[发明专利]量子位校准

权利要求书

1.一种方法，包括：

根据自动量子位校准过程，使得对一个或多个量子位执行多个量子位校准程序；

存储日志数据，所述日志数据至少包括：

标识已执行的一个或多个校准程序的记录，以及

与各个校准程序的结果有关的信息；

从所述日志数据中选择训练数据；

在于一个或多个计算设备处操作的学习模块处接收训练数据；

在所述学习模块处训练监督学习模型，以选择要被校准和/或检查的量子位参数，其中，使用已从所述日志数据中选择的训练数据来训练所述监督学习模型。

2.根据权利要求1所述的方法，其中，根据包括多个节点和边的图来操作所述自动量子位校准过程，其中，所述图的每个节点与至少一个量子位参数有关，并且其中，每个边限定一个节点对另一节点的依赖关系，其中，选择要被校准和/或检查的量子位参数包括选择所述图中的节点。

3.根据权利要求2所述的方法，其中，从所述日志数据中选择训练数据包括选择训练样例，所述训练样例分别包括：

与对于节点执行的校准实验有关的测量数据；和

对于一个或多个其他节点的量子位校准程序的结果的指示，

其中，使用所述训练数据来训练所述监督学习模型，以基于从对于第一节点的校准实验获得的测量数据来标识导致所述第一节点发生故障的一个或多个第二节点。

4.根据权利要求3所述的方法，其中，通过训练来配置所述监督学习模型，以标识从对于所述第一节点的校准实验获得的测量数据中的一个或多个模式或独特特征，从而标识一个或多个第二节点。

5.根据权利要求3或权利要求4所述的方法，其中，所述模型包括神经网络，其中，使用反向传播来训练所述神经网络。

6.根据权利要求2所述的方法，其中，所述监督学习模型是贝叶斯模型，所述训练数据包括对于(1)单个节点和(2)节点组合的校准未通过的频率，从而训练所述模型以估计一个节点的故障是由一个或多个其他节点导致的概率。

7.根据权利要求6所述的方法，其中，概率模型被配置为使用最大似然估计和/或平滑的概率估计器基于所述训练数据来得出概率。

8.根据权利要求2所述的方法，其中，从所述日志数据中选择所述训练数据包括选择训练样例，所述训练样例分别包括：

对针对节点的校准程序未通过的指示；和

自发生故障的节点最后被检查或校准以来经过的时间，

其中，所述模型从而被训练以给定自节点最后被检查或校准以来经过的时间，确定对该节点执行的校准程序将不通过的概率的估计。

9.根据权利要求8所述的方法，包括对节点故障相对于自发生故障的节点最后被检查或校准以来经过的时间绘制直方图。

10.根据权利要求8或权利要求9所述的方法，包括使用所述模型确定一个或多个节点的超时时段。

11.根据权利要求2至10中的任一项所述的方法，其中，所述图是有向非循环图。

12.根据权利要求2至11中的任一项所述的方法，其中，存储一个或多个相关校准程序的群组的日志数据包括存储以下中的一个或多个：

对与其进行交互的节点的指示；

对与节点进行交互的顺序的指示；

对执行了的校准程序的指示；

对与节点进行交互的时间的指示；

测量的数据；

对所述测量的数据是否合规格的指示；

对是否从保存的值更新了参数的指示；和

对任何更新的参数修改了保存的值的程度的度量。