量子体系下的热化态制备方法、设备及存储介质技术

本申请公开了一种量子体系下的热化态制备方法、设备及存储介质，属于量子技术领域。通过引入神经网络后处理的方案，首先通过参数化量子线路对系统量子比特和辅助量子比特的输入量子态进行处理，然后通过神经网络对辅助量子比特对应的测量结果进行处理得到权重参数，利用该权重参数来近似表征混态中的概率，然后基于混态的关联函数计算得到目标函数的期望值，以该期望值收敛为目标，优化参数化量子线路和神经网络的参数，在满足收敛条件时，获取系统的混态以近似表征该系统的热化态。本方案利用权重参数来调节不同的辅助量子比特测量结果所对应的权重，通过神经网络的可训练参数，增强线路整体的表达能力，达到更加高效且精确地制备热化态的效果。精确地制备热化态的效果。精确地制备热化态的效果。

【技术实现步骤摘要】
量子体系下的热化态制备方法、设备及存储介质


[0001]本申请实施例涉及量子
，特别涉及一种量子体系下的热化态制备方法、设备及存储介质。

技术介绍

[0002]在一些已有的研究中，提出了通过参数化线路制备热化态的方案。以制备Gibbs(吉布斯)热态化为例，参数化线路中参数优化的损失函数是Gibbs自由能，需要对该Gibbs自由能中的Gibbs熵进行测量。
[0003]对于常规的通过参数化线路制备热化态的方案，通过对辅助量子比特取偏迹的方式，制备系统量子比特上的混态。此时，该混态的Gibbs熵由于是密度矩阵非线性的对数函数，无法直接高效测量，需要进行消耗指数资源的态层析。这里所说的“指数资源”是指测量次数与系统量子比特的数量呈指数级关系，从而导致测量耗时过大。
[0004]因此，目前的通过参数化线路制备热化态的方案，效率较低。

技术实现思路

[0005]本申请实施例提供了一种量子体系下的热化态制备方法、设备及存储介质。所述技术方案如下：
[0006]根据本申请实施例的一个方面，提供了一种量子体系下的热本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量子体系下的热化态制备方法，其特征在于，所述方法包括：通过参数化量子线路对组合量子比特的输入量子态进行变换处理，并对所述参数化量子线路的输出量子态进行n次测量，得到n组测量结果；其中，所述组合量子比特包括辅助量子比特和目标量子系统的系统量子比特，每组测量结果包括：与所述系统量子比特对应的第一测量结果，以及与所述辅助量子比特对应的第二测量结果，n为正整数；通过神经网络对所述第二测量结果进行处理，得到权重参数；基于所述权重参数和所述第一测量结果，计算得到所述目标量子系统的混态的关联函数值；基于所述混态的关联函数值，计算得到目标函数的期望值；以所述目标函数的期望值收敛为目标，对变分参数进行调整；其中，所述变分参数包括以下至少一项：所述参数化量子线路的参数、所述神经网络的参数；在所述目标函数的期望值满足收敛条件的情况下，获取所述目标量子系统的混态以近似表征所述目标量子系统的热化态。2.根据权利要求1所述的方法，其特征在于，所述基于所述权重参数和所述第一测量结果，计算得到所述目标量子系统的混态的关联函数值，包括：基于n个所述第二测量结果分别对应的权重参数，对n个所述第一测量结果分别对应的运算结果进行加权平均，得到所述目标量子系统的混态的关联函数值。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：采用目标关联函数对n个所述第一测量结果分别进行运算处理，得到n个所述第一测量结果分别对应的运算结果；其中，所述目标关联函数用于获取所述目标量子系统的混态在目标泡利字符串下的关联函数值。4.根据权利要求3所述的方法，其特征在于，所述基于所述混态的关联函数值，计算得到目标函数的期望值，包括：获取所述混态在多个不同的泡利字符串下的关联函数值；其中，所述混态在多个不同的泡利字符串下的关联函数值，采用不同...

【专利技术属性】
技术研发人员：张士欣，张胜誉，姚宏，
申请(专利权)人：清华大学，
类型：发明
国别省市：