[發(fā)明專利]一種分布式的量子計(jì)算仿真方法和裝置

有效

• 申請?zhí)枺?/td>: 202010923077.1
• 申請日: 2020-09-04
• 公開（公告）號(hào): CN112132287B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 張新;趙雅倩;李仁剛;姜金哲;李辰
• 申請（專利權(quán)）人: 蘇州浪潮智能科技有限公司
• 主分類號(hào): G06N10/20
• 分類號(hào): G06N10/20;G06N3/12;G06F30/27
• 代理公司: 北京連和連知識(shí)產(chǎn)權(quán)代理有限公司 11278
• 代理人: 張?jiān)?張濤

1.一種分布式的量子計(jì)算仿真方法，其特征在于，包括執(zhí)行以下步驟：

將待仿真的量子線路轉(zhuǎn)化為以無向圖表示的張量網(wǎng)絡(luò)，并使用基于分布式系統(tǒng)的運(yùn)算資源的遺傳算法將所述無向圖切分為多個(gè)子圖；

將所述多個(gè)子圖分別在各個(gè)子進(jìn)程節(jié)點(diǎn)上執(zhí)行針對相連接的張量之間的張量縮并直到僅剩一個(gè)張量，以最終同時(shí)獲得所述多個(gè)子圖的零階張量；

從各個(gè)子進(jìn)程節(jié)點(diǎn)同時(shí)獲取和疊加所述多個(gè)子圖的零階張量以確定所述無向圖的零階張量，并將其作為正定算子取值測量元的概率幅來執(zhí)行量子計(jì)算仿真；

其中使用基于分布式系統(tǒng)的運(yùn)算資源的遺傳算法將所述無向圖切分為多個(gè)子圖包括：

基于分布式系統(tǒng)的運(yùn)算資源確定對所述無向圖執(zhí)行切分的次數(shù)，使得以4為底的所述切分的次數(shù)的指數(shù)冪趨近可用的所述子進(jìn)程的數(shù)量；

基于所述切分的次數(shù)使用所述遺傳算法確定對所述無向圖執(zhí)行切分的邊集合；

將所述邊集合中的邊從所述無向圖中切斷，并在被切斷位置生成兩個(gè)新頂點(diǎn)；

為所述兩個(gè)新頂點(diǎn)賦予4組分的密度算符{|00|, |01|, |10|, |11|}中之一作為所述兩個(gè)新頂點(diǎn)的張量；

基于所述兩個(gè)新頂點(diǎn)的張量的密度算符的不同賦值而生成所有可能的組合作為所述多個(gè)子圖，其中子圖的數(shù)量是以4為底的所述切分的次數(shù)的指數(shù)冪；并且

其中基于所述切分的次數(shù)使用所述遺傳算法確定對所述無向圖執(zhí)行切分的邊集合，包括：

構(gòu)建確定數(shù)量的所述無向圖作為個(gè)體以形成無向圖種群，在所述無向圖中隨機(jī)選擇所述切分的次數(shù)個(gè)邊生成所述邊集合，除此之外還包括以下步驟：

計(jì)算所述種群中所有個(gè)體的無向圖樹寬度，并將所有個(gè)體依照所述無向圖樹寬度的大小而排序；

使除所述無向圖樹寬度最小的個(gè)體外的所有個(gè)體兩兩相鄰地交換所述邊集合中的部分邊以執(zhí)行染色體變異；

將在除所述無向圖樹寬度最小的個(gè)體外的所有個(gè)體中隨機(jī)選取的一個(gè)邊集合中的隨機(jī)選取的一個(gè)邊替換為隨機(jī)選取的另一個(gè)邊以執(zhí)行基因突變；

響應(yīng)于所述邊集合中出現(xiàn)重復(fù)的邊，而隨機(jī)選取所述邊集合中不存在的邊替代重復(fù)的邊；

重復(fù)循環(huán)執(zhí)行上述步驟直到循環(huán)次數(shù)超過預(yù)定的最大迭代次數(shù)，并返回種群內(nèi)的最優(yōu)個(gè)體作為所述邊集合。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，將待仿真的量子線路轉(zhuǎn)化為以無向圖表示的張量網(wǎng)絡(luò)包括：

將所述量子線路中的量子比特的輸入態(tài)、操作門、和測量使用跡運(yùn)算轉(zhuǎn)化為張量，并在所述無向圖中確定為頂點(diǎn)；

將所述量子線路中的量子比特的輸入態(tài)、操作門、和測量之間的連接關(guān)系在所述無向圖中確定為對應(yīng)頂點(diǎn)之間相連的邊。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，計(jì)算所述無向圖樹寬度包括：

基于所有的不同張量縮并順序?qū)λ鰺o向圖執(zhí)行樹分解以獲得多顆樹；

基于所述多顆樹各自的結(jié)構(gòu)分別確定所對應(yīng)的所述樹分解的寬度；

基于所述多顆樹中所述樹分解的寬度的最小值確定所述無向圖樹寬度。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述多個(gè)子圖分別在各個(gè)子進(jìn)程節(jié)點(diǎn)上執(zhí)行針對相連接的張量之間的張量縮并直到僅剩一個(gè)張量，以最終同時(shí)獲得所述多個(gè)子圖的零階張量包括：

所述各個(gè)子進(jìn)程節(jié)點(diǎn)使用相同的張量縮并順序分別對所述多個(gè)子圖中的不同節(jié)點(diǎn)依次執(zhí)行張量縮并，在單位計(jì)算時(shí)間內(nèi)消耗相同的計(jì)算資源，并使具有相同計(jì)算能力的所述各個(gè)子進(jìn)程節(jié)點(diǎn)同時(shí)獲得所述多個(gè)子圖的零階張量。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，將待仿真的量子線路轉(zhuǎn)化為以無向圖表示的張量網(wǎng)絡(luò)并使用基于分布式系統(tǒng)的運(yùn)算資源的遺傳算法將所述無向圖切分為多個(gè)子圖，以及從各個(gè)子進(jìn)程節(jié)點(diǎn)同時(shí)獲取和疊加所述多個(gè)子圖的零階張量以確定所述無向圖的零階張量，并將其作為正定算子取值測量元的概率幅來執(zhí)行量子計(jì)算仿真的步驟均為在分布式系統(tǒng)的主進(jìn)程節(jié)點(diǎn)上執(zhí)行。

6.一種分布式的量子計(jì)算仿真裝置，其特征在于，包括主進(jìn)程節(jié)點(diǎn)和多個(gè)子進(jìn)程節(jié)點(diǎn)，其中：

所述主進(jìn)程節(jié)點(diǎn)配置用于將待仿真的量子線路轉(zhuǎn)化為以無向圖表示的張量網(wǎng)絡(luò)，并使用基于分布式系統(tǒng)的運(yùn)算資源的遺傳算法將所述無向圖切分為多個(gè)子圖；

所述多個(gè)子進(jìn)程節(jié)點(diǎn)配置用于將所述多個(gè)子圖分別執(zhí)行針對相連接的張量之間的張量縮并直到僅剩一個(gè)張量，以最終同時(shí)獲得所述多個(gè)子圖的零階張量；

所述主進(jìn)程節(jié)點(diǎn)還配置用于同時(shí)獲取和疊加所述多個(gè)子圖的零階張量以確定所述無向圖的零階張量，并將其作為正定算子取值測量元的概率幅來執(zhí)行量子計(jì)算仿真；

其中所述主進(jìn)程節(jié)點(diǎn)使用基于分布式系統(tǒng)的運(yùn)算資源的遺傳算法將所述無向圖切分為多個(gè)子圖包括：

基于分布式系統(tǒng)的運(yùn)算資源確定對所述無向圖執(zhí)行切分的次數(shù)，使得以4為底的所述切分的次數(shù)的指數(shù)冪趨近可用的所述子進(jìn)程的數(shù)量；

基于所述切分的次數(shù)使用所述遺傳算法確定對所述無向圖執(zhí)行切分的邊集合；

將所述邊集合中的邊從所述無向圖中切斷，并在被切斷位置生成兩個(gè)新頂點(diǎn)；

為所述兩個(gè)新頂點(diǎn)賦予4組分的密度算符{|00|, |01|, |10|, |11|}中之一作為所述兩個(gè)新頂點(diǎn)的張量；

基于所述兩個(gè)新頂點(diǎn)的張量的密度算符的不同賦值而生成所有可能的組合作為所述多個(gè)子圖，其中子圖的數(shù)量是以4為底的所述切分的次數(shù)的指數(shù)；并且

其中所述主進(jìn)程節(jié)點(diǎn)基于所述切分的次數(shù)使用所述遺傳算法確定對所述無向圖執(zhí)行切分的邊集合包括：

構(gòu)建確定數(shù)量的所述無向圖作為個(gè)體以形成無向圖種群，在所述無向圖中隨機(jī)選擇所述切分的次數(shù)個(gè)邊生成所述邊集合，除此之外還包括以下步驟：

計(jì)算所述種群中所有個(gè)體的無向圖樹寬度，并將所有個(gè)體依照所述無向圖樹寬度的大小而排序；

使除所述無向圖樹寬度最小的個(gè)體外的所有個(gè)體兩兩相鄰地交換所述邊集合中的部分邊以執(zhí)行染色體變異；

將在除所述無向圖樹寬度最小的個(gè)體外的所有個(gè)體中隨機(jī)選取的一個(gè)邊集合中的隨機(jī)選取的一個(gè)邊替換為隨機(jī)選取的另一個(gè)邊以執(zhí)行基因突變；

響應(yīng)于所述邊集合中出現(xiàn)重復(fù)的邊，而隨機(jī)選取所述邊集合中不存在的邊替代重復(fù)的邊；

重復(fù)循環(huán)執(zhí)行上述步驟直到循環(huán)次數(shù)超過預(yù)定的最大迭代次數(shù)，并返回種群內(nèi)的最優(yōu)個(gè)體作為所述邊集合。