[发明专利]量子控制波形的优化方法、装置、计算机设备及存储介质

权利要求书

1.一种量子控制波形的优化方法，其特征在于，包括：

步骤A、对量子逻辑门的预设起始波形进行傅里叶变换，以得到所述预设起始波形的频域数据；

步骤B、根据预设带宽限制条件对所述频域数据进行带宽限制，以得到目标频域数据；

步骤C、对所述目标频域数据进行傅里叶逆变换，以得到目标波形；

步骤D、对所述目标波形进行量子动力学演化，并计算所述量子逻辑门的损失函数；

步骤E、将所述损失函数对所述目标波形利用神经网络进行自动微分，以获得所述损失函数的梯度；

步骤F、根据所述损失函数以及所述梯度判断是否满足结束条件；若不满足，则基于所述目标波形，利用梯度下降法更新所述预设起始波形，并返回执行步骤A；若满足，则将所述目标波形确定为优化后波形输出。

2.根据权利要求1所述的量子控制波形的优化方法，其特征在于，在所述若不满足，则基于所述目标波形，利用梯度下降法更新所述预设起始波形之后，还包括：

统计所述方法的迭代次数；

若所述迭代次数达到预设迭代次数，则将更新后的所述预设起始波形确定为所述优化后波形输出，否则返回执行步骤A。

3.根据权利要求1所述的量子控制波形的优化方法，其特征在于，所述将所述损失函数对所述目标波形利用神经网络进行自动微分，以获得所述损失函数的梯度，包括：

利用Tensorflow或PyTorch的自动微分机制构建梯度磁带；

根据所述梯度磁带计算所述梯度。

4.根据权利要求1所述的量子控制波形的优化方法，其特征在于，所述结束条件包括：所述损失函数小于预设损失函数精度，或者所述梯度的模小于预设梯度精度。

5.根据权利要求1所述的量子控制波形的优化方法，其特征在于，在所述根据预设带宽限制条件对所述频域数据进行带宽限制，以得到目标频域数据之前，还包括：

根据所使用的波形生成器的物理参数确定所述预设带宽限制条件。

6.根据权利要求1所述的量子控制波形的优化方法，其特征在于，所述预设起始波形为有限傅里叶基矢函数。

7.根据权利要求1所述的量子控制波形的优化方法，其特征在于，所述损失函数为非保真度、演化时间或纠缠熵。

8.一种量子控制波形的优化装置，其特征在于，包括：

频域数据获得模块，用于对量子逻辑门的预设起始波形进行傅里叶变换，以得到所述预设起始波形的频域数据；

带宽限制模块，用于根据预设带宽限制条件对所述频域数据进行带宽限制，以得到目标频域数据；

目标波形获得模块，用于对所述目标频域数据进行傅里叶逆变换，以得到目标波形；

损失函数计算模块，用于对所述目标波形进行量子动力学演化，并计算所述量子逻辑门的损失函数；

梯度获得模块，用于将所述损失函数对所述目标波形利用神经网络进行自动微分，以获得所述损失函数的梯度；

结束判断模块，用于根据所述损失函数以及所述梯度判断是否满足结束条件；若不满足，则基于所述目标波形，利用梯度下降法更新所述预设起始波形，并返回所述频域数据获得模块继续执行；若满足，则将所述目标波形确定为优化后波形输出。

9.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的量子控制波形的优化方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的量子控制波形的优化方法。