用于将超导传输线耦合到谐振器阵列的系统和方法

    公开(公告)号:CN111903057B

    公开(公告)日:2024-05-24

    申请号:CN201980021279.2

    申请日:2019-02-20

    Abstract: 一种超导电路可以包括具有至少一个传输线电感的传输线、超导谐振器、以及将该超导谐振器通信地耦合到该传输线的耦合电容。该传输线电感可以具有被选择用于至少部分地补偿该传输线的特性阻抗的变化的值,该变化至少部分地由该耦合电容引起。该耦合电容可以沿该传输线的长度分布。一种超导电路可以包括具有至少一个传输线电容的传输线、超导谐振器、以及将该超导谐振器通信地耦合到该传输线的耦合电感。该传输线电容可以被选择用于至少部分地补偿该超导谐振器与该传输线之间的耦合强度的变化。

    用于求解离散二次模型的混合算法的系统和方法

    公开(公告)号:CN115136158A

    公开(公告)日:2022-09-30

    申请号:CN202080096928.8

    申请日:2020-12-14

    Abstract: 描述了用于求解离散二次模型的方法。这些方法基于每个变量与其他变量的相互作用、指数权重以及与这些指数权重成比例的归一化概率来计算每个变量的每个状态的能量。根据每个变量的大小和所有其他变量的当前状态、指数权重、每个变量的可行区域以及与这些指数权重成比例并遵守约束的归一化概率来计算每个变量的能量。经由混合计算系统执行的方法获得每个变量的两个候选值;构造使用二进制值来确定每个变量应该取哪些候选值的哈密尔顿算子,然后基于该哈密尔顿算子来构造二元二次模型。来自该二元二次模型的样本是经由量子处理器获得的。这些方法可以应用于求解资源调度优化问题和/或用于蛋白质的侧链优化。

    基于量子通量参变器的结构(例如,MUX、DEMUX、移位寄存器)、寻址线和相关方法

    公开(公告)号:CN111406268A

    公开(公告)日:2020-07-10

    申请号:CN201880077235.7

    申请日:2018-10-04

    Abstract: 对具有越来越多数量的逻辑设备(例如,量子位)的可扩展处理器的操作有用的方法有利地利用QFP例如以实施移位寄存器、多路复用器(即,MUX)、解复用器(即,DEMUX)和永磁存储器(即,PMM)等,和/或采用XY或XYZ寻址方案,和/或采用跨设备的阵列以“编织的”模式延伸的控制线。这些所描述的方法中的许多方法特别适合于实施向这种处理器输入和/或从这种处理器输出。提供了包括超导数模转换器(DAC)的超导量子处理器。这些DAC能够使用动态电感来经由薄膜超导材料和/或一系列约瑟夫逊结储存能量,并且能够使用单回路或多回路设计。披露了包括曲折结构的能量储存元件的特定构造。披露了DAC之间和/或与目标设备的电流连接以及电感连接。

    用于生成学习的系统和方法

    公开(公告)号:CN108780525A

    公开(公告)日:2018-11-09

    申请号:CN201780016698.8

    申请日:2017-01-27

    CPC classification number: G06N99/005 G06N5/003 G06N5/04 G06N7/005 G06N99/002

    Abstract: 通过计算系统进行的生成学习通过以下各项来实现:形成包括在布尔值变量上定义的约束满足问题(CSP)的生成学习模型;在基于命题可满足性的一阶逻辑中描述所述CSP;将所述CSP翻译成子句形式;以及利用至少一个可满足性(SAT)求解器来执行推理。生成学习模型可以例如通过以下各项来形成:对包括多个字符的字符串执行感知识别、根据语法判定所述字符串在句法上是否有效、以及判定所述字符串在指称上是否有效。各种类型的处理器和/或电路系统都可以实施上述操作。

    用于创建和使用量子玻尔兹曼机的系统和方法

    公开(公告)号:CN108369668A

    公开(公告)日:2018-08-03

    申请号:CN201680073180.3

    申请日:2016-10-14

    CPC classification number: B82Y10/00 G06N3/0445 G06N99/002

    Abstract: 一种混合计算机生成用于机器学习的样本。所述混合计算机包括处理器,所述处理器实施玻尔兹曼机、例如量子玻尔兹曼机,所述玻尔兹曼机从量子哈密尔顿算子的本征态中返回平衡样本。向训练和验证模块提供样本的子集。操作可以包括:接收训练集;准备通过伊辛哈密尔顿算子描述的模型;初始化模型参数;将所述训练集分割成子集;通过重复提取样本来创建样本集,直到已经提取到预定数量个样本;以及更新所述模型。操作可以包括将所述训练集划分成输入数据集和输出数据集,以及确定描述了在给定所选输入向量的情况下观察到输出向量的概率的条件概率分布,例如,通过执行多个操作以使所述条件概率分布的对数似然的上限最小化来确定条件概率。

Patent Agency Ranking