[发明专利]量子态信息的获取方法和装置、量子测控系统和计算机

权利要求书

1.一种量子态信息的获取方法，其特征在于，量子态信息包含在从量子比特上获取的采集信号中，所述获取方法包括以下步骤：

获取第一信号及其对应的分辨系数，其中，所述第一信号为所述采集信号进行离散化处理后得到的信号，所述分辨系数根据从所述采集信号中提取和确定量子态时的相关参数确定；

使用模型对所述第一信号进行分析，获取所述采集信号中的量子态信息，其中，所述模型为使用多组数据通过机器学习训练得到的，所述多组数据中的每组数据均包括第二信号、分辨系数以及标识所述第二信号的量子态的标签，所述第二信号为用于训练的采集信号进行离散化处理后得到的信号。

2.如权利要求1所述的量子态信息的获取方法，其特征在于，所述相关参数包括解调参数以及态分类方程的参数，所述解调参数为对所述采集信号进行解调过程中配置的参数，所述态分类方程为预先配置用于区分不同的量子态。

3.如权利要求2所述的量子态信息的获取方法，其特征在于，所述使用多组数据通过机器学习训练得到所述模型的过程包括：

基于所述第二信号获取对应的分辨系数以及所述态分类方程的参数；

基于所述分辨系数以及所述态分类方程的参数对所述模型的权重进行初始化；

基于所述第二信号以及所述权重，获取所述模型的输出结果；

判断所述输出结果是否满足预设的阈值条件；

若是，则停止训练，并输出训练后的所述模型；

若否，则基于所述输出结果获取损失函数；

基于所述损失函数，更新所述权重，并返回执行所述基于所述第二信号以及所述权重，获取所述模型的输出结果。

4.如权利要求3所述的量子态信息的获取方法，其特征在于，所述模型包括非线性神经元。

5.如权利要求4所述的量子态信息的获取方法，其特征在于，所述非线性神经元包括Sigmoid神经元，或Tanh神经元，或Relu神经元。

6.如权利要求3所述的量子态信息的获取方法，其特征在于，所述损失函数通过以下公式获取：

其中，D为所述第二信号，t_d为预测的结果，o_d为所述输出结果，E为所述损失函数。

7.如权利要求3所述的量子态信息的获取方法，其特征在于，通过梯度下降法，或牛顿法，或随机游走法，或进化策略法更新所述权重。

8.如权利要求2所述的量子态信息的获取方法，其特征在于，所述态分类方程通过以下步骤获取：

将一量子比特制备成第一量子态并对其进行重复测量获取量子比特读取信号在正交平面坐标系上的多个坐标点数据，记为第一集合；

将所述量子比特制备成第二量子态并对其进行重复测量获取量子比特读取信号在正交平面坐标系上的多个坐标点数据，记为第二集合，其中：所述第一量子态和所述第二量子态均为已知量子态且互不相同；

基于所述第一集合、所述第二集合以及所述正交平面坐标系，获取所述态分类方程。

9.如权利要求8所述的量子态信息的获取方法，其特征在于，基于所述第一集合、所述第二集合以及所述正交平面坐标系，通过二元分类算法获取所述态分类方程。

10.如权利要求8所述的量子态信息的获取方法，其特征在于，所述解调参数包括正交本振信号，所述正交本振信号用于对所述采集信号进行下变频并输出基带信号。

11.如权利要求10所述的量子态信息的获取方法，其特征在于，所述解调参数还包括滤波器的抽头系数，所述滤波器用于对所述基带信号进行滤波处理。

12.如权利要求11所述的量子态信息的获取方法，其特征在于，所述解调参数还包括窗函数，所述窗函数为对经滤波处理后的所述基带信号进行加权累加过程中配置的参数。