组合优化问题的量子化求解方法、装置、存储介质和设备制造方法及图纸

本发明专利技术公开了一种组合优化问题的量子化求解方法、装置、存储介质和计算机设备。量子化求解方法包括：将待求解组合优化问题对应的损失函数映射为整体哈密顿量；将整体哈密顿量分解成多个子哈密顿量，各个子哈密顿量的量子比特数之和等于整体哈密顿量的量子比特数；基于变分量子算法获得满足预设组合条件的各个子哈密顿量的本征值及相对应的本征态，将各个子哈密顿量的本征值的乘积作为所述整体哈密顿量的本征值，将各个子哈密顿量的本征态的张量积作为所述整体哈密顿量的本征态。本方法将对整体哈密顿量的测量转换为对多个子哈密顿量的测量，从而得到待求解组合优化问题的最优解，利用较少的量子资源计算更大规模的问题和模拟更大规模的系统。模拟更大规模的系统。模拟更大规模的系统。

【技术实现步骤摘要】
组合优化问题的量子化求解方法、装置、存储介质和设备


[0001]本专利技术属于量子计算
，具体地讲，涉及一种组合优化问题的量子化求解方法、量子化求解装置、计算机可读存储介质和计算机设备。

技术介绍

[0002]组合优化问题(Combinatorial optimization problem，COP)，是指在有限个可行解的集合中找出最优解的一类优化问题。典型的组合优化问题有：旅行商问题(Traveling Salesman Problem，TSP)、背包问题(Knapsack Problem)、图着色问题(Graph Coloring Problem)等。在信息技术、经济管理、工业工程、交通运算、通讯网络等领域均有重要的应用。
[0003]随着科学信息技术不断发展，绝大部分实际问题转化为组合优化问题时，由于组合优化问题中的决策变量、约束条件可能达到百万级，使得可行解集规模呈指数级增长。当某些具体问题达到一定的规模时，当前经典计算机的计算能力已经很难被满足。
[0004]量子计算机，是一类遵循量子力学进行运算、存储和处理量子信息的物理装置。利用量子叠加性和量子纠缠性进行计算，量子计算已经被证明具有经典计算难以超越的计算能力，可以解决经典计算难以解决的问题。例如可以将量子计算机应用于组合优化问题的求解过程。然而，尽管量子计算具有远超经典计算的能力，但是受限于量子比特数、量子比特相干时间，当前量子计算机被认为是含噪声的中等规模量子计算机。相对应的，目前的发展阶段也被认为是含噪声的中等规模量子计算时代(NISQ)。当组合优化问题较为复杂时，需要较大比特数的量子系统来求解，一方面构建比特数多的量子系统需要耗费非常庞大的量子资源，另一方面比特数多的量子系统自身稳定性也较差。
[0005]因此，如何利用更少的量子资源来求解组合优化问题是本领域所期望解决的技术问题。

技术实现思路

[0006]本专利技术解决的技术问题是：如何利用更少的量子资源来求解规模较大的组合优化问题。
[0007]本申请公开了一种组合优化问题的量子化求解方法，所述量子化求解方法包括：
[0008]将待求解组合优化问题对应的损失函数映射为整体哈密顿量；
[0009]将所述整体哈密顿量分解成多个子哈密顿量，各个所述子哈密顿量的量子比特数之和等于所述整体哈密顿量的量子比特数；
[0010]基于变分量子算法获得满足预设组合条件的各个子哈密顿量的本征值及相对应的本征态，将各个子哈密顿量的本征值的乘积作为所述整体哈密顿量的本征值，将各个子哈密顿量的本征态的张量积作为所述整体哈密顿量的本征态。
[0011]优选地，所述量子化求解方法还包括构造所述待求解组合优化问题对应的损失函数：
[0012]根据所述待求解组合优化问题定义目标函数f(x)、限制条件g(x)及变量x；
[0013]构造如下的损失函数C(x)：
[0014]C(x)＝f(x)+A*D(g(x))
[0015]其中，D(g(x))为惩罚函数，D(g(x))与所述限制条件g(x)相关，A为惩罚系数。
[0016]优选地，将所述整体哈密顿量分解成多个子哈密顿量的方法为将所述整体哈密顿量进行如下分解：
[0017][0018]其中，H为整体哈密顿量，表示作用于第w个子系统的哈密顿量分量，即第w个子哈密顿量，w为正整数且1≤w≤n，n为子哈密顿量的数量。
[0019]优选地，所述预设组合条件为各个子哈密顿量的本征值的乘积收敛。
[0020]优选地，所述基于变分量子算法获得满足预设组合条件的各个子哈密顿量的本征值及相对应的本征态的方法包括：
[0021]获取当前迭代轮下与各个所述子哈密顿量分别匹配的各个参数化量子态，基于各个所述参数化量子态分别测量得到各个所述子哈密顿量的本征值；
[0022]判断当前迭代轮下各个所述子哈密顿量的本征值是否满足所述预定组合条件；
[0023]若是，则将当前迭代轮下的各个参数化量子态分别作为各个子哈密顿量的本征态；
[0024]若否，则根据当前迭代轮下的各个哈密顿量的本征值的乘积更新得到下一个迭代轮的各个参数化量子态，并根据下一个迭代轮的各个参数化量子态分别测量得到各个所述子哈密顿量的本征值，重复迭代直至各个所述子哈密顿量的本征值满足所述预定组合条件，并将最后一个迭代轮下的各个参数化量子态分别作为各个子哈密顿量的本征态。
[0025]优选地，获取当前迭代轮下与各个所述子哈密顿量分别匹配的各个参数化量子态的方法为：
[0026]若当前迭代轮为首轮，则对预先构建的各个参数化量子线路的参数进行随机初始化之后分别作用在各个初始量子态上，得到与各个所述子哈密顿量分别匹配的各个参数化量子态；
[0027]若当前迭代轮为非首轮，则根据上一个迭代轮测量得到各个所述子哈密顿量的本征值的乘积对各个参数化量子线路的参数进行更新，接着利用更新后的各个参数化量子线路分别作用在各个初始量子态上，得到当前迭代轮下与各个所述子哈密顿量分别匹配的各个参数化量子态。
[0028]优选地，所述量子化求解方法还包括：预先构建n个参数化量子线路和n个初始量子态，其中各个参数化量子线路和初始量子态的量子比特数等于各个子哈密顿量的量子比特数，每个参数化量子线路由量子旋转门R
y
(θ
i
)，R
z
(θ
j
)，R
y
(θ
k
)和控制非门CNOT门构造随机生成一组规模为3*N
l
的参数则量子旋转门R
y
(θ
i
)，R
z
(θ
j
)，R
y
(θ
k
)中系数i，j，k和第q个量子比特的关系为：
[0029]i＝q*3+1,
[0030]j＝q*3+2,
[0031]k＝q*3+3,
[0032]其中其中为随机生成一组规模为3*N
l
的参数的参数q∈[0,N
l
‑
1]，N
l
为第l个子哈密顿量的量子比特数，每两个比特作用一个控制非门(CNOT门)，控制非门的数量等于量子比特数。
[0033]本申请还公开了一种组合优化问题的量子化求解装置，所述量子化求解装置包括：
[0034]映射模块，用于将待求解组合优化问题对应的损失函数映射为整体哈密顿量；
[0035]分解模块，用于将所述整体哈密顿量分解成多个子哈密顿量，各个所述子哈密顿量的量子比特数之和等于所述整体哈密顿量的量子比特数；
[0036]求解模块，用于基于变分量子算法获得满足预设组合条件的各个子哈密顿量的本征值及相对应的本征态，将各个子哈密顿量的本征值的乘积作为所述整体哈密顿量的本征值，将各个子哈密顿量的本征态的张量积作为所述整体哈密顿量的本征态。
[0037]本申请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种组合优化问题的量子化求解方法，其特征在于，所述量子化求解方法包括：将待求解组合优化问题对应的损失函数映射为整体哈密顿量；将所述整体哈密顿量分解成多个子哈密顿量，各个所述子哈密顿量的量子比特数之和等于所述整体哈密顿量的量子比特数；基于变分量子算法获得满足预设组合条件的各个子哈密顿量的本征值及相对应的本征态，将各个子哈密顿量的本征值的乘积作为所述整体哈密顿量的本征值，将各个子哈密顿量的本征态的张量积作为所述整体哈密顿量的本征态。2.根据权利要求1所述的组合优化问题的量子化求解方法，其特征在于，所述量子化求解方法还包括构造所述待求解组合优化问题对应的损失函数：根据所述待求解组合优化问题定义目标函数f(x)、限制条件g(x)及变量x；构造得到如下的待求解组合优化问题对应的损失函数C(x)：C(x)＝f(x)+A*D(g(x))其中，D(g(x))为惩罚函数，D(g(x))与所述限制条件g(x)相关，A为惩罚系数。3.根据权利要求1所述的组合优化问题的量子化求解方法，其特征在于，将所述整体哈密顿量分解成多个子哈密顿量的方法为将所述整体哈密顿量进行如下分解：其中，H为整体哈密顿量，表示作用于第w个子系统的哈密顿量分量，即第w个子哈密顿量，w为正整数且1≤w≤n，n为子哈密顿量的数量。4.根据权利要求1所述的组合优化问题的量子化求解方法，其特征在于，所述预设组合条件为各个子哈密顿量的本征值的乘积收敛。5.根据权利要求4所述的组合优化问题的量子化求解方法，其特征在于，所述基于变分量子算法获得满足预设组合条件的各个子哈密顿量的本征值及相对应的本征态的方法包括：获取当前迭代轮下与各个所述子哈密顿量分别匹配的各个参数化量子态，基于各个所述参数化量子态分别测量得到各个所述子哈密顿量的本征值；判断当前迭代轮下各个所述子哈密顿量的本征值是否满足所述预定组合条件；若是，则将当前迭代轮下的各个参数化量子态分别作为各个子哈密顿量的本征态；若否，则根据当前迭代轮下的各个子哈密顿量的本征值的乘积，更新得到下一个迭代轮的各个参数化量子态，并根据下一个迭代轮的各个参数化量子态分别测量得到各个所述子哈密顿量的本征值，重复迭代直至各个所述子哈密顿量的本征值满足所述预定组合条件，并将最后一个迭代轮下的各个参数化量子态分别作为各个子哈密顿量的本征态。6.根据权利要求4所述的组合优化问题的量子化求解方法，其特征在于，获取当前迭代轮下与各个所述子哈密顿量分别匹配的各个参数化量子态的方法为：若当前迭代轮为首轮，则对预先构建的各个参数化量子线路的参数进行随机初始化，再分别作用在各个初始量子态上，得到与各个所述子哈密顿量分别匹配的各个参数化量子态；
...

【专利技术属性】
技术研发人员：林跃锋，范高铭，冯冠儒，孟铁军，项金根，
申请(专利权)人：深圳量旋科技有限公司，
类型：发明
国别省市：