[发明专利]利用量子计算机的随机控制

说明书

提供了用于促进结合随机控制问题利用量子计算电路的技术。在一个实施例中，提供了一种系统，其包括量子计算电路，用来准备表示随机控制问题的量子态。该系统可以进一步包括经典计算装置，用来确定用于该量子计算电路的多个参数。

背景技术

本公开内容涉及量子计算装置，并且更具体地涉及将量子计算技术与随机控制问题相结合。随机控制问题是控制理论的子集(例如，控制连续操作的动态系统)，其一般尝试考虑观察中的不确定性或驱动相关联系统的演进的噪声中的不确定性。在随机控制问题中，具有已知概率分布的随机噪声可以影响随机控制问题的状态变量的演变和观察。在随机控制问题中，目标可以是设计受控变量的时间路径，以便以最小成本执行相关联的控制任务。那么，马尔可夫决策问题通常是离散时间随机控制问题。

随机控制问题和马尔可夫决策问题可以用于对在像供应链管理、金融或能量系统的控制的领域中出现的不同过程进行建模。在这样的问题中，系统在初始状态(例如，通过库存水平和开放购买订单)开始，然后做出决定(例如，下了购买订单)，并且观察到一些不确定性(例如，新的客户需求)。在每个时间周期中，已知的转换定律可以应用于状态、决定和观察的周期不确定性以确定下一时间周期中的状态。可以针对有限或无限范围重复该方法。在一些示例中，在每个周期中，可以基于状态和决定来观察即时成本(或奖励)。总体目标可以是找到确定每个状态和时间段的决定的策略，使得平均/总/折扣成本(或奖励)被最小化(或最大化)。在一些示例中，由于维度的复杂性(即，状态和动作空间随着它们的维度的指数增长)，这样的问题不能被解决到最优性。

更正式地，这样的问题可以描述如下。令x_t为周期t处的状态，其中给定初始状态x₀。设u_t为在时段t(由某个策略选择)的决定。令w_t为在时间t的不确定性(遵循给定概率分布或随机过程)。然后，过渡规律可以表示为x_t+1＝f_t(x_t，u_t，w_t)，具有即时成本：c_t(x_t，u_t)。然后，目标函数可以表示为以计算有限时间范围内的总成本。可能的目标函数可以包括成本/奖励；有限/无限范围；以及平均、总计或折扣。目标可以是找到使总/平均/折扣成本(或奖励)最小化(或最大化)的策略π_t(x_t)＝u_t。

已经采用经典的计算方法来解决这种类型的问题。然而，利用经典计算方法来解决随机控制问题存在若干问题，其中一些是众所周知的。

例如，精确的经典解决方案(例如，值迭代、策略迭代或线性编程)在问题维度上以指数方式缩放，即，它们遭受维度的复杂性。由此，它们仅可应用于小的问题实例。然后，在使用近似技术而不是精确的经典解决方案的情况下，这些近似技术通常仅比精确技术稍微更好地缩放，或者它们需要降低其适用性的大量定制(例如，基函数的选择)。

发明内容

以下呈现概述以提供对本发明的一个或多个实施例的基本理解。本概述不旨在标识关键或重要元素，或描绘特定实施例的任何范围或权利要求的任何范围。其唯一目的是以简化形式呈现概念，作为稍后呈现的更详细描述的序言。在此描述的一个或多个实施例中，描述了量子计算技术与随机控制的组合。

根据一个实施例，提供了一种系统。在一个示例中，该系统包括准备表示随机控制问题的量子态的量子计算电路。在一个或多个实现方式中，该系统可以进一步包括一个经典计算装置，该经典计算装置确定用于该量子计算电路的多个参数。该系统的优点在于，它可以用于更快速地确定随机控制问题的目标值，并且与现有技术相比同时使用更少的计算资源。在一个或多个实现方式中，对应于该随机控制问题的策略情景树具有第一大小，并且该量子计算电路的量子位的数目具有第二大小，该第二大小对数上小于该第一大小。这样的优点是随机控制问题可以用比用经典计算技术表示的策略情景树更少量的计算资源来表示。