[發明專利]量子控制波形的優化方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110006995.2
• 申請日: 2021-01-05
• 公開（公告）號: CN112668242B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 鄧修豪;宋垚
• 申請（專利權）人: 南方科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/14;G06F17/13;G06N10/60;G06F111/04;G06F119/14
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 潘登

1.一種量子控制波形的優化方法，其特征在于，包括：

步驟A、對量子邏輯門的預設起始波形進行傅里葉變換，以得到所述預設起始波形的頻域數據；

步驟B、根據預設帶寬限制條件對所述頻域數據進行帶寬限制，以得到目標頻域數據；

步驟C、對所述目標頻域數據進行傅里葉逆變換，以得到目標波形；

步驟D、對所述目標波形進行量子動力學演化，并計算所述量子邏輯門的損失函數；

步驟E、將所述損失函數對所述目標波形利用神經網絡進行自動微分，以獲得所述損失函數的梯度；

步驟F、根據所述損失函數以及所述梯度判斷是否滿足結束條件；若不滿足，則基于所述目標波形，利用梯度下降法更新所述預設起始波形，并返回執行步驟A；若滿足，則將所述目標波形確定為優化后波形輸出。

2.根據權利要求1所述的量子控制波形的優化方法，其特征在于，在所述若不滿足，則基于所述目標波形，利用梯度下降法更新所述預設起始波形之后，還包括：

統計所述方法的迭代次數；

若所述迭代次數達到預設迭代次數，則將更新后的所述預設起始波形確定為所述優化后波形輸出，否則返回執行步驟A。

3.根據權利要求1所述的量子控制波形的優化方法，其特征在于，所述將所述損失函數對所述目標波形利用神經網絡進行自動微分，以獲得所述損失函數的梯度，包括：

利用Tensorflow或PyTorch的自動微分機制構建梯度磁帶；

根據所述梯度磁帶計算所述梯度。

4.根據權利要求1所述的量子控制波形的優化方法，其特征在于，所述結束條件包括：所述損失函數小于預設損失函數精度，或者所述梯度的模小于預設梯度精度。

5.根據權利要求1所述的量子控制波形的優化方法，其特征在于，在所述根據預設帶寬限制條件對所述頻域數據進行帶寬限制，以得到目標頻域數據之前，還包括：

根據所使用的波形生成器的物理參數確定所述預設帶寬限制條件。

6.根據權利要求1所述的量子控制波形的優化方法，其特征在于，所述預設起始波形為有限傅里葉基矢函數。

7.根據權利要求1所述的量子控制波形的優化方法，其特征在于，所述損失函數為非保真度、演化時間或糾纏熵。

8.一種量子控制波形的優化裝置，其特征在于，包括：

頻域數據獲得模塊，用于對量子邏輯門的預設起始波形進行傅里葉變換，以得到所述預設起始波形的頻域數據；

帶寬限制模塊，用于根據預設帶寬限制條件對所述頻域數據進行帶寬限制，以得到目標頻域數據；

目標波形獲得模塊，用于對所述目標頻域數據進行傅里葉逆變換，以得到目標波形；

損失函數計算模塊，用于對所述目標波形進行量子動力學演化，并計算所述量子邏輯門的損失函數；

梯度獲得模塊，用于將所述損失函數對所述目標波形利用神經網絡進行自動微分，以獲得所述損失函數的梯度；

結束判斷模塊，用于根據所述損失函數以及所述梯度判斷是否滿足結束條件；若不滿足，則基于所述目標波形，利用梯度下降法更新所述預設起始波形，并返回所述頻域數據獲得模塊繼續執行；若滿足，則將所述目標波形確定為優化后波形輸出。

9.一種計算機設備，其特征在于，包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的量子控制波形的優化方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的量子控制波形的優化方法。