用于求解离散二次模型的混合算法的系统和方法技术方案

描述了用于求解离散二次模型的方法。这些方法基于每个变量与其他变量的相互作用、指数权重以及与这些指数权重成比例的归一化概率来计算每个变量的每个状态的能量。根据每个变量的大小和所有其他变量的当前状态、指数权重、每个变量的可行区域以及与这些指数权重成比例并遵守约束的归一化概率来计算每个变量的能量。经由混合计算系统执行的方法获得每个变量的两个候选值；构造使用二进制值来确定每个变量应该取哪些候选值的哈密尔顿算子，然后基于该哈密尔顿算子来构造二元二次模型。来自该二元二次模型的样本是经由量子处理器获得的。这些方法可以应用于求解资源调度优化问题和/或用于蛋白质的侧链优化。和/或用于蛋白质的侧链优化。和/或用于蛋白质的侧链优化。

【技术实现步骤摘要】
【国外来华专利技术】用于求解离散二次模型的混合算法的系统和方法


[0001]本披露内容总体上涉及使用吉布斯采样(Gibbs sampling)和交叉玻尔兹曼更新(Cross
‑
Boltzmann update)来求解离散二次模型的混合算法。

技术介绍

[0002]量子处理器
[0003]量子处理器可以采取超导量子处理器的形式。超导量子处理器可以包括多个超导量子位和相关联的局部偏置设备。超导量子处理器还可以包括选择性地提供量子位之间的通信耦合的耦合设备(也被称为耦合器)。
[0004]在例如美国专利7,533,068、8,008,942、8,195,596、8,190,548以及8,421,053中描述了可以与本系统和设备结合使用的示例性量子处理器的进一步细节和实施例。
[0005]量子计算
[0006]量子计算机是直接使用比如叠加、隧穿和纠缠等至少一种量子力学现象来执行数据运算的系统。量子计算机的元素是量子位。量子计算机可以为某些类别的计算问题(如模拟量子物理的计算问题)提供加速。
[0007]量子退火
[0008]量子退火是一种计算方法，该计算方法可以用于找出系统的低能态，通常优选地是系统的基态。该方法所依赖的基本原理在于自然系统趋向于较低能态，因为较低能态更加稳定。量子退火可以使用量子效应(如量子隧穿)作为离域来源以达到能量最小值。
[0009]量子处理器可以被设计成执行量子退火和/或绝热量子计算。同与问题哈密尔顿算子(Hamiltonian)成比例的第一项以及与离域哈密尔顿算子成比例的第二项之和成比例的演化哈密尔顿算子可以被构造如下：
[0010]H
E
∝
A(t)H
P
+B(t)H
D
[0011]其中，H
E
是演化哈密尔顿算子，H
P
是问题哈密尔顿算子，H
D
是离域哈密尔顿算子，并且A(t)、B(t)是可以控制演化速率并且通常处于范围[0,1]内的系数。
[0012]在一些实施方式中，可以对问题哈密尔顿算子应用时变包络函数。合适的离域哈密尔顿算子由下式给出：
[0013][0014]其中，N表示量子位数量，是第i个量子位的泡利x
‑
矩阵，并且Δ
i
是在第i个量子位中诱发的单量子位隧道分裂。此处，项是“非对角”项的示例。
[0015]常见问题哈密尔顿算子包括与对角单量子位项成比例的第一分量以及与对角多量子位项成比例的第二分量，并且可以是以下形式：
[0016][0017]其中，N表示量子位数量，是第i个量子位的泡利z
‑
矩阵，h
i
和J
ij
是量子位的无量纲的局部场和量子位之间的耦合，并且ε是H
P
的某种特性能量标度。
[0018]此处，和项是“对角”项的示例。前者是单量子位项并且后者是双量子位项。
[0019]贯穿本说明书，除非上下文另外指明，否则术语“问题哈密尔顿算子”和“最终哈密尔顿算子”被可互换地使用。量子处理器的某些状态在能量上是优选的，或者简单地在问题哈密尔顿算子上是优选的。这些状态包括基态，但可以包括激发态。
[0020]可以用各种不同的方式在物理上实现哈密尔顿算子(如在以上两个方程式中分别为H
D
和H
P
)。通过实施超导量子位而实现具体的示例。
[0021]采样
[0022]贯穿本说明书和所附权利要求，使用了术语“样本”、“采样”、“采样设备”和“样本生成器”。
[0023]在统计学中，样本是群体的子集，即，从统计群体中选取的数据。在电气工程和相关学科中，采样涉及取模拟信号或某个其他物理系统的一组测量结果。
[0024]在许多领域，包括物理系统模拟和计算、特别是模拟计算，上述含义可能会合并。例如，混合计算机可以从模拟计算机中抽取样本。作为样本提供者的模拟计算机是样本生成器的示例。模拟计算机可以被操作用于从选定的概率分布中提供样本，该概率分布将相应的被采样概率分配给群体中的每个数据点。群体可以对应于处理器的所有可能状态，并且每个样本可以对应于处理器的相应状态。
[0025]马尔可夫链蒙特卡罗(Markov Chain Monte Carlo)
[0026]马尔可夫链蒙特卡罗(MCMC)是一类计算技术，其包括例如模拟退火、并行回火、群体退火和其他技术。马尔可夫链可以被描述为一系列离散随机变量和/或一个随机过程，在该随机过程中，在每个时间步长，状态只取决于前一状态。
[0027]马尔可夫链可以通过根据马尔可夫提议过程提出新点来获得。新点要么被接受，要么被拒绝。如果新点被拒绝，则做出新提议，依此类推。所接受的新点是使目标分布依概率收敛的点。
[0028]吉布斯采样
[0029]吉布斯采样是在给定所有其他变量的情况下从目标分布的一个变量的条件分布进行采样的马尔可夫链蒙特卡罗(MCMC)算法。与其他MCMC算法一样，吉布斯采样生成样本的马尔可夫链，每个样本都与附近的样本相关。
[0030]Softmax分布
[0031]softmax函数是将具有K个实数的向量作为输入并将其归一化为由与输入数的指数成比例的K个概率组成的概率分布的函数。即，在应用softmax之后，每个分量都会在区间(0,1)内，并且这些分量加起来等于1，因此这些分量可以被解释为概率。Softmax通常用于神经网络，以将网络的非归一化输出映射到预测输出类别的概率分布。
[0032]相关技术的上述示例以及与其相关的限制旨在是说明性的而非排他性的。在阅读本说明书和研究附图之后，相关领域的其他限制将对本领域的技术人员变得显而易见。

技术实现思路

[0033]一些类别的问题(例如，具有任意变量的问题)无法高效地映射到二次无约束二元优化(QUBO)问题或伊辛哈密尔顿算子(Ising Hamiltonian)问题。因此，这些问题需要在经典或数字处理器上执行一些开销(例如，变量的转换)，然后由量子计算机求解。因此，期望通过高效地将问题映射到模型(例如，二元二次模型)来高效地求解任意变量问题，该模型然后可以由量子计算机求解。描述了一种基于处理器的系统中的计算方法。该方法可以包括：将算法应用于具有n个任意变量v
i
的问题；从该算法获得每个任意变量v
i
的两个候选值；构造使用二进制值s
i
来确定每个任意变量v
i
应该取该两个候选值中的哪一个的哈密尔顿算子；基于该哈密尔顿算子来构造二元二次模型；以及从量子处理器获得来自该二元二次模型的样本作为该问题的解。吉布斯采样器可以应用于具有n个任意变量v
i
的问题；并且每个任意变量v
i
的两个候选值可以从吉布斯采样器获得。将算法应用于具有n个任意变量v
i...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种基于处理器的系统中的计算的方法，该方法包括：将算法应用于具有n个任意变量v
i
的问题；从该算法获得每个任意变量v
i
的两个候选值；构造使用二进制值s
i
来确定每个任意变量v
i
应该取该两个候选值中的哪一个的哈密尔顿算子；基于该哈密尔顿算子来构造二元二次模型；以及从量子处理器获得来自该二元二次模型的样本作为该问题的解。2.如权利要求1所述的方法，其中，将算法应用于具有n个任意变量v
i
的问题包括将吉布斯采样器应用于具有n个任意变量v
i
的问题；并且从该算法获得每个任意变量v
i
的两个候选值包括从该吉布斯采样器获得每个任意变量v
i
的两个候选值。3.如权利要求1所述的方法，其中，将算法应用于具有n个任意变量v
i
的问题包括：对于这些任意变量中的每一个，基于该任意变量与这些任意变量中的其他任意变量的相互作用来计算该任意变量的每个状态的能量；对于这些任意变量中的每一个，针对该任意变量的一定数量D
i
个不同值中的每一个计算该任意变量的相应指数权重；以及计算每个任意变量取这些值D
i
之一的归一化概率，该归一化概率与这些指数权重成比例。4.如权利要求1所述的方法，其中，将算法应用于具有n个任意变量v
i
的问题包括：对于这些任意变量中的每一个，根据该任意变量的大小和这些任意变量中的所有其他任意变量的当前状态计算该任意变量的能量；对于这些任意变量中的每一个，针对该任意变量的相应数量D
i
个不同值中的每一个计算该任意变量的相应指数权重；对于这些任意变量中的每一个，计算该任意变量的可行区域，该可行区域包括遵守一组约束的一组值；对于这些任意变量中的每一个，计算该任意变量在该相应数量D
i
个不同值中的每一个处的掩码；以及对于这些任意变量中的每一个，计算共同表示该任意变量取该任意变量的相应数量D
i
个不同值之一的概率的归一化概率，该归一化概率与这些指数权重和该掩码成比例。5.如权利要求1至4中任一项所述的方法，其中，构造二元二次模型包括根据s
i
和该两个候选值来定义新变量x
i
并将该问题转化为s
i
的空间中的优化问题。6.如权利要求1至4中任一项所述的方法，其中，构造二元二次模型包括使用惩罚项将约束二元优化问题放宽为无约束二元优化问题；以及对该两个候选值求和。7.如权利要求1至4中任一项所述的方法，进一步包括在从该量子处理器获得来自该二元二次模型的样本之前将嵌入算法应用于该二元二次模型以定义该量子处理器上的嵌入。8.如权利要求1所述的方法，进一步包括：迭代重复直到满足退出条件：将算法应用于具有n个任意变量v
i
的问题；从该算法获得每个任意变量v
i
的两个候选值；构造使用二进制值s
i
来确定每个任意变量v
i
应该取该两个候选值中的哪一个的哈密尔
顿算子；基于该哈密尔顿算子来构造二元二次模型；从该量子处理器获得来自该二元二次模型的样本；以及将这些样本整合到该问题中。9.如权利要求8所述的方法，进一步包括确定是否已经满足退出条件。10.如权利要求9所述的方法，其中，确定是否已经满足退出条件包括确定是否满足表示对这些任意变量的质量评估的度量。11.如权利要求1至4中任一项所述的方法，其中，该问题是资源调度问题。12.一种基于处理器的系统，包括至少一个经典处理器，该系统能够操作用于执行如权利要求1至11所述的方法中的任何方法。13.如权利要求12所述的基于处理器的系统，进一步包括量子处理器，该量子处理器通信地耦合到该至少一个经典处理器。14.一种在基于处理器的系统中计算具有n个变量的输入问题的softmax分布的操作的方法，每个变量取相应数量D
i
个不同值，该方法包括：对于该输入问题...

【专利技术属性】
技术研发人员：侯赛因，
申请(专利权)人：D波系统公司，
类型：发明
国别省市：