[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

说明书

本发明实施例公开了一种量子控制波形的优化方法、装置、计算机设备及存储介质。该方法包括：对量子逻辑门的预设起始波形进行傅里叶变换，以得到预设起始波形的频域数据；根据预设带宽限制条件对频域数据进行带宽限制，以得到目标频域数据；对目标频域数据进行傅里叶逆变换，以得到目标波形；对目标波形进行量子动力学演化，并计算量子逻辑门的损失函数；将损失函数对目标波形利用神经网络进行自动微分，以获得损失函数的梯度；根据损失函数以及梯度判断是否满足结束条件；若不满足，则基于目标波形，利用梯度下降法更新预设起始波形后重复上述方法；若满足，则将目标波形确定为优化后波形输出。从而获得频域可控的、平滑且可解析的量子控制波形。

技术领域

本发明实施例涉及量子控制技术领域，尤其涉及一种量子控制波形的优化方法、装置、计算机设备及存储介质。

背景技术

量子计算机中的物理比特，比如超导量子比特或量子点等等，需要用到任意波形生成器产生调制的微波信号来对量子比特进行控制，从而实现各种各样的逻辑门操作。

控制波形的优化长期以来主要依赖基于梯度下降的GRAPE算法来获得，包括数值以及基于反馈的实验操作，这种算法需要以波形的离散时序幅值作为参数进行优化。目前这种算法存在很多问题，如优化的参数空间非常大，其维度与波形长度以及离散化的分辨率成正比，从而严重影响优化速率，而且优化所得的波形包含很多高频分量，无法用任意波形生成器生成，即不具备可操作性，其中的高频分量还很容易被高频噪声淹没，从而对普遍存在的高频噪声不具备鲁棒性。

针对GRAPE算法优化结果具有高频分量的问题，目前通常通过对优化结果进行后处理的高斯滤波来使结果平滑，但这种后处理得到的平滑波形并不是优化的结果，通常这种后处理会损失很大的逻辑门操作的正确性和鲁棒性，还有一种改进方案是通过对相邻离散时间点的幅值的差外加最大值限制来压制优化波形中的高频成分，但这种技术不仅不具备清晰的物理图像，而且在带宽上不具备直观的可控性，无法针对任意波形产生器进行带宽调节。

发明内容

本发明实施例提供一种量子控制波形的优化方法、装置、计算机设备及存储介质，以解决传统方法的频域不可控、波形平滑性差以及调节参数过多等问题。

第一方面，本发明实施例提供了一种量子控制波形的优化方法，该方法包括：

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。

第二方面，本发明实施例还提供了一种量子控制波形的优化装置，该装置包括：

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；