一种基于浅层动力学交错的多体量子相分类方法、系统、终端及存储介质与流程

摘要: 本发明涉及量子计算,尤其涉及一种基于浅层动力学交错的多体量子相分类方法、系统、终端及计算机可读存储介质。背景技术:1、识别量子相是凝聚态物理与多体物理中的基础性...
一种基于浅层动力学交错的多体量子相分类方法、系统、终端及存储介质与流程

本发明涉及量子计算,尤其涉及一种基于浅层动力学交错的多体量子相分类方法、系统、终端及计算机可读存储介质。

背景技术:

1、识别量子相是凝聚态物理与多体物理中的基础性难题。现有量子相识别方法通常将显式哈密顿量控制参数作为输入,或依赖从已知哈密顿量离线制备的量子态。然而,在许多实验平台中,控制旋钮并不直接映射到有效哈密顿量系数,从测量数据标定哈密顿量参数本身是代价高昂的逆问题。当哈密顿量控制参数对分类器未知时,现有依赖参数输入的方法失效。对于缺乏常规局域序参量的对称保护拓扑相,局域测量本身无法直接揭示相位信息。

2、因此,现有技术还有待于改进和发展。

技术实现思路

1、本发明的主要目的在于提供一种基于浅层动力学交错的多体量子相分类方法、系统、终端及计算机可读存储介质,旨在解决现有技术中量子相分类依赖显式哈密顿量控制参数、在参数未知条件下无法仅凭动力学访问实施的问题。

2、为实现上述目的,本发明提供一种基于浅层动力学交错的多体量子相分类方法,所述一种基于浅层动力学交错的多体量子相分类方法包括如下步骤:

3、获取目标量子系统的动力学访问权限,所述动力学访问权限包括对所述目标量子系统施加哈密顿量时间演化操作的权限以及对所述目标量子系统进行局域可观测量测量的权限,其中,所述目标量子系统的哈密顿量控制参数为未知;

4、将初态制备为直积态,构造所述目标量子系统的量子梳酉算子,所述量子梳酉算子由s个哈密顿量时间演化窗与s+1个可训练参数化量子电路块按照演化窗与电路块交替的顺序级联而成,所述哈密顿量时间演化窗为对所述目标量子系统执行所述哈密顿量时间演化操作的单次实例,其中,s为预设演化窗数量;

5、采用单步trotter化将各所述哈密顿量时间演化窗的连续演化操作近似为局域项的乘积;

6、对各所述哈密顿量时间演化窗的演化时间分别配置独立的可训练参数,并通过有界非线性函数将各所述可训练参数映射至有界正区间内,得到各所述演化窗的演化时间取值;

7、将所述量子梳酉算子作用于所述初态后,测量各量子比特的单比特泡利z算符期望值以及相邻量子比特的泡利zz算符期望值,构成读出向量,将所述读出向量输入经典分类器,得到所述目标量子系统所属的量子相类别的预测概率;

8、根据所述预测概率输出所述目标量子系统的量子相分类结果。

9、进一步,所述获取目标量子系统的动力学访问权限,所述动力学访问权限包括对所述目标量子系统施加哈密顿量时间演化操作的权限以及对所述目标量子系统进行局域可观测量测量的权限,其中,所述目标量子系统的哈密顿量控制参数为未知,具体包括:

10、建立与目标量子系统的通信连接,获取对所述目标量子系统施加指定时长的哈密顿量时间演化操作的第一权限;

11、获取对所述目标量子系统的各量子比特进行单比特投影测量的第二权限;

12、在保持所述目标量子系统的哈密顿量控制参数为未知的条件下,将所述第一权限与所述第二权限组合为所述动力学访问权限。

13、进一步,所述将初态制备为直积态,构造所述目标量子系统的量子梳酉算子,所述量子梳酉算子由s个哈密顿量时间演化窗与s+1个可训练参数化量子电路块按照演化窗与电路块交替的顺序级联而成,具体包括:

14、将n个量子比特的初始状态制备为态的n重张量积,将所述态的n重张量积作为所述初态,其中n为量子比特总数;

15、构造各所述可训练参数化量子电路块,每个所述可训练参数化量子电路块由作用在各量子比特上的单比特旋转层与作用在相邻量子比特间的受控非门环组成;

16、将所述量子梳酉算子构造为第s个可训练参数化量子电路块、第s个哈密顿量时间演化窗、第s-1个可训练参数化量子电路块、第s-1个哈密顿量时间演化窗、……、第1个可训练参数化量子电路块、第1个哈密顿量时间演化窗、第0个可训练参数化量子电路块依次作用的形式。

17、进一步,所述采用单步trotter化将各所述哈密顿量时间演化窗的连续演化操作近似为局域项的乘积,具体包括:

18、将所述目标量子系统的哈密顿量分解为若干个局域项;

19、将各所述哈密顿量时间演化窗的连续演化算子中的哈密顿量替换为各所述局域项之和,并将所述连续演化算子近似为各所述局域项各自对应的演化算子的乘积。

20、进一步,所述对各所述哈密顿量时间演化窗的演化时间分别配置独立的可训练参数,并通过有界非线性函数将各所述可训练参数映射至有界正区间内,得到各所述演化窗的演化时间取值,具体包括:

21、为各所述哈密顿量时间演化窗分别配置一个独立的实数可训练参数;

22、设定演化时间的下限值和上限值;

23、将各所述实数可训练参数通过sigmoid函数映射至0到1之间的值,根据所述下限值和所述上限值将映射后的值线性变换至所述有界正区间内,得到各所述演化窗的演化时间取值。

24、进一步,所述将所述量子梳酉算子作用于所述初态后,测量各量子比特的单比特泡利z算符期望值以及相邻量子比特的泡利zz算符期望值,构成读出向量,将所述读出向量输入经典分类器,得到所述目标量子系统所属的量子相类别的预测概率,具体包括:

25、将所述量子梳酉算子作用于所述初态,得到所述目标量子系统的演化后量子态;

26、对所述演化后量子态分别测量各量子比特的泡利z算符期望值,得到n个单比特测量值,其中n为量子比特总数;

27、对所述演化后量子态分别测量相邻量子比特的泡利zz算符期望值,得到n-1个相邻双比特测量值;

28、将所述n个单比特测量值与所述n-1个相邻双比特测量值拼接为维度为2n-1的读出向量;

29、将所述读出向量输入所述经典分类器,经所述经典分类器的隐含层映射和激活函数处理后输出所述目标量子系统所属的量子相类别的预测概率。

30、进一步,所述根据所述预测概率输出所述目标量子系统的量子相分类结果,具体包括:

31、判断所述预测概率是否大于或等于预设阈值;

32、当所述预测概率大于或等于所述预设阈值时,输出所述目标量子系统的第一量子相类别标签;

33、当所述预测概率小于所述预设阈值时,输出所述目标量子系统的第二量子相类别标签。

34、此外,为实现上述目的,本发明还提供一种基于浅层动力学交错的多体量子相分类系统,所述基于浅层动力学交错的多体量子相分类系统用于实现如上所述的基于浅层动力学交错的多体量子相分类方法,其中,所述基于浅层动力学交错的多体量子相分类系统包括:

35、动力学访问模块,用于获取目标量子系统的动力学访问权限,所述动力学访问权限包括对所述目标量子系统施加哈密顿量时间演化操作的权限以及对所述目标量子系统进行局域可观测量测量的权限,其中,所述目标量子系统的哈密顿量控制参数为未知;

36、量子梳构造模块,用于将初态制备为直积态,构造所述目标量子系统的量子梳酉算子,所述量子梳酉算子由s个哈密顿量时间演化窗与s+1个可训练参数化量子电路块按照演化窗与电路块交替的顺序级联而成,所述哈密顿量时间演化窗为对所述目标量子系统执行所述哈密顿量时间演化操作的单次实例,其中,s为预设演化窗数量;

37、trotter近似模块,用于采用单步trotter化将各所述哈密顿量时间演化窗的连续演化操作近似为局域项的乘积;

38、时间参数化模块,用于对各所述哈密顿量时间演化窗的演化时间分别配置独立的可训练参数,并通过有界非线性函数将各所述可训练参数映射至有界正区间内,得到各所述演化窗的演化时间取值;

39、读出分类模块,用于将所述量子梳酉算子作用于所述初态后,测量各量子比特的单比特泡利z算符期望值以及相邻量子比特的泡利zz算符期望值,构成读出向量,将所述读出向量输入经典分类器,得到所述目标量子系统所属的量子相类别的预测概率;

40、分类输出模块,用于根据所述预测概率输出所述目标量子系统的量子相分类结果。

41、此外,为实现上述目的,本发明还提供一种终端,其中,所述终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于浅层动力学交错的多体量子相分类程序,所述基于浅层动力学交错的多体量子相分类程序被所述处理器执行时实现如上所述的基于浅层动力学交错的多体量子相分类方法的步骤。

42、此外,为实现上述目的,本发明还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储有基于浅层动力学交错的多体量子相分类程序,所述基于浅层动力学交错的多体量子相分类程序被处理器执行时实现如上所述的基于浅层动力学交错的多体量子相分类方法的步骤。

43、本发明的有益效果为:通过获取仅包含时间演化操作与局域测量权限而不暴露哈密顿量控制参数的动力学访问能力,使得对未知参数量子系统的相位判别无需依赖参数标定即可实施;以直积态为输入构造由时间演化窗与可训练参数化量子电路块交替级联的量子梳酉算子,将目标系统的动力学特征多次注入量子信息处理流程;采用单步trotter化将各演化窗的连续演化分解为局域项乘积,使得演化操作能够在量子硬件上以可执行的门序列实现;为各演化窗独立配置可训练时间参数并经由有界非线性映射约束至正区间,使多个时间尺度上的动力学信息得以被采样;经由量子梳酉算子作用后的局域单比特与近邻双比特测量构成读出向量并由经典分类器映射为相位预测概率;最终依据预测概率输出量子相分类结果,从而在无需知晓哈密顿量参数的前提下完成对目标量子系统所属量子相类别的判定。