使用储层计算的量子状态分类器的制作方法

使用储层计算的量子状态分类器


背景技术：

1.本发明总体上涉及量子计算，并且更具体地涉及使用储层计算(reservoir computing)的量子状态分类器。部署机器学习算法需要昂贵的数字电子器件(例如，fpga)和用于每个量子位的超参数的调谐，这对于大规模量子计算机是不可行的。此外，短时间测量需要快速的模数转换器(adc)，adc是消耗功率的并且由于冷却功率限制而不能集成到低温电子器件中。因此，需要能够克服上述限制的量子状态分类器。


技术实现要素：

2.根据本发明的一方面，提供了一种量子状态分类器。该量子状态分类器包括储层计算电路，用于对量子位进行后处理以获得读出信号。该量子状态分类器还包括线性读出电路，其可操作地耦合到储层计算电路，用于从多个可能的量子状态当中辨别来自读出信号的量子位的量子状态。线性读出电路在分别由多个量子状态中的每个量子状态中的特定量子状态激活的校准过程中被训练，使得线性读出电路内的权重通过针对校准过程的多个测量序列中的每个测量序列的小批量学习来更新。线性读出电路在针对测试量子位的校准后分类过程中在多个测量序列之后生成二进制输出。该量子状态分类器还包括控制器，其可操作地耦合到线性读出电路，响应于由二进制输出指示的测试量子位的量子状态，选择性地可触发以输出控制脉冲。
3.根据本发明的另一方面，提供了一种用于量子状态分类的方法。该方法包括由储层计算电路对量子位进行后处理以获得读出信号。该方法还包括由可操作地耦合到储层计算电路的线性读出电路从多个可能的量子状态当中辨别来自读出信号的量子位的量子状态，同时在分别由多个量子状态中的每个量子状态中的特定量子状态激活的校准过程中训练线性读出电路。训练过程通过针对校准过程的多个测量序列中的每个测量序列的小批量学习来更新线性读出电路内的权重。该方法还包括由线性读出电路在针对测试量子位的校准后分类过程中在多个测量序列之后生成二进制输出。该方法还包括响应于由二进制输出指示的测试量子位的量子状态，选择性地触发可操作地耦合到线性读出电路的控制器以输出控制脉冲。
4.根据本发明的又一方面，提供了一种量子状态分类器。该量子状态分类器包括模拟储层计算电路，用于使用回声状态网络(esn)、至少一个延迟反馈器件和非线性放大器对量子位进行后处理以获得读出信号，以获得读出信号。该量子状态分类器还包括线性读出电路，其可操作地耦合到储层计算电路，用于从多个可能的量子状态当中辨别来自读出信号的量子位的量子状态。线性读出电路在分别由多个量子状态中的每个量子状态中的特定量子状态激活的校准过程中被训练，使得线性读出电路内的权重通过针对校准过程的多个测量序列中的每个测量序列的小批量学习来更新。线性读出电路在针对测试量子位的校准后分类过程中在多个测量序列之后生成二进制输出。量子状态分类器还包括控制器，其可操作地耦合到线性读出电路，响应于由二进制输出指示的测试量子位的量子状态，选择性地可触发以输出控制脉冲。
5.从以下结合附图阅读的对本发明的说明性实施例的详细描述中，这些和其它特征和优点将变得显而易见。
附图说明
6.以下描述将参考以下附图提供优选实施例的细节，其中：
7.图1是示出根据本发明的实施例的示例性量子状态分类器的框图；
8.图2是示出根据本发明的实施例的用于量子分类的示例性方法的流程图；
9.图3-图4是示出根据本发明的实施例的用于训练和使用量子分类器的示例性方法的流程图；
10.图5是示出根据本发明的实施例的另一示例性量子状态分类器的框图；以及
11.图6是示出根据本发明的实施例的又一示例性量子状态分类器的框图。
具体实施方式
12.本发明的实施例涉及使用储层计算的量子状态分类器。
13.在实施例中，来自量子位的读出信号由储层计算电路进行后处理。在实施例中，储层计算电路之后是用于辨别量子状态的线性读出电路。在实施例中，这些电路可以由模拟硬件(诸如用于储层计算电路和线性读出电路中的每一个的一个或相应的微波电路)实现。
14.在实施例中，线性读出电路被训练成由特定量子状态激活。通过针对每个测量序列的小批量学习来更新线性读出电路内的输出权重。该过程对应于校准。
15.在实施例中，线性读出电路在测量序列之后生成二进制输出，使得控制器可以由量子状态触发。该处理对应于分类。
16.图1是示出根据本发明的实施例的示例性量子状态分类器100的框图。
17.量子状态分类器100包括低温恒温器110、储层计算电路120、线性读出电路130、量子控制器140、iq混合器150、iq混合器160和组合器170。低温恒温器110包括用于处理量子信息的量子芯片110a。
18.iq混合器150接收门脉冲181和本地振荡器(lo)输出182。iq混合器160接收测量音调191和lo输出192。
19.在实施例中，来自量子位的读出信号由储层计算电路120进行后处理。这种后处理可以包括例如滤波、延迟、放大。线性读出电路130辨别量子位的量子状态。这些电路120和130可以由模拟硬件实现。在实施例中，模拟硬件包括微波电路。对于物理实现，微波电路可以包括非线性和延迟反馈组件。另外，微波电路可以包括具有快速动态的其他物理组件，诸如例如但不限于光学系统。而且，微波电路可以全部或部分地由一个或多个现场可编程门阵列(fpga)和/或一个或多个专用集成电路(asic)来实现。对于基于方法的实现，回声状态网络(esn)或其衍生物(例如，漏泄火灾esn)、液态机器或类似技术可用于对时域信号进行分类。在实施例中，储层计算电路120包括一组循环连接的单元。因此，在实施例中，储层计算电路120由回声状态网络(esn)(见图6)实现。esn的行为是非线性的，并且在训练期间修改的唯一权重是针对将隐藏神经元连接到输出神经元的突触。
20.线性读出电路130被训练成由特定量子状态激活。通过针对多个测量序列中的每个测量序列的小批量学习来更新线性读出电路130内的输出权重。该过程对应于校准过程。
21.线性读出电路130在测量序列之后生成二进制输出，使得控制器140可以由量子状态触发。该过程对应于校准后(分类)过程。
22.因此，储层计算电路120的动态将输入映射到更高维度。然后，线性读出电路130被训练以读取储层的状态并将该状态映射到期望的输出。主要的好处是，训练仅在读出阶段执行，并且储层120是固定的。
23.应当理解，虽然在一个或多个实施例中，在此关于esn描述了储层计算电路120，但是在其他实施例中，可以使用其他类型的储层计算电路，包括例如但不限于上下文混响网络、反向传播-去相关网络、液态机器等。
24.图2是示出根据本发明的实施例的用于量子分类的示例性方法200的流程图。
25.在框210，由储层计算电路对量子位进行后处理，以获得读出信号。
26.在框220，通过可操作地耦合到储层计算电路的线性读出电路，从多个可能的量子状态中辨别来自读出信号的量子位的量子状态。该线性读出电路在分别由该多个量子状态中的每个量子状态中的特定量子状态激活的校准过程中被训练，使得该线性读出电路内的权重由针对该校准过程的多个测量序列中的每个测量序列的小批学习来更新。
27.在框230，由线性读出电路在用于测试量子位的校准后分类过程中在多个测量序列之后生成二进制输出。
28.在框240，响应于由二进制输出指示的测试量子位的量子状态，选择性地触发可操作地耦合到线性读出电路的控制器，以输出控制脉冲。
29.图3-图4是示出根据本发明的实施例的用于训练和使用量子分类器的示例性方法300的流程图。方法300包括校准部分301和分类部分302。校准部分301包括框305至350。分类部分302包括框355至380。
30.在框305，激活校准路径。
31.在框310，设置教师(teacher)-0开启和教师-1关闭。此框对应于实现相对于由框315准备的量子状态的校准。
32.在框315，准备量子状态|0》。
33.在框320，读出该量子状态。
34.在框325，通过模数转换器(adc)测量《x
0 e0》和《x
0 e1》。
35.在框330，设置教师-0关闭和教师-1开启。此框对应于实现相对于由框335准备的量子状态的校准。
36.在框335，准备另一量子状态|1》。
37.在框340，读出另一量子状态。
38.在框345，通过adc测量《x
1 e0》和《x
1 e1》。
39.在框350，更新线性读出电路。
40.在框355，确定是否n》ncal。如果是，则进入框360。否则，返回到框310。在框355中，n是表示当前迭代数量的变量，并且ncal是阈值迭代数量。因此，一旦超过阈值，则终止校准部分301，并且可以开始分类部分302。
41.在框360，激活分类路径。
42.在框365，设置教师-0关闭和教师-1关闭。此框对应于实现量子状态分类。
43.在框370，运行目标量子电路。此框对应于输入其量子状态要被辨别的测试量子
位。
44.在框375，测量比较器输出。比较器输出包括指示测试量子位的量子状态的二进制值。根据本发明的实施例，该量子状态的值可以用于使得在计算机处理系统或者耦合到量子分类器或者从量子分类器接收输出的另一系统中执行动作。
45.图5是示出了根据本发明的实施例的另一示例性量子状态分类器500的框图。
46.以下变量定义和缩写适用：
47.nlamp非线性放大器
48.w
0out
读出放大器的增益
49.lo本地振荡器
50.i-q混合器同相正交混合器
51.q/c量子芯片
[0052]vref
针对比较器的参考电压
[0053]
量子状态分类器500包括物理储层510、一组读出放大器520、加法器530、量子状态
‘1’
检测器540、i-q混合器550、微波开关560、以及现场可编程门阵列(fpga)570。iq混合器550接收门脉冲591和本地振荡器(lo)输出592。
[0054]
对应于并实现储层计算电路520的物理储层510包括具有延迟反馈(由缓冲器实现)510b、非线性(nl)放大器510c和组合器510d的模拟电路510a。
[0055]
每个输出权重wo可以由读出放大器520的增益来表示，该增益是根据来自fgpa570的校准的数据的应用所确定的，fgpa570的校准的数据又是从编译器583获得的。
[0056]
检测器540的比较器(例如，op-amp)540a用于对物理储层510的预处理信号进行二进制化。
[0057]
读出放大器520的输出权重的配置切换待检测的目标量子状态。因此，检测器540可以生成用于任意量子状态的触发。权重信息被存储并且针对给定的条件脉冲被适当地配置。
[0058]
条件脉冲由快速微波开关560利用来自比较器540a的门信号581来控制。
[0059]
图6是示出了根据本发明的实施例的又一示例性量子状态分类器600的框图。
[0060]
以下变量定义和缩写适用：
[0061]
|0》量子状态
[0062]
|1》另一量子状态
[0063]
x(t)来自储层单元602的信号
[0064]wout,0
对应于|0》量子状态的输出权重
[0065]
y0(t)激活输出神经元以检测|0》量子状态
[0066]
‘
h’数字电路的高电压状态
[0067]
d0(t)针对|0》量子状态的参考信号
[0068]
《y0》输出神经元的平均激活以检测|0》量子状态
[0069]
《xe0》针对|0》量子状态的输出权重更新
[0070]
mw微波
[0071]
lo本地振荡器
[0072]
lpf低通滤波器
[0073]
li-esn 泄漏积分器回声状态网络
[0074]wout,1 对应于|1》量子状态的输出权重
[0075]
y1(t) 激活输出神经元以检测|1》量子状态
[0076]
d1(t) 针对|1》量子状态的参考信号
[0077]
《y1》 输出神经元的平均激活以检测|1》量子状态
[0078]
《xe1》 针对|1》量子状态的输出权重更新
[0079]
q/c 量子控制器
[0080]
iq混合器 同相正交混合器
[0081]
adc 模数转换器
[0082]
dac 数模转换器
[0083]
rtc 室温电子器件(例如，个人计算机)
[0084]
量子状态分类器600包括lpf 601、l1-esn(例如，微波电路)602、读出放大器603、开关604、加法器605、模拟积分器子电路606(由电阻器606a、电容器606b和放大器606c形成)，基于op-amp的比较器(在下文中称为“比较器”)607、混合器608、模拟积分器子电路609(由电阻器609a、电容器609b以及放大器609c形成)、adc 610、开关611，读出放大器612、加法器613、模拟积分器子电路614(由电阻器614a、电容器614b和放大器614c形成)、混合器615、模拟积分器子电路616(由电阻器616a、电容器616b和放大器616c形成)，adc 617、现场可编程门阵列(fpga)618、dac 619、i-q混合器622和微波(mw)开关623。iq混合器622接收门脉冲621和本地振荡器(lo)输出620。
[0085]
开关604响应于量子状态|0》来控制到加法器605的输入
‘
h’。开关611响应于量子状态|1》来到控制加法器605的输入
‘
h’。
[0086]
在实施例中，储层计算电路120可被认为包括以下各项：lpf601；和l1-esn602。
[0087]
在实施例中，线性读出电路130可以被认为包括以下各项：读出放大器603；开关604；加法器605；模拟积分器子电路606；比较器607；混合器608；模拟积分器子电路609；adc 610；开关611；读出放大器612；加法器613；模拟积分器子电路614；混合器615；模拟积分器子电路616；adc 617；现场可编程门阵列(fpga)618；和dac 619。
[0088]
在实施例中，储层计算电路120包括具有延迟反馈的模拟电路和非线性放大器。
[0089]
每个输出权重w
out
可以由读出放大器的增益表示。
[0090]
输出信号由模拟积分器(子电路)积分以输出每个神经元的平均激活，这避免了快速adc的需要。
[0091]
线性读出电路130具有用于量子状态分类和校准的不同路径。在实施例中，校准路径可输出自适应滤波器的成本函数。与非分类(即，校准路径)相比，使用较粗线示出分类路径692。虚线表示数字通信路径。自适应滤波器通过fpga 618实现。
[0092]
在实施方式中，比较器607用于二进制化储层计算电路120的预处理信号。
[0093]
条件脉冲691由来自比较器607的信号触发的快速微波开关623控制。
[0094]
在实施例中，储层计算电路120可以被安装在低温恒温器110的50k或4k凸缘(flange)处，因为不需要功率消耗元件(adc/dac)。
[0095]
应当理解，本发明可应用于任何类型的量子状态。
[0096]
本发明可以是任何可能的技术细节集成度的系统、方法和/或计算机程序产品。计
算机程序产品可包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(或多个介质)。
[0097]
计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式光盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。
[0098]
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
[0099]
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(isa)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，例如smalltalk、c 等)和过程编程语言(例如“c”编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(lan)或广域网(wan)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。
[0100]
在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
[0101]
这些计算机可读程序指令可以被提供给计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
[0102]
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设
备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
[0103]
说明书中对本发明的“一个实施例”或“实施例”及其它变型的引用意味着结合该实施例描述的特定特征、结构、特性等被包括在本发明的至少一个实施例中。因此，在整个说明书中的各个地方出现的短语“在一个实施例中”或“在实施例中”以及任何其它变型的出现不一定都指相同的实施例。
[0104]
应当理解，例如在“a/b”、“a和/或b”以及“a和b中的至少一个”的情况下，使用以下“/”、“和/或”以及“中的至少一个”中的任何一个旨在涵盖仅对第一列出的选项(a)的选择、或仅对第二列出的选项(b)的选择、或对两个选项(a和b)的选择。作为进一步的例子，在“a、b和/或c”和“a、b和c中的至少一个”的情况下，这样的措词旨在包括仅选择第一个列出的选项(a)，或者仅选择第二个列出的选项(b)，或者仅选择第三个列出的选项(c)，或者仅选择第一个和第二个列出的选项(a和b)，或者仅选择第一个和第三个列出的选项(a和c)，或者仅选择第二个和第三个列出的选项(b和c)，或者选择所有三个选项(a和b和c)。这可以扩展到所列出的许多项目。
[0105]
附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施例中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以作为一个步骤来实现，同时、基本同时、以部分或全部时间重叠的方式执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
[0106]
已经描述了系统和方法的优选实施例(其旨在说明而非限制)，注意到本领域技术人员根据上述教导可以进行修改和变化。因此，应当理解，可以在所公开的特定实施例中进行改变，这些改变在由所附权利要求概括的本发明的范围内。因此，已经用专利法所要求的细节和特性描述了本发明的各方面，在所附权利要求中阐述了所要求保护的和期望由专利证书保护的内容。