[發(fā)明專利]量子比特的校準方法及裝置、量子計算機

有效

• 申請?zhí)枺?/td>: 202110338523.7
• 申請日: 2021-03-26
• 公開（公告）號: CN113011594B
• 公開（公告）日: 2023-08-08
• 發(fā)明（設計）人: 李澤東;石漢卿;孔偉成
• 申請（專利權）人: 本源量子計算科技（合肥）股份有限公司
• 主分類號: G06N10/70
• 分類號: G06N10/70;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種量子比特的校準方法，其特征在于，包括以下步驟：

基于量子比特的輸出信號，分析所述輸出信號的信號異常的類型；

使用模型對所述輸出信號對應的信號異常進行分析，獲取當前信號異常與所述量子比特的各項參數的關聯(lián)度，其中，所述模型為使用多組數據通過機器學習訓練得到的，所述多組數據中的每組數據均包括用于訓練的量子比特的輸出信號以及表示信號異常與參數的關聯(lián)度的標簽；

按照所述關聯(lián)度從大到小的順序依次對所述量子比特進行對應參數的校準操作，在每次完成所述校準操作時，均判斷所述量子比特的輸出信號是否發(fā)生信號異常；若是，則返回執(zhí)行基于量子比特的輸出信號，分析所述輸出信號的信號異常的類型；若否，則校準完成。

2.如權利要求1所述的量子比特的校準方法，其特征在于，當在對一參數執(zhí)行所述校準操作后，判斷出所述量子比特的輸出信號為發(fā)生信號異常，則將該參數標記為已排查參數。

3.如權利要求2所述的量子比特的校準方法，其特征在于，所述按照所述關聯(lián)度從大到小的順序依次對所述量子比特進行對應參數的校準操作，包括：獲取除所述已排查參數外的參數中與當前信號異常的關聯(lián)度最大的參數，并進行校準操作。

4.如權利要求1所述的量子比特的校準方法，其特征在于，所述基于量子比特的輸出信號，分析所述輸出信號的信號異常的類型，包括：

獲取所述量子比特的輸出信號；

判斷所述輸出信號是否發(fā)生信號異常；

若是，則利用第一數據庫中存儲的信息，對所述輸出信號進行分析，獲取所述輸出信號發(fā)生的信號異常的類型；其中，所述第一數據庫用于存儲所述量子比特和/或其它量子比特的已發(fā)生信號異常的歷史數據。

5.如權利要求4所述的量子比特的校準方法，其特征在于，所述信號異常的類型包括讀取保真度下降或兩量子比特隨機基準測試下降。

6.如權利要求5所述的量子比特的校準方法，其特征在于，所述讀取保真度下降中的參數包括：讀取功率以及讀取頻率。

7.如權利要求6所述的量子比特的校準方法，其特征在于，與所述讀取保真度下降的關聯(lián)度從大到小的參數依次為：所述讀取頻率以及所述讀取功率。

8.如權利要求5所述的量子比特的校準方法，其特征在于，所述兩量子比特隨機基準測試下降中的參數包括：量子比特頻率以及耦合強度。

9.如權利要求8所述的量子比特的校準方法，其特征在于，與所述兩量子比特基準測試下降的關聯(lián)度從大到小的參數依次為：所述量子比特頻率以及所述耦合強度。

10.一種量子比特的校準裝置，其特征在于，包括：

第一模塊，其被配置為基于量子比特的輸出信號，分析所述輸出信號的信號異常的類型；

第二模塊，其被配置為使用模型對所述輸出信號對應的信號異常進行分析，獲取當前信號異常與所述量子比特的各項參數的關聯(lián)度，其中，所述模型為使用多組數據通過機器學習訓練得到的，所述多組數據中的每組數據均包括用于訓練的量子比特的輸出信號以及表示信號異常與參數的關聯(lián)度的標簽；

第三模塊，其被配置為按照所述關聯(lián)度從大到小的順序依次對所述量子比特進行對應參數的校準操作；

第四模塊，其被配置為在每次完成所述校準操作時，均判斷所述量子比特的輸出信號是否發(fā)生信號異常；若是，則返回執(zhí)行基于量子比特的輸出信號，分析所述輸出信號的信號異常的類型；若否，則校準完成。

11.一種量子芯片校準方法，量子芯片中包括若干個量子比特，其特征在于，利用如權利要求1-9中任一項所述的校準方法對所述量子芯片中的若干個芯片進行校準操作。

12.一種量子計算機，其特征在于，利用權利要求1至9中任一項所述的量子比特的校準方法或包括權利要求10所述的量子比特的校準裝置。

13.一種可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被一處理器執(zhí)行時能實現權利要求1至9中任一項所述的量子比特的校準方法。