参赛攻略 | 第六届·2024 MindSpore 量子计算黑客松热身赛通关秘籍

最新推荐文章于 2024-05-11 16:29:43 发布

昇思MindSpore

最新推荐文章于 2024-05-11 16:29:43 发布

阅读量1k

点赞数 15

文章标签：量子计算

本文链接：https://blog.csdn.net/Kenji_Shinji/article/details/137952625

版权

今年大赛的四大亮点：

新增量子启发式算法赛道，三大独立赛道，助您开启量子计算之旅，探索新世界。
新增特等奖，奖品重磅升级，决赛大奖、鼓励奖、推广奖等多重奖项均可叠加，获奖概率极大提高。
专家团队提供全方位服务：赛题解读和演练、课程培训、答疑等，助力开发者快速成长。
体验全新一代通用量子计算编程框架MindSpore Quantum和新版HiQ量子计算云平台。

黑客松三大赛道火力全开！欢迎各位开发者报名参赛，探索量子新世界。报名截止6月30日，在8月进行决赛答辩。

1 赛程安排

对量子计算感兴趣，具备基本Python编程能力的所有开发者，均可报名参加。

2 热身赛答题指导

热身赛为量子计算基础学习和编程演练，完成热身赛的前100名选手将有机会获得定制文化衫1件，数量有限，不容错过。

第一步：关注MindSpore Quantum代码仓，参见量子软件编程指南[1]。

第二步：注册并完成华为云账号实名认证[2]。

第三步：登录HiQ量子计算云平台[3]进行在线答题。

热身赛参考文档：https://competition.huaweicloud.com/information/1000042022/noise

每道题目的上方都有两个链接：MindSpore Quantum教程和MindSpore Quantum API参考。两个链接中都能找到题目的解答。小技巧：在MindSpore Quantum API参考中搜索题目中的关键词，可以快速找到对应的内容。

往期直播：2023年6月14日赛题讲解直播
扫码观看（2024年大赛第1~4题、第8题的答题攻略，可参去年视频）
直播预告：我们将于2024年4月18日晚上19:00准时直播《第六届·2024 MindSpore 量子计算黑客松——热身赛通关攻略直播宣讲》

第一题

这道题考的是如何在线路中用on的方式添加量子门，在MindSpore Quantum中，每个量子门都有on方法，比如X.on(0, 1)就意味着将X门作用在第0个比特上，并且受第1个比特控制。本题要求X门作用在第2个比特上，受第0个和第1个比特控制。因此可以用X.on(2, [0, 1])来表示。可以看到，on方法的第二个参数可以接受包含多个控制位的列表，因此可以方便的添加多控制门。详细用法可以参考on方法的API文档。

on方法的API文档：

https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/core/gates/mindquantum.core.gates.BasicGate.html#mindquantum.core.gates.BasicGate.on

第二题

这道题考的是如何对量子线路进行压缩。在MindSpore Quantum中，Circuit类是量子线路模块，其中实现了很多操作量子线路的方法。其中就有一个方法可以压缩线路，接口名就叫作compress()。因此，这道题调用compress()方法就可以成功通过了。

Circuit类：

https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/core/circuit/mindquantum.core.circuit.Circuit.html#mindquantum.core.circuit.Circuit

compress()：

https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/core/circuit/mindquantum.core.circuit.Circuit.html#mindquantum.core.circuit.Circuit.compress

第三题

这道题考的是线路翻转，也就是说，我们需要将线路的比特顺序上下颠倒。题中给出了一个很长的线路，但是我们并不需要关心线路的具体内容，因为Circuit类中有一个方法可以直接实现线路翻转的功能——reverse_qubits()，我们在代码中直接调用该方法就可以成功通过了。

reverse_qubits()：

https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/core/circuit/mindquantum.core.circuit.Circuit.html#mindquantum.core.circuit.Circuit.reverse_qubits

第四题

这道题考的是如何给参数化量子线路中的变量名添加后缀，掌握这种技巧就可以很方便的搭建变分量子线路了。在mindquantum.core.circuit模块中，add_suffix()函数就可以实现添加后缀的功能。具体来说，它需要接受一个量子线路和一个后缀字符串作为输入参数，然后返回一个添加了后缀的新的量子线路。选手只需要将这个新的量子线路通过+=的方式添加到原先的线路的后面，就可以构造出多层的变分线路了。题中的代码如下：


# 在变分量子算法中，我们通常会遇到很多结构一样，但是参数不一样的量子线路，在 MindQuantum 中，我们可以通过添加后缀的方式，改变参数化量子线路中的变量名。请完成如下代码，制备一个 3 层的纠缠线路。

from mindquantum.core.circuit import Circuit

circ = Circuit().rx('a', 1, 0).rx('b', 2, 1).rx('c', 0, 2)


# 请补充如下代码片段
from mindquantum.core.circuit import
new_circ = Circuit()
for p in range(3):
    new_circ +=

首先我们需要将add_suffix()函数 import 进来。题目中需要搭建3层线路，因此可以用一个循环实现，在每次循环中都对 new_circ 用+=的方式添加add_suffix()函数返回的新线路，后缀字符串设置为循环计数器的值p，就可以成功通过题目了。

mindquantum.core.circuit：

https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/core/mindquantum.core.circuit.html

add_suffix()：

https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/core/circuit/mindquantum.core.circuit.add_suffix.html

第五题

题目中给出了所有需要用到模块的链接，点击即可查看用法。其中，第三个门——RY受控门可以用RY门简单搭建出来：circ += RY(0.1).on(1, 0)。QubitOperator可以构造泡利算子，Hamiltonian则是构造哈密顿量的类，因此题中的哈密顿量可以这样构建：ham = Hamiltonian(QubitOperator(“X0 Y1”))。最后，运行 sim.get_expectation(ham, circ)就得到哈密顿量的期望值了。

第六题

mindquantum.algorithm.nisq中可以看到各种已实现的Ansatz线路，只需要传入比特数和层数即可构造（题中ansatz为RYCascade），构造完成后，circ = RYCascade(n_qubits, depth).circuit 就得到ansatz线路了。

mindquantum.algorithm.nisq：https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.9/algorithm/mindquantum.algorithm.nisq.html

第七题

这题考的是Rn门的构造，以及如何求变分线路参数关于哈密顿量的期望值和梯度。Rn门有3个参数，因此可以像这样构造含参线路：circ += Rn(‘a’,’b’,’c’).on(0) ，哈密顿量的构造方法与第五题类似：ham = Hamiltonian(QubitOperator(“Z0”))，梯度算子需要调用模拟器的类方法来得到：grad_ops = sim.get_expectation_with_grad(ham, circ)，得到的梯度算子可以传入线路参数的具体数值，并返回相应的期望值和梯度： f, g = grad_ops(np.array([alpha, beta, gamma]))，由于题目需要求α的导数值，最后将得到的梯度值的第一个参数的实部返回即可：return np.real(g[0,0,0])。

第八题：

本题考的是如何在线路中添加噪声。在MindQuantum中，通过ChannelAdder可以构建噪声模型。首先我们通过GateSelector设置需要添加噪声的门，然后用MixerAdder结合想要添加的噪声，例如：MixerAdder([GateSelector('x'),DepolarizingChannelAdder(0.05, 1)]) 。Y门和CNOT门以此类推，最后，通过SequentialAdder结合成一个噪声模型：


noise_model = SequentialAdder([
    MixerAdder([
        GateSelector('x'),
        DepolarizingChannelAdder(0.05, 1)
    ]),
    MixerAdder([
        GateSelector('y'),
        DepolarizingChannelAdder(0.05, 1)
    ]),
    MixerAdder([
        GateSelector('cx'),
        DepolarizingChannelAdder(0.01, 2)
    ])
])

ChannelAdder：

https://www.mindspore.cn/mindquantum/docs/zh-CN/master/core/circuit/mindquantum.core.circuit.NoiseChannelAdder.html?highlight=channeladder#mindquantum.core.circuit.NoiseChannelAdder

MixerAdder：

https://www.mindspore.cn/mindquantum/docs/zh-CN/master/core/circuit/mindquantum.core.circuit.MixerAdder.html

第十题

奖品图片仅做参考，以实际收到奖品为准，数量有限，先到先得！

参考链接

[1]https://hiq.huaweicloud.com/document/parameterized-quantum-circuit#%E5%87%86%E5%A4%87MindQuantum%E4%BB%A3%E7%A0%81%E4%BB%93

[2]https://support.huaweicloud.com/usermanual-account/zh-cn_topic_0077914254.html

[3]https://auth.huaweicloud.com/authui/login.html?locale=zh-cn&service=https%3A%2F%2Fhiq.huaweicloud.com%2Fportal%2Flogin#/login

昇思MindSpore

关注

15
点赞
踩
19

收藏

觉得还不错? 一键收藏
0
评论
参赛攻略 | 第六届·2024 MindSpore 量子计算黑客松热身赛通关秘籍

这道题考的是如何在线路中用on的方式添加量子门，在MindSpore Quantum中，每个量子门都有on方法，比如X.on(0, 1)就意味着将X门作用在第0个比特上，并且受第1个比特控制。选手只需要将这个新的量子线路通过+=的方式添加到原先的线路的后面，就可以构造出多层的变分线路了。可以看到，on方法的第二个参数可以接受包含多个控制位的列表，因此可以方便的添加多控制门。这道题考的是如何给参数化量子线路中的变量名添加后缀，掌握这种技巧就可以很方便的搭建变分量子线路了。本题考的是如何在线路中添加噪声。
复制链接

扫一扫