[發明專利]基于生命周期的路徑搜索判別、優化方法和裝置

有效

• 申請號: 202211068175.7
• 申請日: 2022-09-02
• 公開（公告）號: CN115130676B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 劉鑫;劉勇;陳垚鍵;宋佳偉;史新民;郭楚;付昊桓;李芳;孫川;陳華蓉
• 申請（專利權）人: 之江實驗室;國家超級計算無錫中心
• 主分類號: G06N10/60
• 分類號: G06N10/60;G06Q10/04
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 孫孟輝;楊小凡

本發明公開了基于生命周期的路徑搜索判別、優化方法和裝置，通過不同維度的張量表示各個量子比特和量子門，將量子隨機電路轉化為張量網絡，將張量網絡中的張量按維度大小分為主莖張量和分枝張量，采用分枝張量的交換和融合的方式，得到主莖張量樹結構和配套的收縮路徑優化，完成最終張量網絡收縮，張量的維度對應量子門的操作比特數，根據最終張量網絡收縮，進行對應量子比特與量子門之間的作用、量子門之間的融合，收縮路徑優化包括：讀取張量網絡收縮路徑；遍歷路徑，判別是否進行分枝張量的交換和枝融合；根據判別結果進行張量網絡收縮路徑調優；輸出調優后的張量網絡收縮路徑。

技術領域

本發明涉及量子計算技術領域，尤其是涉及一種基于生命周期的路徑搜索判別、優化方法和裝置。

背景技術

隨著量子計算的快速發展，包含超過50量子比特的量子芯片已成為現實。使用經典計算機計算輸出態的振幅，從而評估保真度，是檢驗量子計算機計算結果正確性的一個主要方法。所以，在開發高效率量子算法的過程中，需要依賴經典模擬來支持其計算結果。在一些特定算法上，量子計算機相對于經典計算機，在計算復雜度上有指數級的優勢。因此，較大規模量子計算機的出現，對于經典模擬，提出了巨大的挑戰。谷歌在2019年提出了53量子比特的Sycamore電路，并估計使用當時世界第一的超級計算機——Summit，需要超過10000年才能完成模擬任務。雖然，在后續的工作中，這一數字被逐漸降低到了以數年、數月為單位，但在時間上仍是超級計算機難以接受的。為了給量子計算機提供快速可靠的驗證，盡可能地加速經典模擬，使其在模擬時間上重新回到可接受的范圍內，成為了一個關鍵需求。

量子隨機電路是一種通用隨機電路，電路中有一個20個周期的糾纏模式ABCDCDAB，專門為挑戰經典模擬算法而設計，它是體現量子計算機相對于經典計算機優越性的一類常用電路。模擬量子隨機電路，有兩種基本方法：直接模擬方法和張量網絡收縮方法。直接模擬方法的內存開銷，隨著量子比特數的增大而指數增長，不適用于較大規模的量子電路。張量網絡收縮方法中，可以犧牲一定計算復雜度，通過切邊來減小內存開銷，從而處理大量子比特情形，近年來逐漸成為廣泛使用的模擬方法。

量子隨機電路中，各個量子比特和量子門，均可以表示為不同維度的張量，張量的維度是量子門的操作比特數的兩倍，從而，整個電路化為一個張量網絡，張量網絡是由多個張量按照一定的收縮規則構成的模型，量子比特與量子門之間的作用、量子門之間的融合，均可看作張量之間的收縮。張量網絡中的一個節點代表一個張量，與該節點連接的邊代表該張量的索引，連接不同節點的邊代表對應張量的共有索引，把這些共有索引收縮掉從而計算整個張量網絡的結果值的過程稱為張量網絡收縮。如M+K維張量和K+N維張量收縮K條邊，生成M+N維張量的過程就是張量收縮的過程。于是量子模擬問題，就轉化成了一個張量網絡收縮問題。對于單振幅模擬，張量網絡收縮的最終結果是一個標量——即一個幾率振幅值。

張量網絡收縮路徑上，不同收縮步的計算復雜度和內存復雜度有較大差異，部分高維張量是主要的內存開銷來源，高維張量參與的收縮是計算復雜度的主要來源。不合理的收縮路徑，會導致部分張量維數過高，使得計算、內存復雜度膨脹。因此，張量網絡收縮的路徑是決定計算復雜度的關鍵，根據Cotengra軟件的結果，對于Sycamore量子電路，不同質量的張量網絡收縮路徑，計算復雜度的差距能達到倍以上。單目標的優化策略只針對內存和計算中的一個方面，而很有可能導致另一方面的效果變差。兩方面同時優化，是本工作的核心目標。例如，除了收縮路徑本身帶來的計算復雜度，不同收縮路徑還會導致切邊數量、切邊開銷的不同，影響最終的計算復雜度。如何調優收縮路徑，使其能獲得較低的計算和內存復雜度，是待解決的核心問題。

2020年，阿里巴巴將張量網絡中的張量按維度大小分為了主莖張量和分枝張量，提出了主莖張量結構和配套的路徑優化方法，主要方式是采用分枝張量的交換和融合。但阿里巴巴采用的優化方法并未將內存和計算復雜度統一考慮，有時會導致二者一降一升，不利于同時最小化內存和計算開銷。

發明內容