[发明专利]一种基于云计算的Grover量子仿真算法优化方法

说明书

本发明公开了一种基于云计算的Grover量子仿真算法的优化方法，主要解决国内外量子算法仿真模拟的量子位较少，仿真效率较低的问题。本发明针对Grover量子搜索单次迭代酉运算进行优化，提出了一种既大幅节约存储空间又显著提高酉运算效率的优化算法，利用基于Hadoop的MapReduce并行计算模型的优势，在云计算集群上对大矩阵酉运算进行分布式处理；充分利用云计算平台提供的高性能并行计算能力，利用集群架构的优势构建多比特位量子并行计算模型，成功地提高了仿真算法效率。

技术领域

本发明涉及云计算技术领域，尤其涉及一种基于云计算的Grover量子仿真算法的优化方法。

背景技术

现有真正意义上的量子计算机规模还比较小，量子计算机尚没有从实验室走向实际应用，因此，通过量子仿真的方式模拟量子计算机的运行，成为当前量子理论研究的主要方式。

目前，量子算法仿真常用的仿真软件jQuantum，最高支持15量子比特。虽然K.DeRaedt等人也开发的仿真器QCCE运行在德国于利希研究中心的超级计算机JUGENE上，最大可模拟42位量子算法，但是该超级计算机JUGENE使用262144个CPU和64TB存储，不仅时间开销极大，而且对硬件要求极高，难以真正应用。国内吕相文等人利用GPU开展的量子仿真实验，可实现25量子比特的Grover算法，加速比达23倍。该方法虽然一定程度提高了仿真效率，但利用GPU的仿真仍然存在GPU硬件成本较高，通用性较差的问题。

目前的通用技术中，国内外对量子算法的仿真只能模拟较少量子位、仿真效率较低，而通过堆积硬件的方式虽然能够一定程度上提高仿真的性能，但是成本会呈现几何倍的增长，因此难以广泛应用。

发明内容

本发明的实施例提供基于云计算的Grover量子仿真算法的优化方法，能够提高模拟的量子位数量的同时，降低使用成本。

为达到上述目的，本发明的实施例采用如下技术方案：

具体的，本实施例中，根据Oracle算子的特点，设计出Oracle算子和酉矩阵的压缩方法，大大减少了存储空间。本发明结合酉运算公式和Grover运算的性质，设计一种优化的乘法运算，大大减少酉操作的运算时间。本发明提出的云计算平台上Grover仿真算法框架，模拟的量子位数可达2³²位。此外本发明为量子仿真提供了普适性的方法，不再需要昂贵的GPU集群，大大降低了研究成本。

针对Grover量子搜索单次迭代酉运算进行优化，提出了一种既大幅节约存储空间又显著提高酉运算效率的优化算法，利用基于Hadoop的MapReduce并行计算模型的优势，在云计算集群上对大矩阵酉运算进行分布式处理

本发明针对国内外对量子算法的仿真只能模拟较少量子位、仿真效率较低的缺点，结合云计算并行计算的优势，本发明提出一种高效的仿真算法，对Grover搜索算法进行优化，在云计算平台架构集群分布式存储来分摊指数级的存储空间开销，显著地提高仿真效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要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它的附图。

图1为本发明实施例提供的Grover算法线路示意图；

图2为本发明实施例提供的分治算法数学模型示意图；

图3为本发明实施例提供的单核虚拟机集群并发模型示意图；

图4为本发明实施例提供的多核虚拟机集群并发模型示意图。

具体实施方式