构建和编程用于量子退火过程的量子硬件的制作方法

构建和编程用于量子退火过程的量子硬件的制作方法
【专利摘要】用于构建和编程量子硬件以用于量子退火过程的方法、系统、和设备，包括编码在计算机存储介质上的计算机程序。
【专利说明】构建和编程用于量子退火过程的量子硬件
[0001] 相关申请的交叉引用
[0002] 本申请根据35USC§119(e)要求于2014年4月28日提交的美国专利申请序列号61/ 985，348和于2014年1月6日提交的美国专利申请序列号61/924，207的优先权，其全部内容 通过引用并入本文。
【背景技术】
[0003] 本说明书涉及构建和编程用于量子退火过程的量子硬件。

【发明内容】

[0004] 人工智能任务能够被转化为机器学习优化问题。为了执行人工智能任务，例如量 子处理器的量子硬件被构建并编程为将与对应的机器优化问题的解编码为表征该量子硬 件的多体量子哈密顿量的能谱。例如，该解被编码在哈密顿量的基态中。量子硬件执行从已 知初始哈密顿量的已知基态开始的绝热量子计算。随着时间推移，随着该已知初始哈密顿 量演化为用于解决该问题的哈密顿量，该已知基态演化并保持在正在演化的哈密顿量的瞬 时基态处。在不将所述哈密顿量对角化的情况下，在所述演化结束时获得所述哈密顿量的 基态的能谱。
[0005] 有时由于例如由热波动所致使的激发，量子绝热计算变为非绝热。不同于保持在 瞬时基态，最初在初始哈密顿量的基态处开始的正在演化的量子态能够达到正在演化的哈 密顿量的激发态。量子硬件被构建和编程以抑制在计算的早期阶段期间从瞬时基态向较高 能态的这样的激发。此外，量子硬件也被构建和编程以协助在计算的较晚阶段从较高能态 到较低能态或基态的弛豫。改善了找出用于解决问题的哈密顿量的基态的鲁棒性。
[0006] 在附图和以下描述中对本说明书的主题的一个或多个实施例的细节进行阐述。本 主题的其他特征、方面、和优点根据说明书、附图、和权利要求书将变得显而易见。
【附图说明】
[0007] 图1是量子处理器中的相互作用的量子位的示意性透视图。
[0008] 图2是示出量子处理器中的两个量子位的结构和相互作用的示意图。
[0009] 图3是示出量子调节器对量子退火过程的影响的示意图。
[0010] 图4是示出量子退火过程期间的初始哈密顿量、问题哈密顿量、和对于该问题哈密 顿量所选择的量子调节器的哈密顿量的相互影响的示意图。
[0011] 图5是用于确定量子调节器的分布的示例过程的流程图。
[0012] 图6是用于执行人工智能任务的示例过程的流程图。
【具体实施方式】 [0013] 概述
[0014]困难的组合问题 例如NP难题和机器学习问题 的解能够被编码在多体量 子哈密顿系统的基态中，这也被称为量子退火器或"QA"。系统的QA有时能够通过绝热量子 计算来获得，其中QA被初始化为已知且容易制备的初始哈密顿量Η的基态。随着时间的推 移，QA被绝热地引导至对问题进行编码的问题哈密顿量Η Ρ。理论上，在绝热量子计算期间， QA能够保持在从Hi逐步演化到ΗΡ的哈密顿量Htcltai的瞬时基态，其中Htcltai能够被表示为：
[0015] Ht〇tai= (l-s)Hi+sHp,
[0016] 其中s为依赖于时间的控制参数：
[0017] s = t/tT，
[0018] 并且tT为绝热量子计算的总时间。如果系统的演化相对于系统的本征能量范围足 够缓慢，则QA将确定性地达到问题哈密顿量迅的基态。
[0019] 事实上，量子计算可能无法完全绝热并且在计算过程期间QA可能达到HtQtal的激发 态，这能够导致量子计算结束时的不精确结果。例如，在许多硬件组合优化问题中，如决策 问题中，当问题哈密顿量在其运算复杂度下对相变进行演示时，相对于系统的本征能量范 围，H tcltal的激发态与基态之间的间隙大小能够很小，例如指数级别的小。在这种情境下，QA 可以经历量子相变并且能够达到大量的激发态，例如指数级别的大量的激发态。此外，由于 诸如与系统的环境相互作用以及包括控制误差和制造误差的系统缺陷误差所导致的量子 波动的其他因素，QA也可以从H tcltai的基态偏离。在本说明书中，推动QA从Hi的基态到迅的基 态的过程被称为QA调度(schedule)或量子退火过程。
[0020 ] 本说明书的诸如量子处理器的量子硬件包括量子芯片，除Hi和HP以外，所述量子芯 片定义了量子调节器（"QG"），使得正在演化的哈密顿量Htotal变为
[0021] Ht〇t = I (t) Hi+G (t) Hg+P (t) Hp+Hag-b ,
[0022] 其中I (t)和P (t)分别表示初始哈密顿量Hi和问题哈密顿量叫的时间依赖性;G (t) 表示与QG相关的哈密顿量Hg的时间依赖性;并且Hag-b是组合的QA-QG系统与其周围环境的相 互作用，通常被称作浴(bath)。通常，能够假设，Hag-b非零但恒定并且被良好地表征。在一些 实施方式中：
[0023] Ht〇t= (l_t)Hi+t( 1~?)Ηο+?Ηρ+Ηαο-β
[0024] 通常，QG能够被视为一种非信息承载自由度，其能够被设计为操控信息承载自由 度的耗散动态学。在Htcltai的示例中，信息承载自由度是QA。具体的，QG能够被定义为具有独 立张量积结构的辅助子系统。QG能够由Hg来表征，Hg表征信息承载自由度与QG之间的相互作 用和QG的自由哈密顿量这两者。QG能够与QA前后一致地、以非扰动的方式来相互作用。该相 互作用也能够演示强非马尔可夫(non-Markovian)效应。
[0025] 量子硬件被构建并编程为允许QG以鲁棒的方式在有限的温度下导引无序的量子 退火硬件的量子演化并且改善绝热量子计算过程。例如，QG能够促进将QA向量子相变推动， 同时通过有效地使QA难以达到激发态来使QG从H tcltai的激发态解耦。在量子相变之后，QA进 入另一相，在该相中由于量子局域化，QA很可能被冻结在激发态下。QG能够将QA的能级调节 为与环境的振动能量相协调以促进QA松弛至较低能态或基态。这样的调节能够增加基态保 真度，即在计算结束时QA处于基态的保真度，并且允许QA避免由于量子局域化而过早地冻 结在次优解。
[0026]大体上，QA在本说明书的量子退火过程中经历四个相，包括初始、激发、弛豫、以及 冻结，以下将对其进行具体解释。QG能够通过创建浴的平均声子能量与出。*的平均能级间隔 之间的不匹配来协助处于前两相下的QA抑制QA激发。在第三和第四阶段，QG能够通过创建 系统和浴的谱密度之间的重叠来增强热波动。增强的热波动能够允许QA具有从Htclt的较高 能态到较低能态或基态的高弛豫速率。具体地，由于量子局域化，QA可以被冻结在非基态。 QG能够允许QA从非基态解冻。
[0027]当量子相互作用由于量子硬件的天然的或设计的约束而受到限制时，QG能够被用 于实现通用的绝热量子计算。例如，量子芯片能够具有设计的约束以使得表示量子芯片上 的量子位的相互作用的哈密顿量变为k局部(k-local)随机哈密顿量。在一些实施方式中， 量子硬件能够被构建和编程以操纵环境相互作用和无序的结构效应和动力学效应，甚至无 需对环境的自由度的任何控制。
[0028]通常，QG是依赖于问题的。本说明书的量子硬件能够被编程为提供用于不同问题 哈密顿量的不同QG。在一些实施方式中，能够使用基于平均场和微观方法所发展的量子控 制策略来对于给定的HP确定QG。另外地或替选地，量子控制策略也能够实施随机矩阵理论 和机器学习技术来确定QG。组合的QA和QG能够被调节和训练以生成用于叫的能谱的所期望 的统计分布，诸如泊松分布、莱维分布、或者玻尔兹曼分布。
[0029] 示例量子硬件
[0030] 如图1所不，在量子处理器中，可编程量子芯片100包括八个量子位104的4乘4单位 元102,所述量子位由如连接不同量子位的线所示的可编程电感耦合器来连接。每个线可以 表示一对量子位之间的一个或多个親合器。芯片100也能够包括更大量的单位元102,例如8 乘8或更多。
[0031] 在每个单位元102内，诸如在以虚线圈出并且包括量子位编号qi至qs的单元内，八 个量子位104中的一个或多个量子位--例如标有91、92、95、96的四个量子位104是用于在 由量子处理器执行的计算中使用的逻辑量子位。其他量子位104--例如标有q3、q4、q7、q8 的其他四个量子位是待被编程以执行本说明书的QG的功能的控制量子位。控制量子位不参 与逻辑量子位被配置以进行的计算。在一些实施方式中，在每个单位元102中，量子位中的 一半被用作控制量子位并且量子位中的另一半被用作逻辑量子位。实现QG的芯片100的大 小可以通过增加单位元的数目而可扩展。
[0032] 在一些实施方式中，逻辑量子位和控制量子位具有相同的构造。在其他实施方式 中，控制量子位具有比逻辑量子位更简单或更不精细的构造。图2示出了芯片的相同单位元 中的耦合的量子位200、202的示例对。例如，量子位200、202能够与例如量子位 qi、q5的两个 逻辑量子位相对应，与例如q3、q7的两个控制量子位相对应，或者与例如量子位qi的逻辑量 子位和例如q 7的控制量子位相对应。在这个示例中，每个量子位是超导量子位而且包括两 个并联连接的约瑟夫森(Josephson)盒204a、204b或208a、208b。每个约瑟夫森盒能够包括 与电容器207并联连接的约瑟夫森结206。量子位200、202受到沿垂直于示出该图的纸面的 e3方向施加的外部磁场B，以符号?来标记所述B场。电感親合器组210连系在量子位200、 202之间，使得所述量子位沿e 3-e3方向被耦合。
[0033] 在一些实施方式中，使用并联连接的两个约瑟夫森盒来构建逻辑量子位和控制量 子位这两者。然而，能够利用比控制量子位更高的精度来构建逻辑量子位。因此，较低精确 度构建的控制量子位能够以降低的成本来执行QG的功能。在其他实施方式中，虽然使用如 图2所示的并联连接的两个约瑟夫森盒来构建逻辑量子位，但是能够使用诸如量子谐振子 的除约瑟夫森盒以外的结构来构建控制量子位。在图1的芯片100中，每个单位元中的控制 量子位与彼此相互作用并且与逻辑量子位相互作用。这些相互作用充当QG来协助由逻辑量 子位表征的QA来在量子退火过程结束时达到H P的基态。
[0034]作为一个示例，QA的哈密顿量能够写为：
[0036] 其中，〇1x和〇1z是泡利(Pauli)运算符并且各自表示分别沿X方向或z方向的第i量 子位的自旋。lu和是能够被编程以用于不同问题的参数，所述问题通过调整电感耦合器 组210所提供的耦合来解决。lu和具有实数值。N是用于计算的逻辑量子位的总数目。参数 JU的稀疏度受硬件连通性的约束，即受图1中所示的量子位的连通性的约束。对于未连接的 量子位，对应的Jij为0。再次地，I (t)和P(t)分别表示初始哈密顿量和问题哈密顿量的时间 依赖性。在简化的示例中，I(t)等于(Ι-s)，并且P(t)等于s，其中s等于t/tT。
[0037] 附加的Μ个控制量子位将附加的量子控制机制引入芯片10 0，其中Μ能够与N相同或 者不同。该控制机制定义了与Hsg或HtQtal的QA相互作用的辅助子系统。该辅助子系统包括张 量积结构并且能够由与QG-QA相互作用哈密顿量Hsg互换的QG的本征哈密顿量来表征。辅助 子系统能够由全局时变控制钮G(t)来控制并且有可能由一组宏观可编程的环境控制参数 来控制。在一些实施方式中，该控制钮是s(Ι-s)，其中s = t/tT;并且该可编程的环境控制参 数是温度T。
[0038]因此，芯片100中用于组合的QA-QG系统的哈密顿量Htot为：
[0039] Ht〇t = I(t)Hi+G(t)HG+P(t)HP
[0040] 其中I (t)、G(t)、和P(t)描述了全局控制参数的一般时间依赖性。在该哈密度量 中，初始哈密顿量为：
[0042]问题哈密顿量HP为：
[0044] 并且QG哈密顿量Hg为：
[0045] Hg = Hgf+Hga
[0048] 其中Hgf是QG的自由哈密顿量，并且Hga是QG与QA的相互作用哈密顿量。注意到，Ng和 Να分别为QG量子位和QA量子位的总数目。作为一个示例，总哈密顿量能够具有下面的显性 全局时间依赖性：
[0049] Ht〇t= (l~t/tT)Hi+t/?τ( 1-t/?τ)Ηο+( t/?τ)ΗΡ
[0050] 编程量子硬件
[00511对于给定问题及其对应的问题哈密顿量ΗΡ而言，QG被确定以改善QA的基态保真度 而无需将迅对角化。能够重复各种QG的实现方法来改进关于计算结果的知识。
[0052]在一些实施方式中，QG被确定以使得在由Htcltai表征的系统经历量子相变之前，QG 哈密顿量HQG对QA的激发进行抑制。具体的，QG与浴的平均声子能量不谐振，这创建了平均声 子能量与组合的QA和QG的平均能级间隔之间的不匹配，或者减少不期望的激发的H tclt。在系 统发生量子相变之后，QG哈密顿量耻(；增强从Htclt的任何激发态到基态的QA的弛豫。具体的， Htclt的平均能级间隔与平均声子能量谐振。QG通过创建系统的谱密度与其浴之间的重叠来 增强热波动。热波动能够促进QA以高弛豫速率来达到H tclt的基态，并且防止QA由于量子局域 化而被过早地冻结在激发态。
[0053]图3中示出了期望的QG函数的示例。Htcltai的能级E()、E1、E 2、…、Ei(未示出）被绘出为 时间t的函数。在t = 0处，Htotal为Hi ;并且在t = tT处，Htotal为Hp。在从t = 0至lj t = tT的量子退火 过程期间，QA大致经历了：从t = 0到t = tl的初始相、从t = tl至Ijt = t2的激发相、从t = t2到t =t3的弛豫相、以及从t = t3至ljt = tT的冻结相。时间t2能够与由Htotal表征的系统中量子相变 发生的时间相对应。在激发相期间，如箭头300、302所指示的，QG增加了相邻能级之间的能 量间隔Δ ei，诸如Δ epEs-Ei和Δ ε〇 = Ει-Εο,使得增加的能量间隔远大于平均声子能量。在 弛豫相期间，如箭头304、306、308、310所指示的，〇6对能量间隔& ￡〇，￡1、"_进行调整以可 与平均声子能量相比较，从而促进QA从激发态到较低能态或基态的弛豫。
[0054]图4中示意性示出了量子退火过程的不同相中随时间推移的三个哈密顿量ΗηΗρ、 和HQG的相互影响。控制参数I(t)、P(t)、和G(t)控制对应的哈密顿量的曲线的形状。在这个 示例中，I(t)和P(t)是线性的且是抛物线型的。
[0055]此外，能够选择QG以允许Htclt的QA在QA调度上稳定地演化并且达到具有与HP的基 态的最大重叠的最终状态。理想上，在时间tT时QA的基态保真度为1。然而，在有限时间段内 很难达到保真度为一。除了在时间0和时间t T，Htclt的QA处于组合的私、出、和HQG的混合状态 下。QA的演化能够被表示为：
[0057] 其中是在时间0时QA的状态，|成>是在时间?τ时QA的状态，并且PA(t)是在其他 时间的QA的密度函数。通过例如使用概率质量函数来将概率指派给每个状态14 >，QA的演 进能够被进一步表示为：
[0059]其中fG(k)是概率质量函数，k = 0，l,...，并且与量子态层级相对应，而且XkfG(k) =1。如果基态保真度为1，则fG(〇) = l，并且fG(k辛0) = 0。如上所述，这样的为一的保真度很 难达到。作为替代，期望的QG能够被选择为提供指数分布函数：
[0061]其中Ag定义了适用于与叫一起使用的QG族的分布。概率质量函数能够是任何概率 分布函数。不例包括泊松分布函数、莱维分布函数、以及玻尔兹曼分布函数。
[0062]为了确定具有用于问题的期望的函数的QG，所述函数包括上文参照图3和图4所描 述的那些函数，能够使用一种或多种技术，包括例如开放量子系统模型、随机矩阵理论、量 子蒙特拉罗(Monte Car 1〇)以及机器学习。图5示出了用于确定QG的示例过程500，该过程能 够由经典处理器来执行，诸如经典计算机、或量子处理器、或者它们的组合。
[0063]在过程500中，关于Htcltai的能态的信息（502)通常是未知的。因此，找出全局最优QG 至少与解决问题哈密顿量自身一样困难。然而，在此场境中的QG的应用对其微观自由度的 变化具有高度鲁棒性。在一些实施方式中，方法是引入QG的平均场描述，诸如依赖于少数几 个有效控制参数的随机矩阵理论模型。然后，可以使用无监督和有监督的经典机器学习算 法的混合来对QG的宏观自由度进行预训练和训练。为了生成用于学习步骤的足够的训练数 据，最先进的经典(元启发式方法(metaheuristic))解算器可以被用于从问题哈密顿量的 能量特征函数属性来采样，所述解算器可以包括经典解算器诸如路径积分蒙特卡罗、扩散 蒙特卡罗、自旋矢量蒙特卡罗、马可夫(Markov)链蒙特卡罗、模拟退火、禁忌搜索、大规模邻 域搜索、以及聚类更新。如果可用，也能够由前几代的量子处理器生成训练数据，所述量子 处理器包括量子退火器和门级模型(gate-model)量子计算机。相变发生的拟设时间能够被 选择为大约t = tT/2,并且能够利用已经由所选择的经典解算器采样的问题哈密顿量的玻 尔兹曼分布来在学习流程期间被进一步微调以增强QA的谱属性的保真度。
[0064]对于训练数据中的给定的问题哈密顿量，能够估计与总哈密顿量的能谱相关的一 些有用信息，包括:近似的能级Ei，能级间隔Δει，能级间隔的分布，以及平均能级间隔i。 在一些实施方式中，时间t的平均能级间隔被估计为：
[0066]其中ei(t)为Htcltai的第i瞬时本征态能量的能量，并且N是本征态的总数目。
[0067]还在过程500中，能够计算或实验测量由Htcltal表征的系统所处的浴的平均声子能 量(504)。近似地，平均声子能量能够取kT，其中k为玻尔兹曼常数，且T为温度。也能够以更 为精确的方式来计算平均声子能量。例如，能够选择诸如Lindblad形式的动力学的开放量 子系统模型以用于计算。该选择能够基于量子处理器的校准数据或量子断层扫描。在开放 量子系统模型下，任何给定温度T下的由H tcltal表征的系统所处的浴的平均声子能量能够被 定义为：
[0069] 其中J( ω )能够是：Omhic谱密度，
.超Omhic谱密度，即 、德鲁特_洛伦兹(Drude-Lorentz)谱密度
或者平坦谱分布， 即J( ω ) = 1。在这些等式中，λ是重组能而γ是浴频率截止。
[0070] 选择QA的基态保真度的概率质量函数(506)。基于所获得的信息、训练数据、所计 算的平均声子能量、以及所选择的概率质量函数，则过程500确定（508)?的QG分布。例如， QG分布能够由使用随机矩阵理论模型所选择的随机矩阵的诸如高斯酉系综（Gaussian unitary ensemble)的指数族表示。确定平均能级间隔Ag和QG或Hqg的最大能量本征值和最 小能量本征值以允许QG如所期望的那样来起作用。具体的，在QA调度的第二相中，例如在图 3所示的时间七至^期间，选择QG的平均能级间隔以使得：
[0071] ? ω
[0072] 其中巧^是〇六和QA的修改的平均能级。该选择增大了 Htcltal的能级间隔以使得Htclt 的组合的能级间隔远大于平均声子能量。因此，抑制了由热波动引起的QA向更高能态的可 能的激发。此外，还选择QG以使得在QA调度的第三相中，例如在如图3所示的时间t^t3期 间，QG的平均能级间隔满足：
[0073] Δ?·" (〇
[0074] 该选择允许Htotal的能级间隔与热波动类似。QA能够以更高速率来松弛到较低能态 或基态。所选择的指数族能够相对于量子硬件的可控参数来被参数化，所述可控参数诸如 量子位之间的耦合。
[0075]在一些实施方式中，深度神经网络被用于表示QG-QA系统或由Htclt所表征的系统， 而且随机梯度下降被用于训练QG分布。作为示例，在对于感兴趣的给定Htcltal的所期望的概 率质量函数内，通过从参数化的指数族选择例如1000的统计上有意义的数目的随机矩阵来 完成训练，所述指数族能够平均地生成路径积分蒙特拉罗输出。在一些实施方式中，训练可 以从基于上文所讨论的所期望的平均组合的能级间隔所选择的初始QG分布开始。
[0076]图6示出了示例过程600,其中控制系统对诸如量子处理器的QA硬件进行编程，以 供QA硬件来执行人工智能任务。控制系统包括一个或多个经典计算机一一即非量子的计算 机，并且也包括量子计算机。该任务被转化为机器学习优化问题，该问题以机器可读的形式 来表示。
[0077]控制系统接收（602)机器可读的机器学习优化问题。控制系统将优化问题编码 (606)为所设计的HtQtal的能谱。所述编码基于QA硬件的结构，诸如量子位之间的耦合。Htcltal 的示例是伊辛（Ising)哈密顿量Hsg，并且所述编码确定参数Hi和Jij的值。诸如Hi和Jij的编码 信息被提供至QA硬件，该QA硬件接收(620)信息以作为硬件的初始化参数。为了在将由QA硬 件执行的量子退火过程期间稳定QA，控制系统例如通过从使用图5的处理器500所确定的QG 分布选择一个QG来进一步构设(608)QG。所构设的QG由包括的控制参数表征， 其被发送至QA硬件以编程该QA硬件。
[0078] QA硬件接收(620)初始化参数，诸如hi和Jij，并且也接收(622) QG的控制参数，诸如 h人严，并且由控制系统根据所接收的初始化参数和QG参数的拟设来编程和初始化。 QA硬件实施(624)量子退火调度以获得由Htclt所表征的组合的QA-QG系统的本征态。机器学 习优化问题的解被编码在这些本征态中。在预定时间量之后，QA调度结束并且QA硬件提供 (626)由所述本征态及其对应的能谱所表示的输出。所述输出能够由控制系统或者由另一 经典计算机或量子计算机来读取。预定的时间量能够大约为然而，能够使用更短 或更长的时间段。更短的时间段可以提供效率，而且更长的时间段可以提供高的基态保真 度。
[0079] 如上所述，在由QA硬件所提供的输出中，QA的基态保真度通常小于1。当保真度小 于1时，由QA硬件提供的单次输出可能无法精确地编码问题的解。在一些实施方式中，QA硬 件使用由控制系统所提供的相同QG或不同QG来多次执行QA调度以提供多个输出，所述相同 QG或不同QG选自对于问题所确定的相同QG分布，所述控制系统具有诸如hlji/j/A的不 同的控制参数集合。所述多个输出能够被统计地分析并且能够基于该统计结果来解决所述 问题或执行所述人工智能任务。
[0080] 具体的，在过程600中，在控制系统接收并存储(610)由QA硬件提供的输出之后，控 制系统确定(612)QA硬件是否已经完成了预定次数的QA调度的迭代。如果没有，则控制系统 通过构设另一 QG来返回步骤608,所述另一 QG能够与先前所使用的QG相同或者能够是从先 前所确定的QG分布选择的不同QG4A硬件接收(622)QG的控制参数的另一集合并且基于对 问题进行编码的先前确定的初始化参数和控制参数的该集合来被控制系统重新编程。再次 实施QA调度(624)并且提供另一输出（626)。如果QA硬件已经完成了预定次数的QA调度的迭 代，则控制系统或另一数据处理系统统计地处理(614)所有输出以提供问题的解。预定次数 的迭代能够是100次迭代或更多，或者1000次迭代或更多。在一些实施方式中，能够结合QA 调度的长度来选择迭代的次数，使得能够以高效率来执行过程600并且以高精确度来提供 问题的解。例如，当每个QA调度的长度相对较短，例如比1/(巧):'€短时，能够将迭代的预定 次数选择为相对较大，例如1000次迭代或更多。在每个QA调度的长度相对较长，例如比 1/(&；)2更长的情况下，能够将迭代的预定次数选择为相对较少，例如小于1000次迭代。
[0081] 本说明书中所描述的电子实施例一一即非量子实施例、主题、以及数字功能操作， 包括本说明书中所公开的结构及其结构化等同物，能够被实现在:数字电子电路、有形地体 现的计算机软件或固件、计算机硬件、或者它们中的一个或多个的组合中。本说明书中所描 述的数字主题的实施例能够被实现为一个或多个计算机程序，即计算机程序指令的一个或 多个模块，所述计算机程序指令编码在用于由数字处理设备执行或控制其操作的有形非暂 时性存储介质上。计算机存储介质能够是机器可读的存储装置、机器可读的存储基质、随机 或串行存取存储器装置、或者它们中的一个或多个的组合。替选地或另外地，程序指令能够 被编码在人工生成的传播信号上，例如编码在机器生成的电、光、或电磁信号上，所述传播 信号被生成以编码信息，所述信息用于传输到合适的接收器设备以供数据处理设备执行。 [0082]术语"数据处理设备"指代数字数据处理硬件并且涵盖用于处理数据的所有类型 的设备、装置、和机器，包括例如可编程数字处理器、数字计算机、或者多个数字处理器或计 算机。该设备还能够是或进一步包括专用逻辑电路，例如FPGA(现场可编程门阵列）或ASIC (专用集成电路）。除了硬件以外，该设备还能够可选地包括为计算机程序创建执行环境的 代码，例如构成处理器固件、协议栈、数据库管理系统、操作系统、或者它们中的一个或多个 的组合的代码。
[0083]计算机程序也可以被称作或被描述为程序、软件、软件应用、模块、软件模块、脚 本、或代码，能够以任何形式的编程语言来编写计算机程序，所述编程语言包括编译或解释 语言、或者说明性或过程语言，并且能够以任何形式来部署所述计算机程序，包括作为独立 的程序或者作为模块、组件、子程序、或者适于在数字计算环境中使用的其他单元。计算机 程序可以但不必与文件系统中的文件对应。程序能够被存储在保持其他程序或数据(例如 存储在标记语言文档中的一个或多个脚本）的文件的一部分中、专用于所讨论的程序的单 个文件中、或者多个协同文件(例如存储一个或多个模块、子程序、或代码的一部分的文件） 中。计算机程序能够被部署为在一个计算机上或者在位于一个地点或者跨多个地点分布并 通过数据通信网络互连的多个计算机上执行。
[0084]在本说明书中描述的过程和逻辑流能够由一个或多个可编程数字计算机执行，所 述可编程数字计算机酌情操作一个或多个量子处理器，执行一个或多个计算机程序以通过 对输入数据进行操作并生成输出来执行功能。所述过程和逻辑流还能够通过例如FPGA或 ASIC的专用逻辑电路来执行，并且设备也能够被实现为例如FPGA或ASIC的专用逻辑电路。 对于一个或多个数字计算机的系统而言，被"配置为"执行特定操作或动作意为：系统具有 其上所安装的运行以使得系统执行操作或动作的软件、固件、硬件、或它们的组合。对于一 个或多个计算机程序而言，被配置为执行特定操作或动作意为:一个或多个程序包括指令， 所述指令当由数字数据处理设备执行时，使得该设备执行所述操作或动作。
[0085]适于执行计算机程序的数字计算机能够基于通用微处理器或专用微处理器或这 两者，或者任何其他种类的中央处理单元。通常，中央处理单元将接收来自只读存储器或随 机存取存储器或者这两者的指令和数据。计算机的基本元件是：用于实施或执行指令的中 央处理单元，以及用于存储指令和数据的一个或多个存储器装置。中央处理单元和存储器 能够由专用逻辑电路补充，或者被并入专用逻辑电路。通常，数字计算机还将包括用于存储 数据的一个或多个大容量存储装置，例如磁盘、磁光盘、或光盘，或者计算机被可操作地耦 合以接收来自所述一个或多个大容量存储装置的数据或向其传送数据，或者以上两者。然 而，计算机不必具有这样的装置。
[0086] 适于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存 储器、介质、和存储器装置，包括例如：半导体存储器装置，例如EPROM、EEPR0M、和闪速存储 器装置;磁盘，例如内部硬盘或可移动盘;磁光盘；以及⑶-ROM和DVD-ROM盘。
[0087] 本说明书中所描述的各个系统或者它们的部分的控制能够被实现在包括指令的 计算机程序产品中，所述指令被存储在一个或多个非暂时性机器可读的存储介质上，并且 可在一个或多个数字处理装置上执行。本说明书中所描述的系统或者它们的部分能够各自 被实现为设备、方法、或电子系统，其可以包括存储可执行指令的一个或多个数字处理装置 和存储器以执行本说明书中所描述的操作。
[0088] 虽然本说明书包含许多【具体实施方式】细节，但是这些细节不应当被解释为对可能 要求保护的内容的范围的限制，而应当被解释为对具体到特定实施例的特征的描述。还能 够将在本说明书中在分离的实施例的场境中描述的某些特征组合在单个实施例中实现。相 反地，也能够将在单个实施例的场境中描述的各种特征分离地在多个实施例中实现或在任 何合适的子组合中实现。此外，尽管可能在上面将特征描述为在某些组合中起作用，甚至最 初如此要求保护，但是可以在一些情况下将来自所要求保护的组合的一个或多个特征从组 合中删去，并且可以将所要求保护的组合指向子组合或者子组合的变型。
[0089] 类似地，虽然在附图中以特定顺序描绘了操作，但是不应当将这理解为需要以所 示的特定顺序或者以序列顺序来执行这样的操作、或者需要执行所有图示的操作才能达到 期望的结果。在某些情况下，多任务以及并行处理可以是有利的。此外，不应当将在上述实 施例中的各种系统组件的分离理解为在所有实施例中均需要这样的分离，而应当理解的 是，通常能够将所描述的程序组件和系统一起集成在单个软件产品中或封装为多个软件产 品。
[0090]已经描述了本主题的特定实施例。其他实施例落入所附的权利要求书的范围内。 例如，能够以不同的顺序来执行权利要求中记载的动作并且仍然达到期望的结果。作为一 个示例，在附图中描绘的过程不一定要求所示的特定顺序或序列顺序来达到期望的结果。 在某些情况下，多任务以及并行处理可以是有利的。
【主权项】
1. 一种设备，包括： 用于计算的第一对逻辑超导单元，每个逻辑超导单元被配置为具有能够跨越泡利运算 符Osj1的量子态，其中i = x、y、或Z; 用于无需作为运算单元来协助计算的第一对控制超导单元，每个控制超导单元被配置 为具有能够跨越泡利运算符Oak1的量子态，其中i = x、y、或z; 第一耦合器，所述第一耦合器在第一逻辑超导单元与第二逻辑超导单元之间，其中，当 磁场被沿Z方向来施加时，所述第一親合器以由〇slz〇s2Z表不的第一親合来将所述第一逻辑 超导单元的量子运算符〇 SlZ与所述第二逻辑超导单元的量子运算符〇s2Z耦合； 第二耦合器，所述第二耦合器在第一控制超导单元与第二控制超导单元之间，其中，当 磁场被沿z方向来施加时，所述第二耦合器以由σΥσΥ表示的第二耦合来将所述第一控制 超导单元的量子运算符σΥ与所述第二控制超导单元的量子运算符耦合； 第三耦合器，所述第三耦合器在所述第一逻辑超导单元与所述第二控制超导单元之 间，其中，当所述磁场被沿所述ζ方向来施加时，所述第三耦合器以由OslxOc2Z表示的第三耦 合来将所述第一超导单元的量子运算符〇 slz与所述第二超导单元的量子运算符σY耦合；以 及 第四耦合器，所述第四耦合器在所述第二逻辑超导单元与所述第一控制超导单元之 间，其中，当所述磁场被沿所述ζ方向来施加时，所述第四耦合器以由Os2xOdz表示的第四耦 合来将所述第一超导单元的量子运算符〇 s2z与所述第二超导单元的量子运算符σΥ耦合。2. 根据权利要求1所述的设备，其中，所述第一逻辑超导单元和所述第二逻辑超导单元 以及所述第一控制超导单元和所述第二控制超导单元包括具有二进制量子态的超导量子 位。3. 根据权利要求2所述的设备，其中，每个超导量子位利用并联连接的约瑟夫森结和电 容器来构建。4. 根据权利要求3所述的设备，其中，所述逻辑超导单元被构建为具有与所述控制超导 单元相同的精度。5. 根据权利要求3所述的设备，其中，所述控制超导单元被构建为具有比所述逻辑超导 单元低的精度。6. 根据权利要求2所述的设备，其中，所述逻辑超导单元的所述超导量子位利用并联连 接的约瑟夫森结和电容器来构建，以及其中，所述控制超导单元的所述超导量子位利用并 联和/或串联连接的多结约瑟夫森盒、电感器、和电容器来构建以构建期望的N层级的可控 控制系统。7. 根据权利要求1所述的设备，其中，所述第一耦合器、所述第二耦合器、和所述第三耦 合器包括电感親合器。8. 根据权利要求1所述的设备，包括多对逻辑超导单元以及多对控制超导单元，每对逻 辑超导单元包括通过所述第一耦合器来耦合的所述第一逻辑超导单元和所述第二逻辑超 导单元，并且不同对逻辑超导单元通过附加的耦合器来耦合，每对控制超导单元包括通过 所述第二耦合器来耦合的所述第一控制超导单元和所述第二控制超导单元，并且不同对控 制超导单元通过附加的耦合器来耦合，以及每对逻辑超导单元通过包括所述第三耦合器的 耦合器来与所有对控制超导单元耦合。9.根据权利要求8所述的设备，其中，所述超导单元和所述耦合器被配置为使得表征所 述超导单元和所述耦合器的量子哈密顿量为：其中，i表示第i对超导单元，Iu和具有与所述第一超导单元和所述第二超导单元之 间的耦合强度相关联的实数值，I(t)、G(t)、和P(t)是依赖于时间的控制参数。
【文档编号】H03K19/195GK106031041SQ201480074978
【公开日】2016年10月12日
【申请日】2014年12月31日
【发明人】马苏德·穆赫辛尼, 哈特穆特·内文
【申请人】谷歌公司