量子电路操作方法及装置、电子设备和介质制造方法及图纸

本公开提供了一种量子电路操作方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机领域，尤其涉及量子电路、量子计算技术领域。实现方案为：获取多个训练数据对，每个训练数据对包括的输入数据值和标签值，输入数据值和标签值之间的关系对应于周期性偶函数；对于每一个训练数据对：将量子电路从初始量子态开始运行，并对所获得的量子态进行测量以获得测量结果，量子电路包括交替串联的L个数据编码门以及L+1个参数化量子门，参数化量子门均包括相应的待训练参数；根据训练数据对所对应的测量结果以及相对应的标签值确定损失函数的函数值；调节量子电路中的参数化量子门的待训练参数以最小化损失函数。量子门的待训练参数以最小化损失函数。量子门的待训练参数以最小化损失函数。

【技术实现步骤摘要】
量子电路操作方法及装置、电子设备和介质


[0001]本公开涉及计算机领域，尤其涉及量子电路、量子计算
，具体涉及一种量子电路操作方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]日常生产生活中很多问题都属于函数模拟的问题，比如股票走势预测、天气预报等。随着人工智能技术的发展，深度神经网络(Deep Neural Network，DNN)被广泛地应用于解决上述问题。然而DNN模型需要的参数很多，对于大型的DNN参数量常常数以亿计，另外模型的超参数也很难调节，训练时很容易过拟合。
[0003]随着量子计算领域的飞速的发展，近期的量子计算设备已经可以支持一些浅层量子电路的实验。因此，如何利用量子计算设备解决上述问题成为关键。

技术实现思路

[0004]本公开提供了一种量子电路操作方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
[0005]根据本公开的一方面，提供了一种量子电路操作方法，包括：获取多个训练数据对，所述训练数据对包括所述量子电路的输入数据值以及与所述输入数据值相关的标签值，所述输入数据值和所述标签值之间的关系对应于周期性偶函数；将所述量子电路从初始量子态开始运行，并对所获得的量子态进行测量以获得测量结果，其中，所述量子电路包括交替串联的L个数据编码门以及L+1个参数化量子门，所述L个数据编码门用于对所述训练数据对中的输入数据值进行编码，所述L+1个参数化量子门均包括相应的待训练参数，其中L为正整数；根据所述测量结果和所述标签值，确定损失函数的函数值；以及调节所述量子电路中的所述L+1个参数化量子门的待训练参数以最小化所述损失函数。
[0006]根据本公开的另一方面，提供了一种量子电路操作装置，包括：获取单元，配置为获取多个训练数据对，所述训练数据对包括所述量子电路的输入数据值以及与所述输入数据值相关的标签值，所述输入数据值和所述标签值之间的关系对应于周期性偶函数；测量单元，配置为将所述量子电路从初始量子态开始运行，并对所获得的量子态进行测量以获得测量结果，其中，所述量子电路包括交替串联的L个数据编码门以及L+1个参数化量子门，所述L个数据编码门用于对所述训练数据对中的输入数据值进行编码，所述L+1个参数化量子门均包括相应的待训练参数，其中L为正整数；确定单元，配置为根据所述测量结果以及所述标签值，确定损失函数的函数值；以及调节单元，配置为调节所述量子电路中的所述L+1个参数化量子门的待训练参数以最小化所述损失函数。
[0007]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；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行本公开所述的方法。
[0008]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，该计算机指令用于使计算机执行本公开所述的方法。
[0009]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，该计算机程序在被处理器执行时实现本公开所述的方法。
[0010]根据本公开的一个或多个实施例，通过对具有预设结构的量子电路进行操作，可以模拟任意的周期性偶函数，并且该量子电路结构包括较少的参数量和量子比特数，在利用量子设备进行函数模拟时更具有实用性和有效性，节省了量子计算资源。
[0011]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
[0012]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
[0013]图1示出了根据本公开的实施例的量子电路操作方法的流程图；
[0014]图2示出了根据本公开的一个实施例的量子电路示意图；
[0015]图3示出了基于图2所示量子电路以及深度神经网络进行函数模拟的结果示意图；
[0016]图4示出了根据本公开的另一个实施例的量子电路示意图；
[0017]图5示出了基于图3所示量子电路以及深度神经网络进行函数模拟的结果示意图；
[0018]图6示出了根据本公开的实施例的量子电路操作装置的结构框图；以及
[0019]图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围。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。
[0021]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0022]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0023]下面将结合附图详细描述本公开的实施例。
[0024]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。经典信息系统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。
[0025]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，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量子电路操作方法，包括：获取多个训练数据对，所述训练数据对包括所述量子电路的输入数据值以及与所述输入数据值相关的标签值，所述输入数据值和所述标签值之间的关系对应于周期性偶函数；将所述量子电路从初始量子态开始运行，并对所获得的量子态进行测量以获得测量结果，其中，所述量子电路包括交替串联的L个数据编码门以及L+1个参数化量子门，所述L个数据编码门用于对所述训练数据对中的输入数据值进行编码，所述L+1个参数化量子门均包括相应的待训练参数，其中L为正整数；根据所述测量结果和所述标签值，确定损失函数的函数值；以及调节所述量子电路中的所述L+1个参数化量子门的待训练参数以最小化所述损失函数。2.如权利要求1所述的方法，其中，在所述量子电路中，所述L个数据编码门均为泡利Z旋转门，所述L+1个参数化量子门均为泡利X旋转门或泡利Y旋转门。3.如权利要求1所述的方法，其中，通过预设测量方法对所获得的量子态进行测量，所述预设测量方法包括以下项中的至少一项：泡利X测量、泡利Y测量和泡利Z测量。4.如权利要求1所述的方法，其中，基于梯度下降法调节所述L+1个参数化量子门的待训练参数。5.如权利要求1所述的方法，其中，根据所述周期性偶函数的最高频率确定所述L。6.一种量子电路操作装置，包括：获取单元，配置为获取多个训练数据对，所述训练数据对包括所述量子电路的输入数据值以及与所述输入数据值相关的标签值，所述输入数据值和所述标签值之间的关系对应于周期性偶函数；测量单元，配置为将所述量子电路从初始量子态开始运行，并对所获得的量子态进行测量以获得测量结果，其中，所述量子电路包括交替串联的L个数...

【专利技术属性】
技术研发人员：王鑫，幺宏顺，李沐瑾，余展，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：