基于线性光学量子计算的量子线路学习机制研究

作     者：唐涌泽 

作者单位：中南大学 

学位级别：硕士

导师姓名：石金晶

授予年度：2022年

学科分类：07[理学] 08[工学] 070201[理学-理论物理] 081201[工学-计算机系统结构] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：量子计算 混合量子经典方法 量子线路学习 玻色采样 参数化玻色采样 参数化量子线路 

摘      要：量子计算的出现为处理经典计算机难以解决的问题提供了一种新的计算方式,并且能够提供指数级加速的计算能力以实现高效计算。但是量子系统相干时间短、量子比特之间作用受限以及物理器件之间串扰等问题使得通用量子计算机的到来仍需要一段时间。通过对量子比特的数目、量子门的数量以及量子线路的深度进行优化,有望在中等噪声规模量子(NISQ)时代利用量子计算设备解决具有实用价值的问题。混合量子经典算法就是一种利用NISQ计算设备解决经典计算机难以处理问题的方法,通过经典资源和量子资源的结合,最大程度实现高效量子计算能力。本文的主要研究对象是基于参数化玻色采样的量子线路学习机制,是玻色采样在量子机器学习领域的扩展。玻色采样自提出以来在解决实际问题方面一直鲜有研究,并且在量子线路结构上仍有改进的空间,因此本文基于原有玻色采样模型开展结构优化及其相应的应用研究,对玻色采样量子线路结构进行重构与设计,再利用量子线路学习算法,通过对样本集合的分布进行采样以实现量子线路学习,最后提出了一种基于参数化玻色采样的量子线路学习方法。主要工作如下:(1)针对玻色采样结构不够灵活的特点,提出了一种基于变分量子线路的参数化玻色采样模型,改善了玻色采样的结构,并且可以利用合适的经典优化算法实现对参数化玻色采样量子线路参数的更新,并通过不断的迭代过程使量子线路的输出结果近似于目标函数;同时为参数化玻色采样模型提出了一种量子线路固定结构,通过这种结构可以降低量子线路的复杂度,并且对量子门的种类、数量以及深度等都有良好的优化效果。其中,参数数量仅为光子数量的多项式级别。(2)针对玻色采样的应用领域过于稀缺的问题,提出了一种基于参数化玻色采样模型的混合量子经典学习算法,利用经典资源和光学量子计算资源高效实现量子线路学习,为玻色采样拓展其应用领域,并在Strawberry Fields平台上的仿真实验验证了参数化玻色采样量子线路学习的有效性与可靠性,表明了该算法具备解决实际问题的潜力。图34幅,表4个,参考文献92篇