量子纠错解码系统、方法、容错量子纠错系统及芯片技术方案

本申请公开了一种量子纠错解码系统、方法、容错量子纠错系统及芯片，涉及量子技术领域。所述量子纠错解码系统包括多个纠错芯片，纠错芯片用于：获取量子电路的错误症状信息；运行经规范化处理后的神经网络解码器对错误症状信息进行解码处理，得到错误结果信息；其中，神经网络解码器的核心运算为经数值量化处理得到的无符号定点数的乘积累加运算。本申请对于采用神经网络解码器进行量子纠错解码的系统，通过对该神经网络解码器进行规范化处理，使其核心运算为经数值量化处理得到的无符号定点数的乘积累加运算，从而最大程度地减少神经网络解码器所需的数据量和计算量，以更好地满足实时纠错的要求。

【技术实现步骤摘要】
量子纠错解码系统、方法、容错量子纠错系统及芯片
本申请实施例涉及量子
，特别涉及一种量子纠错解码系统、方法、容错量子纠错系统及芯片。
技术介绍
由于量子比特非常容易受到噪声的影响，所以直接在物理量子比特上实现量子计算以目前的技术来看还不现实。量子纠错码和容错量子计算技术的发展，原则上提供了在有噪声量子比特上实现任意精度量子计算的可能。如果仅仅是针对量子信息进行存储，那我们可以检测并收集所有的错误症状并在最后根据所有的症状信息进行纠错，这种纠错方式称为后处理。但是在进行容错量子计算时，量子电路本身会实时改变错误类型，仅仅依靠症状信息无法正确跟踪定位发生在不同时空的错误。为了使量子计算能够顺利进行，必须在得到错误症状之后立刻进行解码，并在量子算法的每一个计算步骤运行之前(或者下一轮纠错开始之前)完成纠正错误。这种称为实时纠错，是实现大规模通用量子计算必不可缺的技术。实时纠错对量子纠错解码系统的运行时间裕度提出了很高的刚性要求，但目前的一些量子纠错解码系统设计，无法满足实时纠错的要求。
技术实现思路
本申请实施例提供了一种量子纠错解码系统、方法、容错量子纠错系统及芯片，能够缩短量子纠错解码所需的时间，从而满足实时纠错的要求。所述技术方案如下：根据本申请实施例的一个方面，提供了一种量子纠错解码系统，所述量子纠错解码系统包括多个纠错芯片，所述纠错芯片用于：获取量子电路的错误症状信息，所述错误症状信息是由量子纠错码的稳定子生成元的本征值构成的数据阵列；运行经规范化处理后的神经网络解码器对所述错误症状信息进行解码处理，得到错误结果信息，所述错误结果信息用于确定所述量子电路中发生错误的量子比特以及相应的错误类型；其中，所述神经网络解码器的核心运算为经数值量化处理得到的无符号定点数的乘积累加运算。根据本申请实施例的一个方面，提供了一种容错量子纠错系统，所述容错量子纠错系统包括：量子电路、量子处理控制器QCP、任意波形发生器AWG、数字采集器DAQ，以及包括多个纠错芯片的量子纠错解码系统；所述AWG用于向所述量子电路发送用于错误症状测量的测量波形；所述DAQ用于采集经所述量子电路放大后的测量波形，对采集到的所述测量波形进行解调得到所述量子电路的错误症状信息，向所述QCP发送所述错误症状信息，所述错误症状信息是由量子纠错码的稳定子生成元的本征值构成的数据阵列；所述QCP用于将所述错误症状信息发送给所述量子纠错解码系统中的多个纠错芯片；所述纠错芯片用于运行经规范化处理后的神经网络解码器对所述错误症状信息进行解码处理，得到错误结果信息，所述错误结果信息用于确定所述量子电路中发生错误的量子比特以及相应的错误类型；其中，所述神经网络解码器的核心运算为经数值量化处理得到的无符号定点数的乘积累加运算。根据本申请实施例的一个方面，提供了一种量子纠错解码方法，所述方法包括：获取量子电路的错误症状信息，所述错误症状信息是由量子纠错码的稳定子生成元的本征值构成的数据阵列；运行经规范化处理后的神经网络解码器对所述错误症状信息进行解码处理，得到错误结果信息，所述错误结果信息用于确定所述量子电路中发生错误的量子比特以及相应的错误类型；其中，所述神经网络解码器的核心运算为经数值量化处理得到的无符号定点数的乘积累加运算。根据本申请实施例的一个方面，提供了一种纠错芯片，所述纠错芯片用于实现上述量子纠错解码方法。本申请实施例提供的技术方案至少包括如下有益效果：对于采用神经网络解码器进行量子纠错解码的系统，通过对该神经网络解码器进行规范化处理，使其核心运算为经数值量化处理得到的无符号定点数的乘积累加运算，从而最大程度地减少神经网络解码器所需的数据量和计算量，以更好地满足实时纠错的要求。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例，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他的附图。图1是本申请示例性示出的旋转表面码的示意图；图2是本申请示例性示出的表面码错误发生的示意图；图3是本申请示例性示出的症状测量电路的示意图；图4是本申请示例性示出的三维症状比特阵列的示意图；图5是本申请示例性示出的在表面码上实现容错量子计算方案的示意图；图6是本申请示例性示出的实时容错纠错系统的结构图；图7是本申请示例性示出的方案应用场景的示意图；图8是图7所示方案应用场景所涉及的纠错解码过程的示意图；图9是本申请示例性示出的实时反馈容错纠错的时序图；图10是本申请示例性示出的多神经网络容错解码框架的示意图；图11是本申请示例性示出的错误症状分割的示意图；图12是本申请示例性示出的RG启发的浅层神经网络的示意图；图13是本申请示例性示出的量子纠错解码系统的示意图；图14是本申请示例性示出的在不同症状区块组合的解码性能的示意图；图15是本申请示例性示出的SNND与MWPM的性能比较的示意图；图16是本申请示例性示出的两种量化方式的示意图；图17是本申请示例性示出的8位定点数与32位浮点数精度损失的对比图；图18是本申请示例性示出的卷积计算的示意图；图19是本申请示例性示出的解码芯片的体系结构的示意图；图20是本申请示例性示出的容错量子纠错系统的示意图；图21是本申请示例性示出的量子纠错解码过程的示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。在对本申请实施例进行介绍说明之前，首先对本申请中涉及的一些名词进行解释说明。1、量子计算(QuantumComputation，QC)：利用量子态的叠加和纠缠性质快速完成特定计算任务的方式。2、量子纠错码(QuantumErrorCorrection，QEC)：将量子态映射到多体量子系统希尔伯特空间中的一个子空间中编码的方式。量子噪声会把编码量子态迁移到其他子空间。通过持续观测量子态所在的空间(症状提取)，我们可以做到评估并纠正量子噪声的同时，不干扰编码量子态，从而保护编码量子态不受量子噪声的干扰。具体来说，一个[[n,k,d]]量子纠错码代表在n个物理量子比特中编码k个逻辑量子比特，就用来纠正任意个发生在任意单量子比特上的错误。3、数据量子态：用来在量子计算时存贮量子信息的数据量子比特的量子态。4、稳定子生成元(stabilizergenerator)：也称奇偶校验算子。量子噪声(错误)的发生会改变某些稳定子生成元的本征值，从而我们可以根据这些信息进行量子纠错。5、错误症状(errorsyndrome)：当没有错误时，稳定子生成元的本征值为0；当量子噪声发生时，本文档来自技高网...

【技术保护点】
1.一种量子纠错解码系统，其特征在于，所述量子纠错解码系统包括多个纠错芯片，所述纠错芯片用于：/n获取量子电路的错误症状信息，所述错误症状信息是由量子纠错码的稳定子生成元的本征值构成的数据阵列；/n运行经规范化处理后的神经网络解码器对所述错误症状信息进行解码处理，得到错误结果信息，所述错误结果信息用于确定所述量子电路中发生错误的量子比特以及相应的错误类型；/n其中，所述神经网络解码器的核心运算为经数值量化处理得到的无符号定点数的乘积累加运算。/n

【技术特征摘要】
1.一种量子纠错解码系统，其特征在于，所述量子纠错解码系统包括多个纠错芯片，所述纠错芯片用于：
获取量子电路的错误症状信息，所述错误症状信息是由量子纠错码的稳定子生成元的本征值构成的数据阵列；
运行经规范化处理后的神经网络解码器对所述错误症状信息进行解码处理，得到错误结果信息，所述错误结果信息用于确定所述量子电路中发生错误的量子比特以及相应的错误类型；
其中，所述神经网络解码器的核心运算为经数值量化处理得到的无符号定点数的乘积累加运算。


2.根据权利要求1所述的量子纠错解码系统，其特征在于，所述神经网络解码器包括至少一个隐含层，所述隐含层的输出参数的计算过程如下：
获取量化后权重向量和量化后输入向量；其中，所述量化后权重向量中包括经数值量化处理得到的无符号定点数形式的权重参数，所述量化后输入向量包括经数值量化处理得到的无符号定点数形式的输入参数；
基于所述量化后权重向量和所述量化后输入向量的内积，得到无符号定点数形式的输出参数。


3.根据权利要求2所述的量子纠错解码系统，其特征在于，所述基于所述量化后权重向量和所述量化后输入向量的内积，得到无符号定点数形式的输出参数，包括：
从所述纠错芯片的片上内存中获取既定参数；其中，所述既定参数是指取值不受所述输入参数影响的参数；
基于所述既定参数，以及所述量化后权重向量和所述量化后输入向量的内积，得到无符号定点数形式的所述输出参数。


4.根据权利要求3所述的量子纠错解码系统，其特征在于，所述基于所述既定参数，以及所述量化后权重向量和所述量化后输入向量的内积，得到无符号定点数形式的所述输出参数，包括：
按照如下公式计算得到无符号定点数形式的所述输出参数Oq：



其中，qw为经数值量化处理后得到的无符号定点数形式的权重参数，qa为经数值量化处理后得到的无符号定点数形式的输入参数，qb为经数值量化处理后得到的无符号定点数形式的偏置参数，scalew为权重参数对应的比例缩放系数，scalea为输入参数对应的比例缩放系数，scaleO为输出参数对应的比例缩放系数，w0为权重参数对应的参考定点数，b0为偏置参数对应的参考定点数，i为正整数；并且，所述既定参数包括S1、S2和w0。


5.根据权利要求2所述的量子纠错解码系统，其特征在于，所述隐含层之后还包括激活函数层，所述激活函数层用于对所述输出参数进行如下处理：
获取所述输出参数的符号位；
若所述符号位指示所述输出参数为正数，则保留所述输出参数的各个比特位的数值不变；
若所述符号位指示所述输出参数为负数，则将所述输出参数的各个比特位的数值置零。


6.根据权利要求1所述的量子纠错解码系统，其特征在于，所述规范化处理包括以下至少一项：
所述多个纠错芯片上运行的各个所述神经网络解码器具有相同的网络结构；
所述神经网络解码器的隐含层仅包括卷积层和全连通层；
所述神经网络解码器的激活函数使用线性整流单元ReLU激活函数；
每个所述纠错芯片上运行一个所述神经网络解码器；
所述神经网络解码器能够适用于不同量子电路的纠错解码。


7.根据权利要求1所述的量子纠错解码系统，其特征在于，所述解码芯片包括片上内存、控制单元和算术计算模块；
所述片上内存用于存储所述神经网络解码器的参数信息；
所述控制单元用于控制所述算术计算模块从所述片上内存中读取所述参数信息；
所述算术计算模块用于从所述片上内存中读取所述参数信息，基于所述参数信息执行所述乘积累加运...

【专利技术属性】
技术研发人员：郑一聪，席光磊，张孟禹，张华良，刘福明，张胜誉，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44