[发明专利]基于神经网络的量子纠错解码方法、装置及芯片

说明书

本申请公开了一种基于神经网络的量子纠错解码方法、装置及芯片，涉及人工智能和量子技术领域。所述方法包括：获取量子电路的错误症状信息；通过神经网络解码器对错误症状信息进行分块特征提取，得到特征信息；通过神经网络解码器对特征信息进行融合解码处理，得到错误结果信息，该错误结果信息用于确定量子电路中发生错误的数据量子比特以及相应的错误类型。本申请采用了分块特征提取的方式，会使得每一次特征提取得到的特征信息的通道数减少，而下一次特征提取的输入数据就会减少，这有助于减少神经网络解码器中特征提取层的数量，从而缩短神经网络解码器的深度，其解码时间也会相应地得到缩减，从而满足实时纠错的要求。

技术领域

本申请实施例涉及人工智能和量子技术领域，特别涉及一种基于神经网络的量子纠错解码方法、装置及芯片。

背景技术

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码的解码算法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码的解码算法无法满足实时纠错的要求。

发明内容

本申请实施例提供了一种基于神经网络的量子纠错解码方法、装置及芯片，可以缩减量子纠错码的解码算法的解码时间，从而满足实时纠错的要求。所述技术方案如下：

一方面，本申请实施例提供一种基于神经网络的量子纠错解码方法，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；

通过神经网络解码器对所述错误症状信息进行分块特征提取，得到特征信息；其中，所述神经网络解码器的特征提取层用于对输入数据进行分块特征提取，所述分块特征提取是指对输入数据进行分块得到至少两个区块后，采用至少两个特征提取单元对所述至少两个区块进行并行的特征提取处理；

通过所述神经网络解码器对所述特征信息进行融合解码处理，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数据量子比特以及相应的错误类型。

另一方面，本申请实施例提供一种基于神经网络的量子纠错解码装置，所述装置包括：

症状信息获取模块，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；

分块特征提取模块，用于通过神经网络解码器对所述错误症状信息进行分块特征提取，得到特征信息；其中，所述神经网络解码器的特征提取层用于对输入数据进行分块特征提取，所述分块特征提取是指对输入数据进行分块得到至少两个区块后，采用至少两个特征提取单元对所述至少两个区块进行并行的特征提取处理；

融合解码处理模块，用于通过所述神经网络解码器对所述特征信息进行融合解码处理，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数据量子比特以及相应的错误类型。

另一方面，本申请实施例提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述基于神经网络的量子纠错解码方法。