[发明专利]用于设置具有有界整数域上多项式的哈密顿量表示的超导量子位系统的方法和系统在审
申请号: | 201780046598.X | 申请日: | 2017-05-26 |
公开(公告)号: | CN109478256A | 公开(公告)日: | 2019-03-15 |
发明(设计)人: | 萨哈尔·卡里米;普亚·罗纳格 | 申请(专利权)人: | 1QB信息技术公司 |
主分类号: | G06N10/00 | 分类号: | G06N10/00 |
代理公司: | 北京安信方达知识产权代理有限公司 11262 | 代理人: | 贺淑东 |
地址: | 加拿大不列*** | 国省代码: | 加拿大;CA |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 超导量子位 二进制变量 整数域 等效二进制 系数编码 二阶 线性函数 整数编码 整数变量 耦合 局部场 降阶 偏置 | ||
本文描述了用于通过有界系数编码设置具有有界整数域上多项式的哈密顿量表示的超导量子位系统的方法、系统和介质。可以获取所述有界整数域上的多项式和整数编码参数。接下来,可以计算所述有界系数编码。接下来,所述多项式的每个整数变量均可以变换为二进制变量的线性函数。接下来,可以计算所述多项式的等效二进制表示的系数。接下来,可以对所述多项式的所述等效二进制表示执行降阶,以生成二进制变量下至多为二阶的等效多项式。接下来,可以使用二进制变量下所述至多为二阶的所述等效多项式的所述系数,在所述超导量子位系统上设置局部场偏置和耦合强度。
本申请要求2016年5月26日提交的美国非临时专利申请No.15/165,655的优先权,上述申请通过引用而全文并入于此。
背景技术
量子计算机通常利用量子力学现象(例如叠加和纠缠)来对数据执行操作。量子计算机可以不同于基于晶体管的数字电子计算机。例如,数字计算机要求将数据编码成二进制数字(位),每个二进制数字始终处于两种确定状态(0或1)之一,而量子计算使用量子比特(量子位),量子位可以处于状态的叠加。
例如,在美国专利公开号US20120326720和US20060225165中公开了超导量子位系统(system of superconducting qubits),上述每一个专利公开均通过引用而全文并入于此,并由D-Wave Systems、IBM和Google制造。这样的模拟系统可用于实现量子计算算法,例如,Farhi等人提出的量子绝热计算[arXiv:quant-ph/0001106]和Grover提出的量子搜索算法[arXiv:quant-ph/0206003],所述每个算法均通过引用而全文并入于此。
发明内容
本公开涉及量子信息处理。存在许多方法使用超导量子位系统来求解二进制多项式约束下的多项式规划问题。本文公开的方法可以与有关任何求解器的任何方法结合使用,用于求解二进制多项式约束下的多项式规划问题,以求解混合整数多项式约束下的多项式规划问题。
量子装置的当前实施方式具有有限数目的超导量子位,并且还易于受各种噪声源影响。在实践中,这种情况使得量子装置的使用受制于有限数目的量子位和有限范围的可适用铁磁偏置和耦合。因此,需要在量子装置的量子位上有效编码数据的方法。
本教导涉及量子信息处理。本申请涉及一种用于在超导量子位上存储整数并设置这样的超导量子位系统的方法,该系统具有在有界整数域上的多项式的哈密顿量表示(Hamiltonian representative)。这样的超导量子位系统可被配置用于通过有界系数编码来求解有界整数域上的多项式规划问题。
本文公开的方法可以用作预处理操作,以利用二进制多项式约束下的多项式规划问题的求解器,来求解混合整数多项式约束下的多项式规划问题。例如,可以通过对于i=1,…,d,将每个整数变量x变换为二进制变量yi的线性函数来实现上述转换:
元组(c1,…,cd)称为整数编码。一些众所周知的整数编码包括:
二进制编码,其中ci=2i-1。
·一元编码,其中ci=1。
·顺序编码,其中ci=i。
量子装置的当前实施方式可以具有有限数目的超导量子位,并且还可以易于受各种噪声源影响,例如受环境和系统的热效应和退相干效应[arXiv:1505.01545v2]影响。在实践中,这种情况可以使得量子装置的使用受制于有限数目的量子位和有限范围的可适用铁磁偏置和耦合。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于1QB信息技术公司,未经1QB信息技术公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201780046598.X/2.html,转载请声明来源钻瓜专利网。
- 上一篇:使用合成梯度来训练神经网络
- 下一篇:用于硬件加速机器学习的设备