[發明專利]模型處理方法、裝置、設備及存儲介質

有效

• 申請號: 202011548207.4
• 申請日: 2020-12-23
• 公開（公告）號: CN112561069B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 王鑫;李廣西;陳然一鎏;王友樂
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06N10/00
• 分類號: G06N10/00;G06N3/04;G06N3/08
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 楊瑾瑾;王姍姍

本公開提供了模型處理方法、裝置、設備、存儲介質及產品，涉及量子計算領域。具體實現方案為：獲取待進行訓練的參數化量子電路樣本的編碼信息；計算待進行訓練的參數化量子電路樣本的參數梯度的二階矩；將所述參數化量子電路樣本的參數梯度的二階矩作為標簽，并對所述參數化量子電路樣本的編碼信息進行標注，得到標注后的編碼信息；將所述標注后的編碼信息輸入至預設神經網絡進行模型訓練，并在訓練完成后得到目標神經網絡，其中，所述目標神經網絡能夠基于輸入的待預測的參數化量子電路的編碼信息，預測得到所述待預測的參數化量子電路的參數梯度的二階矩估計值。如此，能夠有效對參數化量子電路的特征進行評估。

技術領域

本公開涉及數據處理技術領域，尤其涉及量子計算領域。

背景技術

量子計算中的一個非常重要的組件是變分量子特征求解器(VQE， VariationalQuantum Eigensolver)，該變分量子特征求解器使用有噪中規量子(NISQ，NoisyIntermediate-Scale Quantum)計算機即可提取物理系統的基態信息。特別的，利用變分量子特征求解器求解得到的基態信息的效果和在求解過程中所給定的參數化量子電路是緊密相關的，可以影響最終制備的基態信息的精度以及所需的時間(也即所需的量子資源)。因此，如何評估參數化量子電路，以選取出合適的參數化量子電路來減少所需的量子資源，成為亟待解決的問題。

發明內容

本公開提供了一種應用于參數化量子電路的模型處理方法、裝置、設備、存儲介質及產品。

根據本公開的一方面，提供了一種應用于參數化量子電路的模型處理方法，包括：

獲取待進行訓練的參數化量子電路樣本的編碼信息；

計算待進行訓練的參數化量子電路樣本的參數梯度的二階矩；

將所述參數化量子電路樣本的參數梯度的二階矩作為標簽，并對所述參數化量子電路樣本的編碼信息進行標注，得到標注后的編碼信息；

將所述標注后的編碼信息輸入至預設神經網絡進行模型訓練，并在訓練完成后得到目標神經網絡，其中，所述目標神經網絡能夠基于輸入的待預測的參數化量子電路的編碼信息，預測得到所述待預測的參數化量子電路的參數梯度的二階矩估計值。

根據本公開的另一方面，提供了一種應用于參數化量子電路的模型處理裝置，包括：

編碼信息獲取單元，用于獲取待進行訓練的參數化量子電路樣本的編碼信息；

計算單元，用于計算待進行訓練的參數化量子電路樣本的參數梯度的二階矩；

樣本數據處理單元，用于將所述參數化量子電路樣本的參數梯度的二階矩作為標簽，并對所述參數化量子電路樣本的編碼信息進行標注，得到標注后的編碼信息；

模型訓練單元，用于將所述標注后的編碼信息輸入至預設神經網絡進行模型訓練，并在訓練完成后得到目標神經網絡，其中，所述目標神經網絡能夠基于輸入的待預測的參數化量子電路的編碼信息，預測得到所述待預測的參數化量子電路的參數梯度的二階矩估計值。

根據本公開的另一方面，提供了一種電子設備，包括：

至少一個處理器；以及

與該至少一個處理器通信連接的存儲器；其中，

該存儲器存儲有可被該至少一個處理器執行的指令，該指令被該至少一個處理器執行，以使該至少一個處理器能夠執行本公開任一實施例中的方法。

根據本公開的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，該計算機指令用于使計算機執行本公開任一實施例中的方法。

根據本公開的另一方面，提供了一種計算機程序產品，包括計算機程序，該計算機程序被處理器執行時實現本公開任一實施例中的方法。