[发明专利]量子计算设备的非线性校准在审
| 申请号： | 201780090557.0 | 申请日： | 2017-12-15 |
| 公开（公告）号： | CN110612540A | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | J.马蒂尼斯;陈宇;H.内文;D.卡夫里 | 申请（专利权）人： | 谷歌有限责任公司 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00 |
| 代理公司： | 11105 北京市柳沈律师事务所 | 代理人： | 金玉洁 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 量子计算设备的非线性校准的方法、系统和设备。在一方面，实验数据的集合中的元素对应于量子计算设备的控制偏差的相应配置。定义了包括量子计算设备的一个或多个模型参数的初始物理模型。迭代地调整该模型以确定改进的物理模型，其中在每次迭代时：生成与实验数据的集合对应的预测数据的集合，并且预测数据中的元素表示哈密顿量的两个最小本征值之间的差异，该哈密顿量表征对前次迭代的系统量子比特，且取决于前次迭代的物理模型的至少一个模型参数；以及使用所获得的实验数据和对迭代的所生成的预测数据的集合来调整前次迭代的模型。 | ||
| 搜索关键词： | 迭代 量子计算 实验数据 物理模型 预测数据 集合 模型参数 非线性校准 系统和设备 控制偏差 元素表示 小本 量子 配置 改进 | ||
【主权项】：
1.一种生成改进的物理模型的计算机实现的方法，所述改进的物理模型表示超导量子比特的系统并且适用于模拟所述超导量子比特的系统中，所述超导量子比特的系统经由控制偏差的集合是可操作的，所述方法包括：/n获得实验数据的集合，其中所述实验数据的集合中的元素(i)对应于控制偏差的相应配置，并且(ii)包括对所述控制偏差的相应配置的所述超导量子比特的系统的可观测量的测量结果；/n定义表示所述超导量子比特的系统的初始物理模型，所述初始物理模型包括一个或多个模型参数；/n迭代地调整所定义的初始物理模型，以确定表示所述超导量子比特的系统的改进的物理模型，包括，对于每次迭代：/n生成对所述迭代的预测数据的集合，所述生成的预测数据的集合对应于所述实验数据的集合，其中对所述迭代的预测数据的集合中的元素(i)表示哈密顿量的两个最小本征值之间的差异，所述哈密顿量表征由所述前次迭代的物理模型表示的所述超导量子比特的系统，并且(ii)取决于所述前次迭代的物理模型的至少一个模型参数；以及/n使用所获得的实验数据和对所述迭代所生成的预测数据的集合来调整所述前次迭代的所述物理模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于谷歌有限责任公司，未经谷歌有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201780090557.0/，转载请声明来源钻瓜专利网。
- 同类专利
- 执行自动机器学习的方法和装置-201910540759.1
- 涂威威;李文昊;陈雨强 - 第四范式(北京)技术有限公司
- 2019-06-21 - 2020-01-17 - G06N99/00
- 提供了一种执行自动机器学习的方法和装置，所述方法包括：通过自动机器学习方式获取包括至少一个机器学习模型的初始机器学习模型组；持续获取预测数据；监测持续获取的预测数据中是否出现超出预设阈值的分布状态变化；在出现超出阈值的分布状态变化的情况下，自动更新初始机器学习模型组。
- 量子计算设备的非线性校准-201780090557.0
- J.马蒂尼斯;陈宇;H.内文;D.卡夫里 - 谷歌有限责任公司
- 2017-12-15 - 2019-12-24 - G06N99/00
- 量子计算设备的非线性校准的方法、系统和设备。在一方面，实验数据的集合中的元素对应于量子计算设备的控制偏差的相应配置。定义了包括量子计算设备的一个或多个模型参数的初始物理模型。迭代地调整该模型以确定改进的物理模型，其中在每次迭代时：生成与实验数据的集合对应的预测数据的集合，并且预测数据中的元素表示哈密顿量的两个最小本征值之间的差异，该哈密顿量表征对前次迭代的系统量子比特，且取决于前次迭代的物理模型的至少一个模型参数；以及使用所获得的实验数据和对迭代的所生成的预测数据的集合来调整前次迭代的模型。
- 学习结果输出装置及学习结果输出程序-201880021362.5
- 龟泽谅亮;太田祯生 - 新克赛特株式会社;国立大学法人东京大学
- 2018-03-28 - 2019-11-29 - G06N99/00
- 学习结果输出装置包含：机器学习部，基于表示学习对象物的形状的形态信息，关于学习对象物的属性中的至少一种属性，将该属性的程度作为评价轴来进行机器学习；和图表信息生成部，基于表示机器学习部进行机器学习而得的学习结果的学习模型来生成图表信息，该图表信息示出以评价轴作为轴来表示学习结果的图表。
- 专利分类
