の異なる時点において量子ゆらぎを測定することが有益かもしれない。量子ゆらぎは量子相転移近傍で高くなるまたは最大になる傾向があり、量子ゆらぎが高くなった時点でアニーリングを減速することが有益であり得る。
アニール器(物理的量子アニール器など)は用意されたモデルと目標モデル間の一連のモデルを介しアニーリングスケジュールに従って進み得る。用意されたモデルは例えば状態の一様な重ね合せまたは古典的状態にわたる一様分布であり得る。目標モデルは、例えばエネルギー関数の最小値に関する分布または低システム温度におけるボルツマン分布であり得る。物理的(またはマルコフ連鎖モンテカルロ(MCMC:Markov Chain Monte Carlo))動力学的特性がアニーリング中の状態を修正し得る。
と横磁場(Δ)およびエネルギー尺度(E)の曲線によりプログラムされ得る。適切な単位の選択により、逆温度β=1。この場合、関数Γ(t)は時間依存状態(E,logΔ)を記述するベクトルである。ここで、Γ(0)は用意された状態パラメータ化である、Γ(1)は目標状態である。関数Γ(t)はスケジュールと呼ばれることがある。
H(x)=ΓTΦ(x)
●動的洞察に頼ることなく実施され得る好適なハミルトニアンのアニーリングスケジュールの選択;
●推測された平衡エネルギー統計に基づくアニーリングスケジュールの選択;
●量子シミュレーションからの入力に基づく物理的量子アニール器のアニーリングスケジュールの選択。
いくつかの実施形態では、アナログプロセッサにより実行可能な問題のアニーリングスケジュールは目的関数に基づきデジタルプロセッサにより選択される。このような選択方法2000の例が図20のフローチャートとして示される。2005において、問題は、アニーリングスケジュールが生成されるデジタルプロセッサにより受信される。
量子アニーリング中にフロッピー量子ビットまたは量子ビットのフロッピー領域を進ませるまたは遅らせることで、縮退の影響を軽減し、ハードウェア性能を改善し得る。軽減は局所CCJJ DACバイアスを使用することにより実現され得る。フロッピー量子ビットを進ませるまたは遅らせることでトンネリング速度Δqを低減する量子ハードウェアでは、永久電流は非同期化され得、量子ビットバイアスおよび結合項の誤差(それぞれh、J)に繋がる。誤差は量子アニーリング過程中に一度に補正され得るが、フロッピー量子ビットを進ませるまたは遅らせることは、軽減されるデバイスにおけるhとJに関する時間依存誤差を生じ得る。その結果、最終ハミルトニアンは軽減処理により歪められ得る。
ここで、Δqは初期トンネリング振幅であり、Δancillaは補助トンネリング振幅であり、Jは結合強度であり、Δfloppyは、補助量子ビットへ結合される際のフロッピー量子ビットの実効トンネリング振幅である。
μi=ni/N
ここで、niは量子ビットがフロッピーである回数であり、Nはメトリックを生成するために使用されるサンプルの数である。
量子アニーリングは、時間依存ハミルトニアンを単純な重ね合せから有用な古典的問題まで進化させることを含み得る。量子アニーリングの欠点は、「アニール器は、状態が最終ハミルトニアンにとって好ましくないがアニール中の先の中間ハミルトニアンにとって依然として好ましければ望ましくない状態に向かってバイアスをかけられ得る」ということである。これは、例えばh(量子ビットバイアス)項とJ(結合)項の両方が使用されれば発生し得る。バイアス項には結合項より比較的高い優先権がアニール中の早い時期に与えられることが可能である。これは、アニール器を好ましくない部分空間(またはエネルギーランドスケープにおける谷)に向かって押し進める時間依存h/Jミスマッチを生じ得る。好ましいまたは正しい解を見出すために、アニール器は好ましくない部分空間から別の谷へトンネリングする。
図16は、アナログコンピュータ1651へ結合されたデジタルコンピュータ1605を含む例示的ハイブリッドコンピューティングシステム1600を示す。いくつかの実施形態では、アナログコンピュータ1651は量子コンピュータであり、デジタルコンピュータ1605は古典的コンピュータである。例示的デジタルコンピュータ1605は、本システムおよび方法において説明された古典的デジタル処理タスクを行うために使用され得るデジタルプロセッサを含む。当業者は、本システムおよび方法が専用機械を形成するように正しく構成またはプログラムされるとおよび/またはアナログコンピュータ(例えば量子コンピュータ)を制御するために通信可能に結合されると携帯デバイス、マルチプロセッサシステム、マイクロプロセサベースまたはプログラム可能民生電子機器、パーソナルコンピュータ(PC)、ネットワークPC、ミニコンピュータ、メインフレームコンピュータなどを含む他のデジタルコンピュータ構成により実施され得るということを理解することになる。
図17は、本システムおよびデバイスを実現するために使用され得る量子アニーリング(および/または断熱量子コンピューティング)部品用に設計された例示的超伝導量子プロセッサ1700の一部分の概要図である。図17に示す超伝導量子プロセッサ1700の一部は2つの超伝導量子ビット1701、1702を含む。量子ビット1701、1702間の結合器1710を介したチューニング可能結合(対角線結合)(すなわち、2局所相互作用を提供する)もまた示される。図17に示す量子プロセッサ1700の一部は2つの量子ビット1701、1702および1つの結合器1710だけを含むが、当業者は、量子プロセッサ1700は任意数の量子ビットとそれら間の情報を結合する任意数の結合器とを含み得るということを認識することになる。
項をシステムハミルトニアン内に提供する。
Claims (20)
- 量子プロセッサおよびデジタルプロセッサを含むハイブリッドコンピューティングシステムにおける縮退軽減方法であって、前記量子プロセッサと前記デジタルプロセッサは互いに通信可能に結合され、前記量子プロセッサは複数のデバイスを含み、サンプルを提供するサンプル生成器として操作される、方法において、
問題を前記量子プロセッサへ送信すること;
終了判定基準が満足されるまで:
複数のサンプルを前記量子プロセッサにより引き出すこと;
前記複数のサンプルを前記デジタルプロセッサへ戻すこと;
サンプルカウンタを初期化すること;
前記サンプルカウンタが所定サンプル限度に達するまで:
デバイスカウンタを初期化すること;
前記デバイスカウンタが第1の所定デバイス限度に達するまで:
前記デバイスカウンタによりインデックス付けされたデバイスがフロッピーであるかどうかを判断すること;
前記デバイスカウンタをインクリメントすること、を繰り返し反復すること;
前記サンプルカウンタをインクリメントすること;
前記デバイスカウンタを初期化すること;
前記デバイスカウンタが第2の所定デバイス限度に達するまで:
前記デバイスカウンタによりインデックス付けされた前記デバイスの正規化フロッピーネスメトリックを計算すること;
アニーリングの際に前記デバイスを進めるためにオフセットを加えること;
前記デバイスカウンタをインクリメントすること、を含む方法。 - 終了条件が満足されたかどうかを判断することをさらに含む請求項1に記載の方法。
- 終了条件が満足されたかどうかを判断することは、所定数の繰り返しを完了すること、
許容計算時間の所定上限に達すること、または連続繰り返し間の前記問題の解のエネルギーの変化が所定閾値未満であるということを判断することのうちの少なくとも1つを含む、請求項2に記載の方法。 - 量子プロセッサを含むハイブリッドコンピューティングシステムにおける縮退軽減は超伝導量子プロセッサを含むハイブリッドコンピューティングシステムにおいて縮退を軽減することを含む、請求項1に記載の方法。
- 前記デバイスカウンタによりインデックス付けされたデバイスがフロッピーであるかどうかを判断することは前記デバイスカウンタによりインデックス付けされた超伝導量子ビットがフロッピーであるかどうかを判断することを含む、請求項4に記載の方法。
- 前記デバイスカウンタによりインデックス付けされた超伝導量子ビットがフロッピーであるかどうかを判断することは、前記問題の解のエネルギーの変化が、前記超伝導量子ビットの状態が反転されるときに所定閾値未満かどうかを判断することを含む、請求項5に記載の方法。
- 前記デバイスカウンタによりインデックス付けされた超伝導量子ビットがフロッピーであるかどうかを判断することは近隣デバイスからの零正味バイアスの蔓延度を判断することを含む、請求項5に記載の方法。
- 前記デバイスカウンタによりインデックス付けされた前記デバイスの正規化フロッピーネスメトリックを計算することは、前記デバイスがフロッピーであると判断された回数を合計することと、これを前記所定サンプル限度で除すこととを含む、請求項1に記載の方法。
- 前記第1の所定デバイス限度は前記第2の所定デバイス限度と同じである、請求項1に記載の方法。
- 前記量子プロセッサにより複数のサンプルを引き出すことは少なくとも1000個のサンプルを前記量子プロセッサにより引き出すことを含む、請求項1に記載の方法。
- 前記デバイスカウンタによりインデックス付けされた前記デバイスがフロッピーであるかどうかを判断することは、前記デバイスカウンタによりインデックス付けされた量子ビットの領域がフロッピーであるどうかを判断することを含み、前記量子ビットの領域は複数の結合量子ビットを含む、請求項1に記載の方法。
- 複数のデバイスと;読み出しサブシステムとを含む少なくとも1つの量子プロセッサと;
前記少なくとも1つの量子プロセッサへ通信可能に結合された少なくとも1つのデジタルプロセッサベースデバイスと;
縮退を軽減するためのプロセッサ実行可能命令を格納する少なくとも1つの非一時的コンピュータ可読記憶媒体とを含む、ハイブリッドコンピューティングシステムにおいて、
前記少なくとも1つの非一時的コンピュータ可読記憶媒体は、実行されると少なくとも1つのプロセッサベースデバイスに:
問題を前記量子プロセッサへ送信させ;
終了判定基準が満足されるまで:
複数のサンプルを前記量子プロセッサにより引き出すこと;
前記読み出しシステムを介し前記複数のサンプルを前記デジタルプロセッサベースデバイスへ戻させ;
サンプルカウンタを初期化すること;
前記サンプルカウンタが所定サンプル限度に達するまで:
デバイスカウンタを初期化すること;
前記デバイスカウンタが第1の所定デバイス限度に達するまで:
前記デバイスカウンタによりインデックス付けされた前記デバイスがフロッピーであるかどうかを判断すること;
前記デバイスカウンタをインクリメントすることを繰り返し反復させ;
前記サンプルカウンタをインクリメントさせ;
前記デバイスカウンタを初期化させ;
前記デバイスカウンタが第2の所定デバイス限度に達するまで:
前記デバイスカウンタによりインデックス付けされた前記デバイスの正規化フロッピーネスメトリックを計算させ;
アニーリングの際に前記デバイスを進めるためにオフセットを加えさせ;
デバイスカウンタをインクリメントさせる、ハイブリッドコンピューティングシステム。 - 前記量子プロセッサは超伝導量子プロセッサであり、前記複数のデバイスは複数の超伝導量子ビットを含み、前記量子プロセッサはさらに複数の結合デバイスを含み、各結合デバイスは前記複数の超伝導量子ビット内のそれぞれ一対の超伝導量子ビット間の制御可能伝達結合を提供する、請求項12に記載のハイブリッドコンピューティングシステム。
- 前記少なくとも1つのプロセッサデバイスは、前記デバイスカウンタによりインデックス付けされた超伝導量子ビットがフロッピーであるかどうかを、前記問題の解のエネルギーの変化は前記超伝導量子ビットの状態が反転されるときに所定閾値未満かどうかに少なくとも部分的に基づき判断される、請求項13に記載のハイブリッドコンピューティングシステム。
- 前記少なくとも1つのプロセッサデバイスは、前記デバイスカウンタによりインデックス付けされた超伝導量子ビットが近隣デバイスからの零正味バイアスの蔓延度に少なくとも部分的に基づきフロッピーであるかどうかを判断する、請求項13に記載のハイブリッドコンピューティングシステム。
- 前記正規化フロッピーネスメトリックは、前記デバイスがフロッピーであると判断された回数を前記所定サンプル限度で除ししたものである、請求項12に記載のハイブリッドコンピューティングシステム。
- 前記第1の所定デバイス限度は前記第2の所定デバイス限度と同じである、請求項12に記載のハイブリッドコンピューティングシステム。
- 前記複数のサンプルは少なくとも1000個のサンプルを含む、請求項12に記載のハイブリッドコンピューティングシステム。
- 前記終了判定基準は、所定数の繰り返しを完了すること、許容計算時間の所定上限に達すること、または連続繰り返し間の前記問題の解のエネルギーの変化が所定閾値未満であるということを判断することのうちの少なくとも1つを含む、請求項12に記載のハイブリッドコンピューティングシステム。
- 前記デバイスは複数の結合量子ビットを含む量子ビットの領域であり、
前記デバイスカウンタによりインデックス付けされたデバイスがフロッピーであるかどうかを判断するために、前記少なくとも1つのプロセッサは、前記デバイスカウンタによりインデックス付けされた量子ビットの領域がフロッピーであるかどうかを判断する、請求項12に記載のハイブリッドコンピューティングシステム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021070787A JP7157842B2 (ja) | 2015-10-27 | 2021-04-20 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
JP2022162242A JP2022189859A (ja) | 2015-10-27 | 2022-10-07 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562247085P | 2015-10-27 | 2015-10-27 | |
US62/247,085 | 2015-10-27 | ||
US201662324210P | 2016-04-18 | 2016-04-18 | |
US62/324,210 | 2016-04-18 | ||
US201662331288P | 2016-05-03 | 2016-05-03 | |
US62/331,288 | 2016-05-03 | ||
US201662399764P | 2016-09-26 | 2016-09-26 | |
US62/399,764 | 2016-09-26 | ||
PCT/US2016/059169 WO2017075246A1 (en) | 2015-10-27 | 2016-10-27 | Systems and methods for degeneracy mitigation in a quantum processor |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021070787A Division JP7157842B2 (ja) | 2015-10-27 | 2021-04-20 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018538605A JP2018538605A (ja) | 2018-12-27 |
JP2018538605A5 JP2018538605A5 (ja) | 2019-11-28 |
JP6873120B2 true JP6873120B2 (ja) | 2021-05-19 |
Family
ID=58630806
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018521356A Active JP6873120B2 (ja) | 2015-10-27 | 2016-10-27 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
JP2021070787A Active JP7157842B2 (ja) | 2015-10-27 | 2021-04-20 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
JP2022162242A Pending JP2022189859A (ja) | 2015-10-27 | 2022-10-07 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021070787A Active JP7157842B2 (ja) | 2015-10-27 | 2021-04-20 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
JP2022162242A Pending JP2022189859A (ja) | 2015-10-27 | 2022-10-07 | 量子プロセッサにおける縮退軽減のためのシステムと方法 |
Country Status (5)
Country | Link |
---|---|
US (3) | US11100416B2 (ja) |
EP (1) | EP3369048A4 (ja) |
JP (3) | JP6873120B2 (ja) |
CN (1) | CN108475352B (ja) |
WO (1) | WO2017075246A1 (ja) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7533068B2 (en) | 2004-12-23 | 2009-05-12 | D-Wave Systems, Inc. | Analog processor comprising quantum devices |
EP3025278B1 (en) | 2013-07-23 | 2018-09-05 | D-Wave Systems Inc. | Systems and methods for achieving orthogonal control of non-orthogonal qubit parameters |
WO2017075246A1 (en) | 2015-10-27 | 2017-05-04 | D-Wave Systems Inc. | Systems and methods for degeneracy mitigation in a quantum processor |
US10789540B2 (en) | 2016-04-18 | 2020-09-29 | D-Wave Systems Inc. | Systems and methods for embedding problems into an analog processor |
WO2017214293A1 (en) | 2016-06-08 | 2017-12-14 | D-Wave Systems Inc. | Systems and methods for quantum computation |
US10346508B2 (en) | 2017-01-12 | 2019-07-09 | D-Wave Systems Inc. | Re-equilibrated quantum sampling |
US11023821B2 (en) | 2017-01-27 | 2021-06-01 | D-Wave Systems Inc. | Embedding of a condensed matter system with an analog processor |
US11263547B2 (en) | 2017-01-30 | 2022-03-01 | D-Wave Systems Inc. | Quantum annealing debugging systems and methods |
EP3593298A4 (en) | 2017-03-10 | 2021-01-20 | Rigetti & Co., Inc. | PERFORMING A CALIBRATION PROCESS IN A QUANTUM DATA PROCESSING SYSTEM |
US11875222B1 (en) * | 2017-09-18 | 2024-01-16 | Rigetti & Co, Llc | Maintaining calibration in a quantum computing system |
US10170681B1 (en) | 2017-11-28 | 2019-01-01 | International Business Machines Corporation | Laser annealing of qubits with structured illumination |
US10418540B2 (en) | 2017-11-28 | 2019-09-17 | International Business Machines Corporation | Adjustment of qubit frequency through annealing |
US10355193B2 (en) | 2017-11-28 | 2019-07-16 | International Business Machines Corporation | Flip chip integration on qubit chips |
US11895931B2 (en) | 2017-11-28 | 2024-02-06 | International Business Machines Corporation | Frequency tuning of multi-qubit systems |
US10340438B2 (en) | 2017-11-28 | 2019-07-02 | International Business Machines Corporation | Laser annealing qubits for optimized frequency allocation |
US11100418B2 (en) | 2018-02-28 | 2021-08-24 | D-Wave Systems Inc. | Error reduction and, or, correction in analog computing including quantum processor-based computing |
EP3815007A4 (en) | 2018-05-11 | 2022-03-23 | D-Wave Systems Inc. | SINGLE-FLOW QUANTUM SOURCE FOR PROJECTIVE MEASUREMENTS |
US11676056B2 (en) * | 2018-09-11 | 2023-06-13 | International Business Machines Corporation | Calculating excited state properties of a molecular system using a hybrid classical-quantum computing system |
CA3112170C (en) * | 2018-09-13 | 2024-04-23 | Fujitsu Limited | Generation of random numbers when starting, stopping and restarting annealing process |
US10469087B1 (en) * | 2018-10-08 | 2019-11-05 | Microsoft Technology Licensing, Llc | Bayesian tuning for quantum logic gates |
US10901896B2 (en) * | 2018-11-27 | 2021-01-26 | International Business Machines Corporation | Cached result use through quantum gate rewrite |
US10650322B1 (en) * | 2018-12-13 | 2020-05-12 | International Business Machines Corporation | Multi-mode qubit readout and qubit state assignment |
US11537926B2 (en) * | 2019-01-17 | 2022-12-27 | D-Wave Systems Inc. | Systems and methods for hybrid algorithms using cluster contraction |
US11900264B2 (en) | 2019-02-08 | 2024-02-13 | D-Wave Systems Inc. | Systems and methods for hybrid quantum-classical computing |
US20220123048A1 (en) * | 2019-02-15 | 2022-04-21 | D-Wave Systems Inc. | Kinetic inductance for couplers and compact qubits |
US11567779B2 (en) | 2019-03-13 | 2023-01-31 | D-Wave Systems Inc. | Systems and methods for simulation of dynamic systems |
US10756826B1 (en) | 2019-04-23 | 2020-08-25 | Red Hat, Inc. | Network optimization using quantum communication drivers |
US11133823B2 (en) | 2019-05-16 | 2021-09-28 | Red Hat, Inc. | Quantum compression service using superdense encoding |
WO2020236587A1 (en) * | 2019-05-17 | 2020-11-26 | Google Llc | Global flux bias |
US11422958B2 (en) | 2019-05-22 | 2022-08-23 | D-Wave Systems Inc. | Systems and methods for efficient input and output to quantum processors |
JP2020194273A (ja) * | 2019-05-27 | 2020-12-03 | 富士通株式会社 | 最適化装置、最適化方法及び最適化プログラム |
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 |
EP3991104B1 (en) * | 2019-06-25 | 2024-02-14 | Parity Quantum Computing GmbH | Method of computing a solution to a computational problem using a quantum system and apparatus for computing solutions to computational problems |
EP4007980A4 (en) * | 2019-08-01 | 2023-06-28 | Zapata Computing, Inc. | Quantum system and method for solving bayesian phase estimation problems |
WO2021062331A1 (en) | 2019-09-27 | 2021-04-01 | Zapata Computing, Inc. | Computer Systems and Methods for Computing the Ground State of a Fermi-Hubbard Hamiltonian |
US11373112B2 (en) * | 2020-01-24 | 2022-06-28 | United States Of America As Represented By The Secretary Of The Navy | Quantum computer based method for analyzing cyber data and spectra while performing optimization based on the analysis |
USD1002664S1 (en) | 2020-02-24 | 2023-10-24 | D-Wave Systems Inc. | Display screen or portion thereof with graphical user interface |
US11409426B2 (en) | 2020-02-24 | 2022-08-09 | D-Wave Systems Inc. | User in interface, programmer and/or debugger for embedding and/or modifying problems on quantum processors |
US20210374583A1 (en) * | 2020-05-27 | 2021-12-02 | Red Hat, Inc. | Qubit allocation service |
US11861457B2 (en) | 2020-06-02 | 2024-01-02 | Zapata Computing, Inc. | Realizing controlled rotations by a function of input basis state of a quantum computer |
KR20220072380A (ko) * | 2020-11-25 | 2022-06-02 | 에스케이하이닉스 주식회사 | 컨트롤러 및 컨트롤러의 동작방법 |
US20230252501A1 (en) * | 2021-04-16 | 2023-08-10 | Strong Force Vcn Portfolio 2019, Llc | Control-Tower-Based Digital Product Network System |
CN112995222B (zh) * | 2021-05-11 | 2021-08-17 | 北京智源人工智能研究院 | 一种网络检测方法、装置、设备及介质 |
CN115409192A (zh) * | 2021-05-26 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 量子比特的奇偶校验方法、超导量子芯片 |
US11941484B2 (en) | 2021-08-04 | 2024-03-26 | Zapata Computing, Inc. | Generating non-classical measurements on devices with parameterized time evolution |
US11809839B2 (en) | 2022-01-18 | 2023-11-07 | Robert Lyden | Computer language and code for application development and electronic and optical communication |
Family Cites Families (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040030495A (ko) * | 2001-01-23 | 2004-04-09 | 퀀텀 폴리머 테크날러쥐스 인코포레이티드 | 전도성 폴리머 물질, 그 제조 방법 및 이용 |
US20030141868A1 (en) * | 2001-08-23 | 2003-07-31 | Bakharev Alexander A. | High balance gradiometer |
US7219017B2 (en) | 2003-09-11 | 2007-05-15 | Franco Vitaliano | Quantum information processing elements and quantum information processing platforms using such elements |
US7636651B2 (en) | 2003-11-28 | 2009-12-22 | Microsoft Corporation | Robust Bayesian mixture modeling |
US20050250651A1 (en) | 2004-03-29 | 2005-11-10 | Amin Mohammad H S | Adiabatic quantum computation with superconducting qubits |
US20060115145A1 (en) | 2004-11-30 | 2006-06-01 | Microsoft Corporation | Bayesian conditional random fields |
US7533068B2 (en) | 2004-12-23 | 2009-05-12 | D-Wave Systems, Inc. | Analog processor comprising quantum devices |
US7898282B2 (en) | 2005-04-26 | 2011-03-01 | D-Wave Systems Inc. | Systems, devices, and methods for controllably coupling qubits |
CN101375302B (zh) | 2006-01-27 | 2012-03-28 | D-波***公司 | 绝热量子计算的方法 |
US7792353B2 (en) | 2006-10-31 | 2010-09-07 | Hewlett-Packard Development Company, L.P. | Retraining a machine-learning classifier using re-labeled training samples |
US7984012B2 (en) | 2006-11-02 | 2011-07-19 | D-Wave Systems Inc. | Graph embedding techniques |
AU2007329156B2 (en) | 2006-12-05 | 2012-09-13 | D-Wave Systems Inc. | Systems, methods and apparatus for local programming of quantum processor elements |
US8195596B2 (en) | 2007-01-12 | 2012-06-05 | D-Wave Systems Inc. | Systems, devices, and methods for interconnected processor topology |
US7843209B2 (en) | 2007-04-25 | 2010-11-30 | D-Wave Systems Inc. | Architecture for local programming of quantum processor elements using latching qubits |
US7800395B2 (en) | 2007-05-02 | 2010-09-21 | D-Wave Systems Inc. | Systems, devices, and methods for controllably coupling qubits |
WO2008138150A1 (en) | 2007-05-14 | 2008-11-20 | D-Wave Systems Inc. | Systems, methods and apparatus for digital-to-analog conversion of superconducting magnetic flux signals |
US8670807B2 (en) | 2007-08-21 | 2014-03-11 | D-Wave Systems Inc. | Systems, methods, and apparatus for controlling the elements of superconducting processors |
JP5351893B2 (ja) | 2007-09-24 | 2013-11-27 | ディー−ウェイブ システムズ,インコーポレイテッド | 量子ビット状態の読み出しシステム、方法、および装置 |
JP4996407B2 (ja) * | 2007-09-27 | 2012-08-08 | 株式会社東芝 | 単一光子発生装置、量子ビット読出装置および方法 |
US8190548B2 (en) | 2007-11-08 | 2012-05-29 | D-Wave Systems Inc. | Systems, devices, and methods for analog processing |
WO2009114805A2 (en) | 2008-03-14 | 2009-09-17 | D-Wave Systems Inc. | System, devices and methods for coupling qubits |
WO2009120638A2 (en) | 2008-03-24 | 2009-10-01 | D-Wave Systems Inc. | Systems, devices, and methods for analog processing |
EP2324444B1 (en) * | 2008-05-20 | 2021-04-07 | D-Wave Systems Inc. | Systems, methods, and apparatus for calibrating, controlling, and operating a quantum processor |
US7932514B2 (en) | 2008-05-23 | 2011-04-26 | International Business Machines Corporation | Microwave readout for flux-biased qubits |
US8229863B2 (en) | 2008-05-28 | 2012-07-24 | D-Wave Systems Inc. | Method and apparatus for evolving a quantum system using a mixed initial hamiltonian comprising both diagonal and off-diagonal terms |
WO2009152180A2 (en) * | 2008-06-10 | 2009-12-17 | D-Wave Systems Inc. | Parameter learning system for solvers |
US8536566B2 (en) * | 2008-09-03 | 2013-09-17 | D-Wave Systems Inc. | Systems, methods and apparatus for active compensation of quantum processor elements |
US8095345B2 (en) | 2009-01-20 | 2012-01-10 | Chevron U.S.A. Inc | Stochastic inversion of geophysical data for estimating earth model parameters |
US8239336B2 (en) | 2009-03-09 | 2012-08-07 | Microsoft Corporation | Data processing using restricted boltzmann machines |
US8700689B2 (en) | 2009-06-17 | 2014-04-15 | D-Wave Systems Inc. | Systems and methods for solving computational problems |
JP2014504057A (ja) | 2010-11-11 | 2014-02-13 | ディー−ウェイブ システムズ,インコーポレイテッド | 超伝導磁束量子ビット読出しのためのシステム及び方法 |
US8589319B2 (en) | 2010-12-02 | 2013-11-19 | At&T Intellectual Property I, L.P. | Adaptive pairwise preferences in recommenders |
US9379303B2 (en) | 2011-06-14 | 2016-06-28 | Glocbalfoundries Inc. | Modular array of fixed-coupling quantum systems for quantum information processing |
EP3745322A1 (en) | 2011-07-06 | 2020-12-02 | D-Wave Systems Inc. | Quantum processor based systems and methods that minimize an objective function |
US9720067B2 (en) | 2011-11-30 | 2017-08-01 | President And Fellows Of Harvard College | Use of nuclear spin impurities to suppress electronic spin fluctuations and decoherence in composite solid-state spin systems |
US9361962B2 (en) | 2011-12-23 | 2016-06-07 | President And Fellows Of Harvard College | Solid-state quantum memory based on a nuclear spin coupled to an electronic spin |
AU2013277927B2 (en) | 2012-06-18 | 2018-08-09 | The University Of Sydney | Long-time low-latency quantum memory by dynamical decoupling |
US20140214835A1 (en) | 2013-01-29 | 2014-07-31 | Richard Thomas Oehrle | System and method for automatically classifying documents |
US20140297235A1 (en) | 2013-01-31 | 2014-10-02 | Betazi, Llc | Production analysis and/or forecasting methods, apparatus, and systems |
EP3025278B1 (en) * | 2013-07-23 | 2018-09-05 | D-Wave Systems Inc. | Systems and methods for achieving orthogonal control of non-orthogonal qubit parameters |
US9495644B2 (en) | 2013-07-24 | 2016-11-15 | D-Wave Systems Inc. | Systems and methods for improving the performance of a quantum processor by reducing errors |
DE102013108073B4 (de) | 2013-07-29 | 2019-12-19 | Infineon Technologies Ag | Datenverarbeitungsanordnung und verfahren zur datenverarbeitung |
US9588940B2 (en) | 2013-12-05 | 2017-03-07 | D-Wave Systems Inc. | Sampling from a set of spins with clamping |
US10099938B2 (en) * | 2013-12-12 | 2018-10-16 | Samsung Electronics Co., Ltd. | Electrically conductive thin films |
US10002107B2 (en) | 2014-03-12 | 2018-06-19 | D-Wave Systems Inc. | Systems and methods for removing unwanted interactions in quantum devices |
US10769545B2 (en) | 2014-06-17 | 2020-09-08 | D-Wave Systems Inc. | Systems and methods employing new evolution schedules in an analog computer with applications to determining isomorphic graphs and post-processing solutions |
US10552755B2 (en) | 2014-08-22 | 2020-02-04 | D-Wave Systems Inc. | Systems and methods for improving the performance of a quantum processor to reduce intrinsic/control errors |
US10031887B2 (en) | 2014-09-09 | 2018-07-24 | D-Wave Systems Inc. | Systems and methods for improving the performance of a quantum processor via reduced readouts |
CN107004162A (zh) | 2014-12-05 | 2017-08-01 | 微软技术许可有限责任公司 | 量子深度学习 |
US9801313B2 (en) | 2015-06-26 | 2017-10-24 | Microsoft Technology Licensing, Llc | Underwater container cooling via integrated heat exchanger |
EP3362952A4 (en) | 2015-10-16 | 2018-10-03 | D-Wave Systems Inc. | Systems and methods for creating and using quantum boltzmann machines |
WO2017075246A1 (en) | 2015-10-27 | 2017-05-04 | D-Wave Systems Inc. | Systems and methods for degeneracy mitigation in a quantum processor |
KR102247626B1 (ko) | 2015-12-16 | 2021-05-03 | 구글 엘엘씨 | 동평면 도파관 플럭스 큐비트를 이용한 프로그램 가능한 범용 양자 어닐링 |
KR102390376B1 (ko) | 2015-12-24 | 2022-04-25 | 삼성전자주식회사 | 멀티-큐비트 소자 및 이를 포함하는 양자컴퓨터 |
WO2017214293A1 (en) * | 2016-06-08 | 2017-12-14 | D-Wave Systems Inc. | Systems and methods for quantum computation |
US9949020B1 (en) | 2016-08-12 | 2018-04-17 | Ocean Acoustical Services and Instrumentation System | System and method for including soundscapes in online mapping utilities |
CN109983481B (zh) | 2016-09-26 | 2023-08-15 | D-波***公司 | 用于从采样服务器中采样的***、方法和装置 |
US11250334B2 (en) * | 2017-04-19 | 2022-02-15 | Accenture Global Solutions Limited | Solving computational tasks using quantum computing |
CA2968830C (en) | 2017-05-29 | 2024-04-02 | Socpra Sciences Et Genie S.E.C. | Quantum processor, and method of quantum processing |
-
2016
- 2016-10-27 WO PCT/US2016/059169 patent/WO2017075246A1/en active Application Filing
- 2016-10-27 JP JP2018521356A patent/JP6873120B2/ja active Active
- 2016-10-27 EP EP16860808.1A patent/EP3369048A4/en not_active Withdrawn
- 2016-10-27 US US15/771,606 patent/US11100416B2/en active Active
- 2016-10-27 CN CN201680076369.8A patent/CN108475352B/zh active Active
-
2021
- 2021-04-20 JP JP2021070787A patent/JP7157842B2/ja active Active
- 2021-07-19 US US17/379,172 patent/US11681940B2/en active Active
-
2022
- 2022-10-07 JP JP2022162242A patent/JP2022189859A/ja active Pending
-
2023
- 2023-04-25 US US18/138,989 patent/US20230334355A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2017075246A1 (en) | 2017-05-04 |
US11100416B2 (en) | 2021-08-24 |
JP7157842B2 (ja) | 2022-10-20 |
EP3369048A1 (en) | 2018-09-05 |
EP3369048A4 (en) | 2018-10-31 |
JP2018538605A (ja) | 2018-12-27 |
CN108475352B (zh) | 2022-05-27 |
CN108475352A (zh) | 2018-08-31 |
JP2021106050A (ja) | 2021-07-26 |
US11681940B2 (en) | 2023-06-20 |
JP2022189859A (ja) | 2022-12-22 |
US20180330264A1 (en) | 2018-11-15 |
US20230334355A1 (en) | 2023-10-19 |
US20210350269A1 (en) | 2021-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6873120B2 (ja) | 量子プロセッサにおける縮退軽減のためのシステムと方法 | |
US10621140B2 (en) | Systems and methods for improving the performance of a quantum processor via reduced readouts | |
US20200356889A1 (en) | Systems and methods employing new evolution schedules in an analog computer with applications to determining isomorphic graphs and post-processing solutions | |
Chancellor | Modernizing quantum annealing using local searches | |
US11861455B2 (en) | Systems and methods for performing quantum evolution in quantum computation | |
Denchev et al. | What is the computational value of finite-range tunneling? | |
CN108369668B (zh) | 用于创建和使用量子玻尔兹曼机的***和方法 | |
Korenkevych et al. | Benchmarking quantum hardware for training of fully visible Boltzmann machines | |
US20220101167A1 (en) | Hybrid Quantum Computation Architecture for Solving Quadratic Unconstrained Binary Optimization Problems | |
Youssry et al. | Efficient online quantum state estimation using a matrix-exponentiated gradient method | |
Béland et al. | Kinetic activation–relaxation technique and self-evolving atomistic kinetic Monte Carlo: Comparison of on-the-fly kinetic Monte Carlo algorithms | |
US20210150356A1 (en) | Optimization device, method for controlling optimization device, and computer-readable recording medium recording program for controlling optimization device | |
Rashidi et al. | On‐line parameter identification of power plant characteristics based on phasor measurement unit recorded data using differential evolution and bat inspired algorithm | |
Czarnik et al. | Improving the efficiency of learning-based error mitigation | |
AU2021201695B2 (en) | Method, apparatus and computer program product for determining the component of a magnetic field in a predetermined direction | |
Chirkin | Likelihood description for comparing data with simulation of limited statistics | |
Chang et al. | Flexible chip placement via reinforcement learning: late breaking results | |
Hasenbusch et al. | Speeding up parallel tempering simulations | |
US20240168720A1 (en) | Systems and methods for random number generation | |
JP7424493B2 (ja) | 情報処理装置および情報処理方法 | |
Sasaki et al. | Improving Stochastic Quantum-Like Annealing Based on Rerandomization | |
Zheng et al. | Constrained Exploration via Reflected Replica Exchange Stochastic Gradient Langevin Dynamics | |
Chang et al. | Late Breaking Results: Flexible Chip Placement via Reinforcement Learning | |
Henke et al. | Comparing Quantum Annealing and Spiking Neuromorphic Computing for Sampling Binary Sparse Coding QUBO Problems | |
Majumder | Characterizing and Mitigating Errors in Quantum Computers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191018 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191018 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210318 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210325 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210420 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6873120 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |