[发明专利]用工程似然函数进行贝叶斯推理以进行稳健幅度估计的混合量子经典计算机

说明书

一种混合量子经典(HQC)计算机利用可用量子相干性来最大程度地增强对嘈杂量子设备采样的能力，从而与VQE相比减少测量次数和运行时间。所述HQC计算机从量子计量学、相位估计和最近的“阿尔法‑VQE”提议中汲取灵感，得出了对误差具有鲁棒性且不需要辅助量子位的一般公式。所述HQC计算机使用“工程化似然函数”(ELF)进行贝叶斯推理。因为物理硬件从嘈杂的中等规模量子计算机的状态过渡到量子误差校正计算机的状态，所述ELF形式增强采样方面的量子优势。此技术加速了许多量子算法的中心部分，其应用包括化学、材料、金融等。

背景技术

量子计算机有望解决原本使用经典计算机无法解决或仅可非常低效地处理的行业关键问题。主要应用领域包括化学和材料、生物科学和生物信息学、物流和金融。部分地由于即用型量子计算机的性能的一波进步，最近对量子计算的兴趣激增。然而，近期量子设备的资源仍然极其有限，这阻碍了量子计算机在实际意义问题上的部署。

最近一系列迎合近期量子设备的局限性的方法已经引起了极大的关注。这些方法包括变分量子本征求解器(VQE)、量子近似优化算法(QAOA)和变体、变分量子线性系统求解器、利用变分原理的其他量子算法以及量子机器学习算法。尽管有此类算法创新，但这些方法中的许多方法由于它们在测量次数和运行时间方面的高成本而对于商业相关问题来说似乎是不切实际的。然而，对于中等大型问题实例，在运行时间上提供二次加速的方法(诸如相位估计)所需的量子资源远超近期设备的所及范围。

发明内容

对于许多有实际价值的问题，混合量子经典算法诸如变分量子本征求解器(VQE)所需的测量次数高得离谱。降低这种成本的量子算法(例如量子幅度和相位估计)需要对于近期实施方式来说过低的误差率。本发明的实施方案包括混合量子经典(HQC)计算机，以及由HQC计算机执行的方法，它们利用可用量子相干性来最大程度地增强对嘈杂量子设备采样的能力，从而与VQE相比减少测量次数和运行时间。此类实施方案从量子计量学、相位估计和最近的“阿尔法-VQE”提议中汲取灵感，得出了对误差具有鲁棒性且不需要辅助量子位的一般公式。此方法的中心目标是所谓的用于进行贝叶斯推理的“工程似然函数”(ELF)。因为物理硬件从嘈杂的中等规模量子计算机的状态过渡到量子误差校正计算机的状态，本发明的实施方案使用ELF形式来增强采样方面的量子优势。此技术加速了许多量子算法的中心部分，其应用包括化学、材料、金融等。

本发明的各个方面和实施方案的其他特征和优点通过以下描述和权利要求将变得显而易见。

附图说明

图1是根据本发明的一个实施方案的量子计算机的图；

图2A是根据本发明的一个实施方案的由图1的量子计算机执行的方法的流程图；

图2B是根据本发明的一个实施方案的执行量子退火的混合量子经典计算机的图；

图3是根据本发明的一个实施方案的混合量子经典计算机的图；

图4是根据本发明的一个实施方案的用于执行量子幅度估计的混合量子经典计算机(HQC)的图；

图5示出标准采样和本发明的一些实施方案的量子电路，连同它们对应的似然函数；

图6示出显示费希尔信息对各种似然函数的依赖性的曲线图；

图7示出根据本发明的一个实施方案的用于生成对应于工程化似然函数的样本的操作；

图8示出由本发明的实施方案实现的算法；

图9至图12示出由本发明的实施方案执行的各种算法；

图13是根据本发明的各种实施方案的真实似然函数和拟合似然函数的曲线图；

图14至图18示出展示本发明的各种实施方案的性能的曲线图；

图19示出本发明的各种实施方案的因素；