量子噪声模型的训练方法、量子测量错误抑制方法及装置

1.本发明涉及量子计算领域，尤其涉及一种量子噪声模型的训练方法、量子测量的错误抑制方法及装置。


背景技术：

2.近几年，随着计算机算力的高速提升，基于超级计算机及网络服务器的各类应用为人们的生活、工作等方方面面提供了前所未有的便利与可能性。然而，随着晶体管单元逐渐缩小，芯片的研发变得愈发困难，研发周期明显增长。更为重要的是当前芯片已经开始触及到经典极限，即进一步缩小单元大小有可能产生量子隧穿效应。量子计算机为当前计算机的困境提供了新的可能，并且近几年受到研究人员及国际科技巨头公司的广泛关注。这一方面体现在量子计算机提供了在特定问题上对经典计算机存在指数或多项式级加速的保证；另一方面，对于量子系统的调控技术愈发成熟，已经能够实现对多量子比特设备的高保真度门实施及合理的相干时间。一系列基于近期量子设备的计算证明了量子计算在未来存在巨大潜力及应用价值，成为突破经典算力极限最有可能的途径。
3.在向成熟量子计算探索的道路上，量子噪声及错误成为了实现较大规模量子计算的最大障碍。这体现在量子系统不可避免地与环境产生相互作用，故量子设备表征的量子态受到多种噪声来源的影响，而这种影响随着时间积累将导致量子态完全偏离理想的状态，从而使得计算结果变得毫无意义。借鉴经典通信领域的思想，量子纠错码通过引入冗余信息为量子计算的可靠实施提供了理论保障。然而，值得注意的是，量子纠错码并不能纠正在读取阶段产生的错误。考虑到读取错误相较于量子门噪声对计算结果有着更大的影响，对于读取错误的缓解与纠正是当今量子计算技术的一大难题。
4.因此，需要一种新的对于量子测量中的读取错误进行抑制的方案。


技术实现要素：

5.本发明实施例提供一种量子噪声模型的训练方法、量子测量的错误抑制方法及装置。利用该方法，可以对于量子测量中的读取错误进行纠错，有效地提高量子测量结果的准确性。
6.本发明为解决上述技术问题采用的技术方案为，一方面提供一种量子噪声模型的训练方法，包括：
7.确定出直积态的第一量子态，制备第一量子态，获取针对第一量子态的第一读取结果；
8.根据第一量子态，确定其理想读取结果，根据理想读取结果和所述第一读取结果，训练量子噪声模型，使得量子噪声模型根据第一量子态，输出多个对应的噪声字符串，其中，所述噪声字符串中的多个字符分别标识对于第一量子态的多个量子比特的读取过程中是否携带噪声。
9.优选地，确定出直积态的第一量子态，包括：
10.对于预定长度的、直积态的待定量子态，基于预定概率或随机设定所述待定量子态中的每个量子比特的值为0或1，得到第一量子态。
11.优选地，所述噪声字符串的长度等于第一量子态的量子比特数。
12.优选地，所述量子噪声模型为受限玻尔兹曼模型。
13.第二方面，提供一种量子测量的错误抑制方法，包括：
14.获取针对第二量子态的第二读取结果；
15.基于第一方面所述的量子噪声模型，获取第二量子态包含的各直积态分别对应的多个噪声字符串，其中，每个噪声字符串对应于对于第一量子态的一次读取中在其包含的一个直积态上发生的噪声，所述噪声字符串中的多个字符用于标识在直积态的多个量子比特的读取过程中是否携带噪声；
16.基于所述噪声字符串，降低所述第二读取结果中的量子读取噪声，得到针对第二量子态的第三测量结果。
17.优选地，基于噪声字符串，消除第二读取结果中的量子读取噪声，得到针对第二量子态的第三测量结果，包括：
18.根据第二量子态包含的各直积态和第二读取结果，建立包括待解向量的第一线性方程组，所述待解向量指示各直积态的理想概率；
19.根据各直积态分别对应的多个噪声字符串，确定各直积态对应的噪声分布；
20.根据所述噪声分布，求解所述待解向量，获取各直积态的理想概率，根据所述各直积态的理想概率，确定针对第二量子态的第三测量结果。
21.第三方面，提供一种量子噪声模型的训练装置,所述装置包括:
22.第一读取单元，配置为，确定出直积态的第一量子态，制备第一量子态，获取针对第一量子态的第一读取结果；
23.模型训练单元，配置为，根据第一量子态，确定其理想读取结果，根据理想读取结果和所述第一读取结果，训练量子噪声模型，使得量子噪声模型根据第一量子态，输出对应的噪声字符串，其中，所述噪声字符串中的多个字符分别标识对于第一量子态的多个量子比特的读取过程中是否携带噪声。
24.第四方面，提供一种量子测量的错误抑制装置，所述装置包括：
25.第二读取单元，配置为，获取针对第二量子态的第二读取结果；
26.噪声获取单元，配置为，基于第一方面所述的量子噪声模型，获取第二量子态包含的各直积态分别对应的多个噪声字符串，其中，每个噪声字符串对应于对于第一量子态的一次读取中在其包含的一个直积态上发生的噪声，所述噪声字符串中的多个字符用于标识在直积态的多个量子比特的读取过程中是否携带噪声；
27.噪声修正单元，配置为，基于所述噪声字符串，降低所述第二读取结果中的量子读取噪声，得到针对第二量子态的第三测量结果。
28.第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一、第二方面任一项所述的方法。
29.第六方面，提供一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一、第二方面任一项所述的方法。
附图说明
30.为了更清楚说明本发明实施例的技术方案，下面将对实施例描述中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
31.图1为本发明实施例提供的一种量子噪声模型的训练方法的流程图；
32.图2为本发明实施例提供的一种量子测量的错误抑制方法的流程图；
33.图3为本发明实施例提供的一种量子噪声模型的训练装置的结构图；
34.图4为本发明实施例提供的一种量子测量的错误抑制装置的结构图。
具体实施方式
35.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
36.如前所述,目前量子噪声成为了实现较大规模量子计算的最大障碍。量子噪声通常可以分为量子门噪声和量子态读取阶段的噪声，其中，最常用的量子噪声消除法-通过量子纠错码消除量子噪声，并不能纠正在读取阶段产生的错误(量子态读取阶段的噪声)。考虑到读取错误相较于量子门噪声对计算结果有着更大的影响，对于读取错误的缓解与纠正是当今量子计算的重要技术问题。
37.一般而言，量子读取错误(噪声)往往由于经典热扰动产生，故对其可以进行经典的统计描述，即仅在量子态读出的阶段以比特翻转的形式作用于已经坍缩为经典直积态的测量结果上。纠正、缓解量子读取错误的途径可以依赖于对于该错误产生过程的有效描述。这里的有效描述指的是对于给定指定经典态给出读取错误的概率分布。需要注意的，是读取错误除了单量子比特状态翻转以外，还会出现多比特翻转的关联错误。通常，关联错误的大小会随着涉及量子比特的数目而呈现明显的下降趋势。当获得了读取错误的形式，则可以在量子计算测量阶段实施噪声产生的逆过程以缓解读取错误。
38.由于对于某一个理想测量结果，热噪声通常以固定的概率分布随机施加错误到理想测量结果上。所以，一种现有的消除读取噪声的方案依赖于获得噪声产生后对应的概率转移矩阵，实施错误缓解的方式为得到转移矩阵的逆并将其作用于有噪声测量结果。另一种在此基础上升级的方案，则侧重于利用概率转移矩阵的低秩性质对其进行截断或构造新的噪声模型，如只对单量子比特和两量子比特关联错误进行描述。
39.又一种消除读取噪声的方案，则基于机器学习的读取错误缓解方法则采用更为直接的形式，即获得大量量子态理想测量分布和有噪声测量分布的数据对构成训练集，通过该训练集训练从有噪声分布输入到理想分布的输出并获得二者的映射关系，进而可以利用训练好的模型实施测量错误缓解。
40.但是，以上方案均存在如下问题：由于理想测量结果的可能性及错误的可能形式都与量子系统的尺寸大小呈现指数对应关系，现有的采用概率转移矩阵作为错误模型的读取错误缓解方法，无法应用于体量较大的量子系统。基于机器学习的读取错误缓解方法也具有相同的问题，即算法的输入和输出都是随着量子系统的尺寸呈现指数级增长的，难以
用于大型量子系统。
41.为了解决上述技术问题，本发明实施例提供一种量子噪声模型的训练方法，以及相应的通过该量子噪声模型对于量子测量的结果进行纠错的方法及装置。该方法的核心思想是，利用量子直积态的理想读取结果和实际读取结果，训练出模拟生成读取过程中的噪声的神经网络模型。然后，利用该神经网络模型，获取被测量子态包括的各个直接态在被多次读取中的噪声，进而根据该噪声，对于被测量子态的测量结果进行反向降噪，获取降噪后的测量结果。
42.使用该方法，具有如下优点：如前所述的现有的各种降噪方法，其需要的计算资源都与量子系统的尺寸大小呈现指数对应关系，无法实际用于大型的量子系统。相对而言，本说明书实施例提供量子测量的错误抑制方案，对于特定环境下的噪声模式本身进行建模，无论量子系统的尺寸如何，特定环境下的噪声模式本身不变的、或变小很小的。因此，无论需要降噪的量子系统的测量结果的大小如何，均可以使用获取的噪声模式，对其进行修正降噪，其所需要的资源的变化量非常有限，不会与被测量子系统的尺寸大小呈现指数对应关系。
43.图1为本发明实施例提供的一种量子噪声模型的训练方法的流程图。
44.如图1所示，该方法至少包括如下步骤：
45.步骤11，确定出直积态的第一量子态，制备第一量子态，获取针对第一量子态的第一读取结果；
46.步骤12，根据第一量子态，确定其理想读取结果，根据理想读取结果和所述第一读取结果，训练量子噪声模型，使得量子噪声模型根据第一量子态，输出多个对应的噪声字符串，其中，所述噪声字符串中的多个字符分别标识对于第一量子态的多个量子比特的读取过程中是否携带噪声。
47.首先，在步骤11，确定出直积态的第一量子态，制备第一量子态，获取针对第一量子态的第一读取结果。
48.该步骤中，制备第一量子态，并获取针对第一量子态的实际读取结果。
49.在不同的实施例中，确定出第一量子态的具体方式可以不同，本说明书对此不作限制。在一个实施例中，可以对于预定长度的、直积态的待定量子态，基于预定概率或随机设定所述待定量子态中的每个量子比特的值为0或1，得到第一量子态。在不同的具体实施例中，可以设定不同的预定概率。在一个具体的例子中，预订概率例如可以为0.5。在不同的实施例中，制备第一量子态的具体方式也可以不同，本说明书也对此不作限制。
50.然后，在步骤12，根据第一量子态，确定其理想读取结果，根据理想读取结果和所述第一读取结果，训练量子噪声模型，使得量子噪声模型根据第一量子态，输出多个对应的噪声字符串，其中，所述噪声字符串中的多个字符分别标识对于第一量子态的多个量子比特的读取过程中是否携带噪声。
51.该步骤中，根据第一量子态，确定其理想读取结果。在不同的实施例中，例如根据第一量子态，计算出其理想读取结果。需要注意的，现实的量子态可以是叠加态，但是叠加态在实际测量后坍塌为确定的直积态。由于第一量子态本身是直积态，所以根据对于第一量子态的理想读取结果和所述第一读取结果，可以方便的确定出在直积态的读取阶段，所产生的读取错误(或称读取噪声)。一个噪声字符串可以对应于在对于第一量子态的一次读
取中所产生的噪声。其中，每个噪声字符串中的每个字符可以对应于，第一量子态中的一个量子比特在一次读取中是否产生噪声，该噪声可以是读取中该量子比特发生的翻转。因此，在一个实施例中，噪声字符串的长度可以等于第一量子态的量子比特数。
52.在不同的实施例中，量子噪声模型可以是不同的具体的生成模型，生成模型是，在一个实施例中，所述量子噪声模型为受限玻尔兹曼模型。在一个具体的实施例中，基于受限玻尔兹曼模型的量子噪声模型例如可以包含二个网络层：变量层、隐藏层，其中变量层可以被输入用于表示第一量子态的第一字符串(例如，长度与第一量子态的量子比特数目相等的字符串)，变量层还可以输出表示对于第一量子态的读取中发生的噪声的第二字符串(例如，长度与第一量子态的量子比特数目相等的由0和1构成的字符串)，在不同的例子中，隐藏层可以具有不同的长度。
53.根据另一方面的实施例，还提供一种量子测量的错误抑制方法。图2为本发明实施例提供的一种量子测量的错误抑制方法的流程图。如图2所示，该方法至少包括如下步骤：
54.步骤21，获取针对第二量子态的第二读取结果；
55.步骤22，基于预先训练的量子噪声模型，获取第二量子态包含的各直积态分别对应的多个噪声字符串，其中，每个噪声字符串对应于对于第一量子态的一次读取中在其包含的一个直积态上发生的噪声，噪声字符串中的多个字符用于标识在直积态的多个量子比特的读取过程中是否携带噪声；
56.步骤23，基于所述噪声字符串，降低所述第二读取结果中的量子读取噪声，得到针对第二量子态的第三测量结果。
57.首先，在步骤21，获取针对第二量子态的第二读取结果。
58.该步骤中，可以获取针对第二量子态的实际读取结果(例如，第二读取结果)。需要注意的，由于现实中的量子态可以是叠加态，第二量子态不限定为直积态，在不同的实施例中，可以为直积态，也可以是多个直积态的叠加态。
59.接着，在步骤22，基于预先训练的量子噪声模型，获取第二量子态包含的各直积态分别对应的多个噪声字符串，所述噪声字符串中的多个字符用于标识在直积态的多个量子比特的读取过程中是否携带噪声。
60.量子噪声模型可以是图1所示实施例中量子噪声模型。可以通过量子噪声模型，对于第二量子态的读取中发生的噪声进行采样。具体的，可以将第二量子态多次输入量子噪声模型，获取第二量子态包含的各直积态对应的多个噪声字符串，每个噪声字符串对应于对于第一量子态的一次读取中在其包含的一个直积态上发生的噪声。
61.如上所述，第二量子态可以为叠加态。在一个是实施例中，第二量子态为多个直积态的叠加态，则可以通过量子噪声模型，获取第二量子态包含的各直积态分别对应的多个噪声字符串。
62.此后，在步骤23，基于所述噪声字符串，降低所述第二读取结果中的量子读取噪声，得到针对第二量子态的第三测量结果。
63.该步骤中，可以根据步骤22种获取的噪声字符串，降低所述第二读取结果中的量子读取噪声，得到降噪后的测量结果(例如，第三测量结果)。根据一种实施方式，可以根据第二量子态包含的各直积态和第二读取结果，建立包括待解向量的第一线性方程组，所述待解向量指示各直积态的理想概率；根据各直积态分别对应的多个噪声字符串，确定各直
积态对应的噪声分布；根据所述噪声分布，求解所述待解向量，获取各直积态的理想概率，根据所述各直积态的理想概率，确定针对第二量子态的第三测量结果。
64.具体的，错误缓解步骤要求在给定有噪声测量结果情况下还原得到噪声缓解的结果。由于，量子噪声模型相当于拟合了对于任意理想经典直积态对应的噪声产生过程，所以在错误抑制环节，可以通过对有噪声的结果施加噪声产生的逆过程。因此，可以设定理想测量结果的概率分布向量为待求解向量，而通过量子噪声模型对各个待求解变量对应的经典直积态施加相应的噪声可以获得一个线性方程组。例如，假设对于被测量子态的第i个直积态(为方便描述，称其为第i个变量)，设其测量到的理想概率为p(i)，将第i个变量对应的经典直积态输入到量子噪声模型中采样得到其噪声概率分布从而产生表示噪音的噪声向量为将该噪声向量加(通过模二加法)到理想测量结果的概率分布(待求解向量)上，并对所有变量实施上述操作则得到各个变量有噪声的测量结果，而该结果应与实际测量结果(例如，为)相等，所以可i y获得一个线性方程组通过求解该方程组可以获得待求解向量的解，即获取对于被测量子态的理想测量结果，也就是降噪后的测量结果。
65.此外，对于不同的经典直积态而言，其对应的有错误产生的概率往往不会超过无错误产生的概率，即测量错误一般会维持在一个较小的数量级。因此，可以认为对于特定有噪声测量结果，其对应的理想测量结果中出现的测量次数不为零的字符串或经典直积态的个数不会超过有噪声结果的个数。由于后者不会多于测量的总次数，故而保证了错误缓解步骤的高效性。
66.根据又一方面的实施例，提供了一种量子噪声模型的训练装置。图3为本发明实施例提供的一种量子噪声模型的训练装置的结构图，如图3所示，该装置300包括:
67.第一读取单元31，配置为，确定出直积态的第一量子态，制备第一量子态，获取针对第一量子态的第一读取结果；
68.模型训练单元32，配置为，根据第一量子态，确定其理想读取结果，根据理想读取结果和所述第一读取结果，训练量子噪声模型，使得量子噪声模型根据第一量子态，输出多个对应的噪声字符串，其中，所述噪声字符串中的多个字符分别标识对于第一量子态的多个量子比特的读取过程中是否携带噪声。
69.根据又一方面的实施例，提供了一种量子测量的错误抑制装置的结构图。图4为本发明实施例提供的一种量子测量的错误抑制装置的结构图，如图4所示，该装置400包括:
70.第二读取单元41，配置为，获取针对第二量子态的第二读取结果；
71.噪声获取单元42，配置为，基于权利要求1所述的量子噪声模型，获取第二量子态包含的各直积态分别对应的多个噪声字符串，其中，每个噪声字符串对应于对于第一量子态的一次读取中在其包含的一个直积态上发生的噪声，所述噪声字符串中的多个字符用于标识在直积态的多个量子比特的读取过程中是否携带噪声；
72.噪声修正单元43，配置为，基于所述噪声字符串，降低所述第二读取结果中的量子读取噪声，得到针对第二量子态的第三测量结果。
73.根据又一方面的实施例，还提供一种计算机可读介质，包括存储于其上的计算机
程序，所述计算机在运行时执行上述的方法。
74.根据又一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现上述的方法。
75.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
76.专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
77.结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
78.以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。