[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

本發明實施例公開了一種量子控制波形的優化方法、裝置、計算機設備及存儲介質。該方法包括：對量子邏輯門的預設起始波形進行傅里葉變換，以得到預設起始波形的頻域數據；根據預設帶寬限制條件對頻域數據進行帶寬限制，以得到目標頻域數據；對目標頻域數據進行傅里葉逆變換，以得到目標波形；對目標波形進行量子動力學演化，并計算量子邏輯門的損失函數；將損失函數對目標波形利用神經網絡進行自動微分，以獲得損失函數的梯度；根據損失函數以及梯度判斷是否滿足結束條件；若不滿足，則基于目標波形，利用梯度下降法更新預設起始波形后重復上述方法；若滿足，則將目標波形確定為優化后波形輸出。從而獲得頻域可控的、平滑且可解析的量子控制波形。

技術領域

本發明實施例涉及量子控制技術領域，尤其涉及一種量子控制波形的優化方法、裝置、計算機設備及存儲介質。

背景技術

量子計算機中的物理比特，比如超導量子比特或量子點等等，需要用到任意波形生成器產生調制的微波信號來對量子比特進行控制，從而實現各種各樣的邏輯門操作。

控制波形的優化長期以來主要依賴基于梯度下降的GRAPE算法來獲得，包括數值以及基于反饋的實驗操作，這種算法需要以波形的離散時序幅值作為參數進行優化。目前這種算法存在很多問題，如優化的參數空間非常大，其維度與波形長度以及離散化的分辨率成正比，從而嚴重影響優化速率，而且優化所得的波形包含很多高頻分量，無法用任意波形生成器生成，即不具備可操作性，其中的高頻分量還很容易被高頻噪聲淹沒，從而對普遍存在的高頻噪聲不具備魯棒性。

針對GRAPE算法優化結果具有高頻分量的問題，目前通常通過對優化結果進行后處理的高斯濾波來使結果平滑，但這種后處理得到的平滑波形并不是優化的結果，通常這種后處理會損失很大的邏輯門操作的正確性和魯棒性，還有一種改進方案是通過對相鄰離散時間點的幅值的差外加最大值限制來壓制優化波形中的高頻成分，但這種技術不僅不具備清晰的物理圖像，而且在帶寬上不具備直觀的可控性，無法針對任意波形產生器進行帶寬調節。

發明內容

本發明實施例提供一種量子控制波形的優化方法、裝置、計算機設備及存儲介質，以解決傳統方法的頻域不可控、波形平滑性差以及調節參數過多等問題。

第一方面，本發明實施例提供了一種量子控制波形的優化方法，該方法包括：

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。

第二方面，本發明實施例還提供了一種量子控制波形的優化裝置，該裝置包括：

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；