不确定条件下量子电路结构搜索策略的熵决策的制作方法

1.本发明涉及量子计算理论与方法领域，尤其涉及一类量子电路结构和量子芯片结构搜索策略的决策理论和优化方法。


背景技术：

2.在量子电路结构方案优化中，存在两大难题：一是如何在指数大的离散空间内找到一个或一系列最优量子电路结构，完成给定的任务，即量子电路结构搜索。二是如何在保证任务精度的同时，使用更少的量子门，特别是cnot门和电路深度等评价指标下，优选出符合要求的量子电路结构，即量子电路结构搜索方案辅助决策。
3.在相关研究中，采用传统神经网络结构搜索方法，存在搜索空间超级大，导致搜索到有效的结构非常困难；对于抽出的样本进行参数训练实现目标，会导致参数的存储和目标收敛缓慢等问题。


技术实现要素：

4.本发明给出了量子电路结构搜索策略的熵决策理论与方法，把“熵”作为不确定性状态描述的有力工具，通过构建量子电路结构策略树的树形活动网络，在提出“量子熵”概念的基础上，给出“熵”式度量的理论和方法，用以解决以往在每个搜索空间对量子电路结构策略进行大规模抽样的复杂性，和参数存储和目标收敛缓慢等缺陷，以及不确定条件下量子电路结构搜索策略辅助决策等问题。本发明给出的不确定条件下的熵决策理论与方法，提高了量子电路结构策略搜索辅助决策的科学性、可信度和量子电路结构搜索操作效率。
5.本发明系统地给出量子电路结构搜索策略的熵决策理论与方法，主要包括：给出了具有充要条件的“定义3”至“定义21”，和包括计算公式“(1)”至到计算公式“(15)”的全部内容。具体如下：
6.定义3：量子电路结构策略搜索，是指在指数大的离散空间内找到一个或一系列最优量子电路结构，完成给定的任务。
7.定义4：量子电路结构策略辅助决策，是指在形成的量子电路结构策略空间，根据性能评估指标评估，采用给定的决策方法，搜索出符合要求的最优量子电路结构。
8.定义5：量子电路结构策略树，是指依托量子电路层与层之间的关系构造树形活动网络拓扑结构(如说明书附图1)，其中，每个节点表示量子电路的一层；每个节点上存在一个初始值为0的访问量，每当该节点被访问，则访问节点的访问值加1。
9.用量子电路结构策略树(如说明书附图1)描述，也就是，在量子电路结构策略树中，当量子信息流通过该节点1次，则流通量为1，直接联结的长度也为1，联结的长度每中转一次长度加1；当量子信息流通过该节点n次，则流通量为n。
10.定义6：在量子电路结构策略树中，量子信息流通过节点流通量定义为则该节点跨度。所有节点跨度的最大值定义为该量子电路结构策略树的跨度。
11.按照定义6，也就是如果某一量子电路结构策略树共有n个割，量子信息流通过第i个节点流通量为ki，则该节点跨度为ki；ki，n，maxki＝n，则量子电路结构策略树的跨度为n。
12.定义7：在量子电路结构策略树中，用以度量量子信息流在传递过程中流通迅速程度大小的测度，定义为量子信息流时效。
13.定义8：在量子电路结构策略树中，用以度量量子信息流在传递过程中流通准确程度大小的测度，定义为量子信息流质量。
14.定义9：在量子电路结构策略树中，用以度量量子信息流在传输过程中流通时效和质量确定性的综合效率，定义为量子电路结构策略树优化度。
15.用量子电路结构策略树的优化度作为度量量子信息的综合效率指标，如何求得其测度值，给出以下定义和算法。
16.定义10：从某一角度考察系统时，系统可能呈现所经历的所有微观状态，定义为系统遍历微观态。
17.定义11：在量子电路结构策略树中，将割的节点间最短路径的总流量定义为割的联系度。
18.如用说明书附图1描述，第i个子树，第j个割的联系度记作l
ij
。l
ij
的计算由割节点间分支的总流量的最短路径来确定，直接联结的长度为1，每中转一次长度加1。
19.与节点i有直接联系的联结长度数量，定义为联系跨度ki，ki为自然数。如，联系跨度ki＝1，表示对该节点只有一次访问，即直接联结长度为1的只有一个。
20.定义12：状态的微观态总数，是指系统演变成某一种状态的可能的途径数叫做状态的微观态总数。
21.定义13：将割j中第i节点的跨度个数ki称为联系数，它与自然数集对应，量子电路结构策略树的时效微观态定义如下：
[0022][0023]
其中，为跨度ki时对应割j的联系度。
[0024]
如，联系跨度ki＝1，表示直接联结的长度为1，ki＝2，表示该节点直接联结长度为1的有2个，即跨度为2，依次类推。
[0025]
如果量子电路结构策略树中含有i个子树，每个子树分为j个割，信息流时效微观态为则总的联系度记为a
t
，且
[0026][0027]
定义14：在量子电路结构策略树中，量子信息流通过“树”的时效性不确定性大小的度量称为量子电路结构策略树的时效熵，记作定义如下：
[0028][0029]
其中，为联系数ki第i个子树，第j个割的节点间联系时实现的概率，且满足以下公式：
[0030]
[0031]
定义15：量子电路结构策略树总时效熵定义如下：
[0032][0033]
其中，ki为第i个子树的联系数，n为量子电路结构策略树中包含子树的个数；m为量子电路结构策略树中割的个数。
[0034]
定义16：若量子电路结构策略树中n个子树的时效微观态为记最大联系度a
max
，定义量子电路结构策略树最大时效熵为：
[0035][0036]
其中，
[0037][0038]
也就是，微观态的量子电路结构策略树最大时效熵测度为：
[0039][0040]
定义17：策略空间量子电路结构策略树的时效记为r
t
，定义如下：
[0041][0042]
定义18：系统第i个子树，跨度为ki，第j个割的质量微观态总数定义如下：
[0043][0044]
其中，ki为第i个节点的跨度。
[0045]
也就是，第i个子树，跨度为ki，第j个割的质量微观态实现概率值为：
[0046][0047]
量子电路结构策略树中信息流在传递过程中出错机会存在着不确定性，信息质量也就有好有坏，描述量子电路结构策略树质量不确定性的大小用质量熵，给出如下定义。
[0048]
定义19：量子信息流通过“树”的质量不确定性大小的度量称为量子电路结构策略树的质量熵，其测量值定义为：
[0049][0050]
将(10)代入(11)可得：
[0051][0052]
因此，系统的总质量熵测度为：
[0053][0054]
也就是，质量微观态的量子电路结构策略树最大质量熵测度为：
[0055][0056]
定义20：量子电路结构策略树的质量记为rm，定义如下：
[0057]
[0058]
定义21：量子电路结构策略树优化度(ad)，定义以下公式表示：
[0059]
ad＝a1r
t
+a2rm(15)
[0060]
其中，a1+a2＝1，0≤a1，a2≤1权系数；r
t
是“策略树”的时效值，rm是“策略树”的质量值。
[0061]
本发明还在实施了算例验证，在此过程中选用某项读取量子计算保真度实验，以“量子芯片参数标定流程优化”为例给出以下策略，即按照如下量子芯片参数标定流程图(如图6算例一量子芯片参数标定流程图)进行方案实施。
[0062]
首先，按照图5量子芯片参数标定流程策略的熵决策算例图，构建量子芯片参数标定流程拓扑图(如图7算例一量子芯片参数标定流程拓扑图)，对系统的时效、质量和优化度进行计算(如图表1)，获得了不确定条件下量子芯片参数标定流程策略的优化度评估结果，具体步骤如下。
[0063]
第一步：根据量子芯片参数标定流程图，构建量子芯片参数标定流程拓扑图(如图7)，将量子芯片参数标定看成为一个系统。
[0064]
第二步：计算量子芯片参数标定系统的时效测度值(见表1)。
[0065]
第三步：计算量子芯片参数标定系统的质量测度值(见表1)。
[0066]
第四步：计算量子芯片参数标定系统的优化度(见表1)。
[0067]
表1量子芯片参数标定流程优化度一览表
[0068]
[0069][0070]
当多个策略时，可以通过计算系统优化度值的大小比较策略的优劣，也就是，策略树综合效率优化度值就越大，从而证明对应的策略就越优。
[0071]
本发明还证明了量子电路结构策略树综合效率优化度ad值就越大，对应的量子电路结构策略就越优。根据量子电路结构策略树时效值是用以度量量子信息流在传递过程中流通迅速程度大小的测度，质量值是用以度量量子信息流在传递过程中流通准确程度大小的测度，和优化度用以度量量子信息流在传输过程中流通时效和质量确定性的综合效率，显然，时效值与质量值之和越大，量子电路结构策略树综合效率优化度ad值就越大，对应的量子电路结构策略就越优。
[0072]
本发明还给出了“量子电路结构搜索策略优化的辅助决策支持系统”的建模方法，其特征是，根据“定义3”至“定义21”以及给出的计算公式“(1)”至计算公式“(15)”，运用计算机语言编程，可以实现一类策略优化抉择的计算机化，形成具有广泛应用价值的辅助决策支持软件系统。
[0073]
本发明还提供了量子计算理论与方法领域中涉及到的一类决策和优化问题的应
用，诸如量子电路结构优化或最优方案决策、量子芯片结构搜索策略优化或最优方案决策和基于量子网络的中等规模超导量子策略优化或最优方案决策等。
附图说明
[0074]
为了更清楚地说明本发明或现有理论与技术中的方法，下面将对实例或现有理论与技术描述中所需要使用的附图作以简单地介绍。显而易见，下面描述中的附图是本发明的一些实施验证的例子，对于本领域的研究人员来说，在不付出创造性的劳动的前提下，还可以根据本发明给出的定义与公式完成其他一类问题关于搜索策略的优化和决策。
[0075]
图1是本发明提供的树形活动网络拓扑结构图；
[0076]
图2是本发明提供的量子电路结构搜索策略的熵决策流程图；
[0077]
图3是本发明提供的量子电路结构搜索策略的熵决策定义之间关系图；
[0078]
图4是本发明提供的量子电路结构搜索策略的熵决策计算公式之间因果图；
[0079]
图5是本发明提供的“量子芯片参数标定流程”熵决策的算例示意图；
[0080]
图6是本发明提供的算例“量子芯片参数标定流程图”；
[0081]
图7是本发明提供的算例“量子芯片参数标定流程”拓扑结构图。
具体实施方式：
[0082]
为使本发明的理论成果、技术路线和创新性更加明确，下面将结合本发明的附图，对本发明的理论成果、技术路线进行清楚、完整地描述，显然，所描述的实施验证例子是本发明一部分，而不是全部的实施例。基于本发明中的实施例，本领域研究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。如基于本发明的理论与方法的量子电路结构策略优化或最优方案决策、量子芯片结构搜索策略优化或最优方案决策以及基于量子网络的中等规模超导量子策略优化或最优方案决策等的理论与方法；又如基于本发明的理论与方法而开发的“量子电路结构搜索策略优化的辅助决策支持系统”的建模和量子芯片结构搜索策略优化或最优方案决策支持系统和基于量子网络的中等规模超导量子策略优化或最优方案辅助决策支持系统软件中的建模。
[0083]
下面，首先结合说明书中图1对本发明所提供的不确定性熵决策方法所应用在量子电路结构搜索策略进行介绍，图1是树形活动网络拓扑结构图。参照图1所示，任何一个量子电路结构策略，都可以忽略其物理意义，将量子电路结构抽象为量子电路结构策略树，并依托量子电路层与层之间的关系构造树形活动网络拓扑结构，拓扑结构中每个节点表示量子电路的一层；每个节点上存在一个初始值为0的访问量(visit量)，每当该节点被访问，则访问值加1，也就是，在量子电路结构策略树中，当量子信息流通过该节点1次，则流通量为1，直接联结的长度也为1，联结的长度每中转一次长度加1；当量子信息流通过该节点n次，则流通量为n。这样量子电路结构策略优化问题就转化成对量子信息流通过的策略树的拓扑结构优化。
[0084]
下面结合图2-图4描述本发明的不确定条件下量子电路结构搜索策略的熵决策。
[0085]
图2是量子电路结构搜索策略的熵决策流程图，如图2所示，该理论与方法包括：根据量子电路结构超级网络搜索空间，依托量子电路层与层之间的关系，构建量子电路结构策略树，在此基础上构建量子电路搜索树活动网络拓扑结构图；根据活动网络拓扑结构图，
根据本发明给出的定义和计算公式计算如下相关参数测度值：量子信息流的流通量、遍历微观态、微观态总数、联系度、总联系度。根据量子信息的时效和质量的定义，量子信息流时效，是用以度量量子信息流在传递过程中流通迅速程度大小的测度，量子信息流质量，是用以度量量子信息流在传递过程中流通准确程度大小的测度。为计算量子信息流的时效，首先计算时效微观态、时效熵、总时效熵、最大时效熵，由这些参数根据本发明给出的计算公式得到量子信息流的时效的测度值。为计算量子信息流的质量，必须先计算质量微观态、质量微观态实现概率，计算质量熵、质量熵、总质量熵、最大质量熵，由这些参数根据公式得到量子信息流的质量的测度值。系统优化要求的量子信息流的时效性和准确性都要好，代入本发明给出的量子信息流的优化度计算公式，得到对量子电路结构搜索策略最终的熵决策值-优化度，即量子电路结构策略树优化度值就越高，结构熵值越小，不确定性就越低，说明搜索出的量子电路结构方案对于达成目标的可能性就越大。
[0086]
该理论给出了“定义3”至“定义21”，计算公式“(1)”至到计算公式“(15)”的全部内容，如图3、图4所示。图3是量子电路结构搜索策略的熵决策定义之间关系图，图4量子电路结构搜索策略的熵决策计算公式之间因果图，依照本发明给出的这些定义与公式，可以解决一类量子电路结构和量子芯片结构搜索策略的优化问题。
[0087]
图5-图7，是对本发明的理论与方法的检验验证，通过应用实例：“量子芯片参数标定流程策略的熵决策”算例，对本发明的理论与方法给予验证，并且给出计算过程的步骤。

技术特征：
1.“不确定条件下量子电路结构搜索策略的熵决策”，其特征在于，把“熵”作为不确定性状态描述的有力工具引入量子计算领域中，基于风险管理决策理论和数学图论，在构建量子电路结构策略的树形超级网络搜索空间中，给出了不确定条件下量子电路结构搜索策略熵决策的系列定义(“定义3”至“定义21”)与系列计算公式(计算公式“(1)”至计算公式“(15)”)和熵式度量方法，形成了量子电路结构搜索策略的熵决策理论与方法，所述方法包括：对策略集对应的树形超级网络进行优化分析，得到依托量子电路层与层之间的关系构造的树形活动网络拓扑结构；其中，给出量子信息流通量的算法；根据量子信息流通过节点流通量算法给出量子电路结构策略树的跨度算法、遍历微观态和联系度算法；根据量子电路结构策略树的树形活动网络拓扑结构，给出用以度量量子信息流在传递过程中流通迅速程度大小的测度-量子信息流时效熵、时效和用以度量量子信息流在传递过程中流通准确程度大小的测度-量子信息流质量熵、质量，以及用以度量量子信息流在传输过程中流通时效和质量确定性的综合效率测度-量子电路结构策略树优化度等定义(“定义3”至“定义21”)及相应的算法和公式(计算公式“(1)”至计算公式“(15)”)；根据树形活动网络拓扑结构优化度的定义，证明量子电路结构策略树优化度值越大，对应的量子电路结构策略就越优。2.根据权利要求1所述的方法，其特征在于，本发明已经给出了树形活动网络拓扑结构优化的完整定义、算法和计算公式，得到这些理论与方法，可以开发“量子电路结构搜索策略优化的辅助决策支持系统”等软件产品。3.根据权利要求1所述的方法，其特征在于，本发明已经给出了量子电路结构搜索策略优化的完整定义、算法和计算公式，得到这些理论与方法，也可应用在量子信息获取和量子信息存储等其他控制流程，还可给出诸如量子电路结构优化、量子芯片结构搜索策略选优和基于量子网络的中等规模超导量子策略优化或最优方案决策等的理论与方法。4.根据权利要求3所述的方法，得到这些理论与方法，可以开发诸如量子电路结构优化或最优方案的辅助决策支持系统、量子芯片结构搜索策略优化或最优方案的辅助决策支持系统和基于量子网络的中等规模超导量子策略优化或最优方案的辅助决策支持系统等软件产品。

技术总结
本发明提供一种“不确定条件下量子电路结构搜索策略的熵决策”理论和方法。其特征在于，分析量子电路结构超级网络搜索空间、量子电路层与层之间关系和量子信息流的不确定性；构建量子电路搜索树活动网络拓扑结构；确定量子信息流时效熵、时效和质量熵、质量的方法；给出“熵”式度量量子电路结构策略树跨度、系统遍历微观态、联系度、优化度等定义与算法；证明量子电路结构策略树优化度值越大，对应的量子电路结构策略就越优，形成了“熵”式度量下的量子电路结构策略优化的熵决策理论和方法。根据这一方法开发基于量子网络超导操控实验优化流程和量子芯片结构方案优化、量子比特门标校流程优化，降低了量子电路结构大规模抽样的复杂性。性。性。


技术研发人员：程启月
受保护的技术使用者：程启月
技术研发日：2021.12.29
技术公布日：2023/7/13