一种延长量子纠缠寿命的方法

1.本发明涉及量子自编码技术领域，具体涉及一种延长量子纠缠寿命的方法。


背景技术：

2.退相干是指在操作人员的控制下所执行的量子计算机的内部操作，必须和整个宇宙的其他部分孤立开来。即使一点点的干扰都可能让我们脆弱的量子计算机产生毁灭性的衰亡。
3.自编码器是一种以无监督方式用于学习高效数据值编码的人工神经网络[5]。自编码器的目的是通过训练网络，来达到忽略信号的噪声，以此学习一组数据，即编码。我们通常在其中输入一些高维的数据，而通过自编码器找到的高效表达，一般来说相较于原数据是低维的，所以我们用其来降维。自编码器通过简单地学习将输入复制到输出来工作。这一任务听起来似乎微不足道，然而这过程有一个很大的难点，那就我们总要根据自己的需求去找到合适的方式来约束训练的过程。我们最常用的降维其实就是一个很好的例子，限制数据的维度并不是一个简单的过程。我们所加的这些限制条件，一方面要能够满足我们的要求(比如对噪声的处理或者还原)，另一方面还需要能够有效的防止程序机械的将数据复制输出，是的其具有高效表达的能力。简而言之，编码(就是输入数据的高效表示)是自编码器在一些限制条件下学习恒等函数的副产品。
[0004]
量子纠缠(下面简称纠缠)是量子系统中一种很重要的资源，通过纠缠，可以实现量子通信、量子计算加速等十分有用的技术。虽然叠加原理赋予了量子计算机可以在一次运行中完成指数次运算的机会，也就是并行性计算模式，但叠加性并不是量子系统独有的。事实上也存在满足叠加性原理的经典波，比如两端固定的弦震动方程。但和量子系统不同的是，这些所谓的叠加能级必须属于同一个系统，属于不同系统的经典态是永远不能叠加起来的，也就是没有纠缠(entanglement)的。如果一个多比特量子态能够被写成各个比特的态的直积形式，那么我们就说这个态是可分离(separable)的。相反地，我们总可以找到合适的α1,β1和α2,β2，使得|ψ》1＝α1|0》+β1|1》和|ψ》2＝α2|0》+β2|1》直积之后的结果为
[0005][0006]
那么不论我们如何分解，它都是不可能被写成两个qubit的态的直积形式的。这种情况我们就称这个态是不可分离(non-separable)的或者纠缠(entangled)的。
[0007]
然而现常用的量子系统中纠缠的寿命都极其短暂，在不通过任何手段延长纠缠寿命的情况下，寿命通常很短不足以实现普适的量子计算；研究如何延长纠缠寿命是当前量子技术领域的一个重要方向。目前通常使用动力学解耦的方法延长纠缠寿命。动力学解耦，是通过施加周期性脉冲，使得实验中不需要的环境噪声被近似的平均为0，以此达到延长纠缠寿命的目的。但通过动力学解耦的方法延长纠缠寿命的方法，随着量子比特数的增加，将需要进行更多次脉冲序列的循环以达到理想效果，这将会消耗更长的时间，因此计算的效率会大大降低。
[0008]
因此，有待对现有的技术进行进一步的改进，提出一种延长量子纠缠寿命的方法，使得在更高比特数的情况下以及在相对复杂的环境下，可以极大的延长量子纠缠的寿命。


技术实现要素：

[0009]
本发明的目的是针对现有技术的不足，提出了一种延长量子纠缠寿命的方法，利用自编码器，将已经形成纠缠的量子态信息编码到量子系统中退相干小的子空间内，在需要使用时对其进行解码，使得在更高比特数的情况下以及在相对复杂的环境下，可以极大的延长量子纠缠的寿命。
[0010]
为了达到上述目的，本发明提供了如下技术方案：
[0011]
本发明提供了一种延长量子纠缠寿命的方法，其特征在于：该方法包括以下步骤：
[0012]
s1、构建量子自编码器：利用量子处理器和经典计算机构建量子自编码器；
[0013]
s2、基于梯度算法的迭代训练：由量子处理器和经典计算机共同组成训练体系，基于梯度算法对参数进行迭代；向所述量子处理器输入一个已知的量子态ρ
输入
，对该量子态ρ
输入
作用任意幺正操作后得到量子态ρ
输出
，通过量子处理器测量该量子态ρ
输出
的成本函数的值，并判断该量子态ρ
输出
是否满足编码；
[0014]
若满足，则认为该幺正操作为认可的编码操作；
[0015]
若不满足，则经典计算机根据成本函数的值对其求梯度，并在设置的一定步长下，改变幺正操作得到，以作为新的用于编码的幺正操作；重复上述操作，直到满足编码条件；
[0016]
s3、量子态编码：利用量子自编码器，将满足编码条件且已经形成纠缠的量子态信息编码到退相干小的子空间内，在使用时再对其进行解码。
[0017]
优选地，所述量子自编码器设定为包含多个参数的操控算符。
[0018]
优选地，所述量子态ρ
输出
是否满足编码的判断条件为对于一个满足条件的幺正操作，对初态施加该操作之后得到的量子态与预期所需要得到的量子态相同。
[0019]
优选地，所述梯度的计算公式为：其中q为迭代次数。
[0020]
优选地，所述量子自编码器的编码过程为：在一个量子系统中存在由一定量量子比特构成的退相干效应较小的子空间ρ1，对于已知的量子态|ψ1》，施加编码的幺正操作，得到编码态|φ》
编码
，在将除ρ1之外的子空间极化为统一的|0》之后，施加编码操作的量子态|ψ1》进行解码操作，即可得到编码前的量子态。
[0021]
优选地，所述量子自编码器对量子信息进行编码，将高维的量子信息压缩到低维空间。
[0022]
优选地，所述量子处理器包括量子芯片，所述量子芯片上设置有量子比特阵列，所述量子比特阵列中包括呈m行
×
n列的阵列结构分布的多个量子比特，m、n均为大于1的整数。所述量子芯片上还设置有所述比特控制线包括微波控制线和直流偏置线所述微波控制线用于驱动所述量子比特在不同能级之间跃迁；所述直流偏置线用于调节所述量子比特的频率；所述微波控制线和所述直流偏置线共用同一控制线。所述微波控制线用于利用与所
述量子比特间的互感来驱动所述量子比特在不同能级之间的跃迁。
[0023]
优选地，所述经典计算机对输入信号序列按一定算法进行变换，其输入态和输出态都是经典信号。
[0024]
与现有技术相比，本发明的有益效果：
[0025]
本发明提供了一种延长量子纠缠寿命的方法，通过构建量子自编码器，利用机器学习寻找最优的幺正操作进行编码，将已经形成纠缠的量子态信息编码到量子系统中退相干小的子空间内，在需要使用时对其进行解码，可以在复杂的环境下很好的排除噪声的干扰，适用性更广泛，并且自编码器编码的效率不会随着比特数的增加而大大降低，适用于高量子比特数的系统延长纠缠寿命。
附图说明
[0026]
图1是本发明的方法流程图；
[0027]
图2是本发明的优化量子自编码器的基于梯度算法的hqca的训练过程图。
[0028]
图3是本发明的量子自编码器的编码线路图。
具体实施方式
[0029]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例以及附图，对本发明进一步详细说明，但本发明要求的保护范围并不局限于实施例。
[0030]
如图1至图3所示，本发明提供了一种延长量子纠缠寿命的方法，基于参数化量子线路的思想构建量子自编码器，所述量子自编码器设定为包含多个参数的操控算符，然后采用混合量子经典方法(hqca)进行参数的迭代训练，由量子处理器和经典计算机共同组成训练体系，基于梯度算法(梯度算法就是沿着目标函数的梯度方向，快速寻找极值的算法，被广泛应用在机器学习等人工智能领域)对参数进行迭代，每次迭代都根据由量子处理器测量得到的成本函数的值以及设定的步长来进行梯度运算，以合适的学习率对参数进行调整更新，直至其满足编码条件而完成迭代。这种方式能够缓解量子资源不足的问题，同时经过机器学习过程也能抑制量子系统本身造成的实验误差。该方法包括以下步骤：
[0031]
s1、构建量子自编码器：利用量子处理器和经典计算机构建量子自编码器；所述量子自编码器可以将量子信息进行编码压缩，将高维的量子信息压缩到低维空间。
[0032]
所述量子处理器包括量子芯片，所述量子芯片上设置有量子比特阵列，所述量子比特阵列中包括呈m行
×
n列的阵列结构分布的多个量子比特，m、n均为大于1的整数。所述量子芯片上还设置有所述比特控制线包括微波控制线和直流偏置线所述微波控制线用于驱动所述量子比特在不同能级之间跃迁；所述直流偏置线用于调节所述量子比特的频率；所述微波控制线和所述直流偏置线共用同一控制线。所述微波控制线用于利用与所述量子比特间的互感来驱动所述量子比特在不同能级之间的跃迁。量子比特阵列采用m行
×
n列排布的表面码结构，使得量子比特间具有较好的连接性，有益于提升量子体积及降低算法的执行难度，且具备更强的纠错能力及解码时对边界错误分布的分析能力，以及更灵活的扩展性和对更大规模的量子芯片的适应性。
[0033]
所述经典计算机对输入信号序列按一定算法进行变换。其算法由计算机的内部逻辑电路来实现，所述经典计算机的输入态和输出态都是经典信号，其输入态和输出态都是
某一力学量的本征态。如输入二进制序列0110110，用量子记号，即|0110110》。所有的输入态均相互正交。经典计算机内部的每一步变换都演化为正交态经典计算机中的变换(或计算)只对应一类特殊集。
[0034]
s2、基于梯度算法的迭代训练：如图2所示，由量子处理器和经典计算机共同组成训练体系，基于梯度算法对参数进行迭代；向所述量子处理器输入一个已知的量子态ρ
输入
，对该量子态ρ
输入
作用任意幺正操作后得到量子态ρ
输出
，通过量子处理器测量该量子态ρ
输出
的成本函数的值，并判断该量子态ρ
输出
是否满足编码(所述量子态ρ
输出
是否满足编码的判断条件为对于一个满足条件的幺正操作，对初态施加该操作之后得到的量子态与预期所需要得到的量子态相同。)
[0035]
若满足，则认为该幺正操作为认可的编码操作；
[0036]
若不满足，则经典计算机根据成本函数的值对其求梯度g
(q)
，所述梯度g
(q)
的计算公式为：(其中，q为迭代次数)，并在设置的一定步长(所谓“步长”指每次对幺正操作所做出改变的量的大小，根据问题的不同，步长也不一样。步长需要在实际应用中不断进行调整，使得编码器可以达到最好效果)下，改变幺正操作得到以作为新的用于编码的幺正操作；重复上述操作，直到满足编码条件；
[0037]
s3、量子态编码：如图3所示，利用量子自编码器，将已经编码条件且满足形成纠缠的量子态信息编码到退相干小的子空间内，在使用时再对其进行解码。所述量子自编码器的具体编码过程为：在一个量子系统中存在由一定量量子比特构成的退相干效应较小的子空间ρ1，对于已知的量子态|ψ1》，施加编码的幺正操作得到编码态|φ》
编码
，在将除ρ1之外的子空间极化为统一的|0》之后，施加编码操作的量子态|ψ1》进行解码操作，即可得到编码前的量子态，由于在ρ1中的退相干效应较小，所以信息可以被更长时间的保存，以此达到延长纠缠寿命的目的。
[0038]
与现有技术相比，本发明的有益效果：
[0039]
本发明提供了一种延长量子纠缠寿命的方法，通过构建量子自编码器，利用机器学习寻找最优的幺正操作进行编码，将已经满足编码条件且形成纠缠的量子态信息编码到量子系统中退相干小的子空间内，在需要使用时对其进行解码，可以在复杂的环境下很好的排除噪声的干扰，适用性更广泛，并且自编码器编码的效率不会随着比特数的增加而大大降低，适用于高量子比特数的系统延长纠缠寿命。
[0040]
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本发明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。