-
公开(公告)号:CN115169565A
公开(公告)日:2022-10-11
申请号:CN202211098612.X
申请日:2022-09-09
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明公开一种小分子化学体系的哈密顿量模拟方法和装置,该方法包括:步骤一,首先在经典计算机上根据电子体系轨道数生成Hatree‑Fock初态,二次量子化哈密顿量,通过JW变换将费米子算符变成泡利算符,生成基于UCCSD ansatz的量子门电路;步骤二,通过量子计算机运行量子门电路;步骤三,在经典计算机上,运用分组启发式优化算法,优化并更新量子门电路的参数;步骤四,将更新参数后的量子门电路再次通过量子计算机运行,以此循环迭代直至收敛,计算出哈密顿量的特征。本发明通过经典‑量子结合的方法,克服经典计算遇到的“指数墙”困难,结合经典启发式优化算法,有效缓解误差,避免了量子计算机的噪声等问题。
-
公开(公告)号:CN110568650A
公开(公告)日:2019-12-13
申请号:CN201910853082.7
申请日:2019-09-10
IPC: G02F1/1333 , G02F1/1335 , G02B26/10
Abstract: 本发明公开了一种用于成像和光刻系统的共路光束调制装置。由淬灭光束或去交联光束构成第一光束,由激发光束或交联光束构成第二光束;光束合束后依次透过第一光学薄膜、玻璃基板、第二光学薄膜,第一光束经第二光学薄膜、透明电极进入液晶层,经反射层反射,第二次进入液晶层,经液晶层相位调制后,最终从第一光学薄膜出射;第二光束经第二光学薄膜反射后最终经第一光学薄膜出射。上述方法使两束光束合束后再经过同一光调制模块,而仅对淬灭光束或去交联光束相位调制,这大大简化了光学成像和光刻系统的结构,并且由于使共路系统,其稳定性更好,本发明装置可以大大降低成像与光刻系统的搭建成本并且提高了系统的抗干扰能力,光学效率较高。
-
公开(公告)号:CN119203285A
公开(公告)日:2024-12-27
申请号:CN202411353436.9
申请日:2024-09-26
Applicant: 之江实验室
IPC: G06F30/12 , G06F30/27 , G06Q10/04 , G06F18/24 , G06N3/08 , G06F111/08 , G06F111/04
Abstract: 本说明书公开了一种CAD模型生成方法、装置、存储介质及电子设备。在本说明书提供的CAD模型生成方法中,获取计算机辅助设计CAD命令序列,作为样本CAD序列;将所述样本CAD序列输入待训练的扩散模型,所述扩散模型包含正向扩散子网和逆向扩散子网;通过所述正向扩散子网将所述样本CAD序列转换为样本嵌入向量,并对所述样本嵌入向量添加噪声,得到样本扩散向量;通过所述逆向扩散子网对所述样本扩散向量进行降噪处理,得到待优化预测向量,并根据所述待优化预测向量确定待优化预测序列;根据所述待优化预测向量与所述样本嵌入向量之间的差异对所述扩散模型进行训练;将训练后的扩散模型包含的逆向扩散子网作为目标模型,并采用所述目标模型生成CAD模型。
-
公开(公告)号:CN115146780B
公开(公告)日:2023-07-11
申请号:CN202211045996.9
申请日:2022-08-30
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明公开一种量子张量网络转置和收缩协同的方法和装置,基于异构众核处理器,包括:步骤一:根据读取的张量信息,进行张量索引预分类后分块读入异构众核处理器的计算处理单元;步骤二:在计算处理单元中,根据索引信息,对读入的分块张量进行转置;步骤三:再对经过转置后的张量依据索信息进行张量收缩;步骤四:收缩完成后,将收缩结果输出回处理器的内存对应张量块位置并合成完整的新收缩后张量结果。本发明通过高效的张量分块、转置和张量收缩计算策略,合理地避免了中间结果的冗余访存开销,实现了转置和张量收缩计算一体化、提高了张量收缩的速度,有效解决了张量收缩计算时间长、效率低的问题,提高了大规模量子电路计算模拟的速度。
-
公开(公告)号:CN115146780A
公开(公告)日:2022-10-04
申请号:CN202211045996.9
申请日:2022-08-30
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明公开一种量子张量网络转置和收缩协同的方法和装置,基于异构众核处理器,包括:步骤一:根据读取的张量信息,进行张量索引预分类后分块读入异构众核处理器的计算处理单元;步骤二:在计算处理单元中,根据索引信息,对读入的分块张量进行转置;步骤三:再对经过转置后的张量依据索信息进行张量收缩;步骤四:收缩完成后,将收缩结果输出回处理器的内存对应张量块位置并合成完整的新收缩后张量结果。本发明通过高效的张量分块、转置和张量收缩计算策略,合理地避免了中间结果的冗余访存开销,实现了转置和张量收缩计算一体化、提高了张量收缩的速度,有效解决了张量收缩计算时间长、效率低的问题,提高了大规模量子电路计算模拟的速度。
-
公开(公告)号:CN115712583B
公开(公告)日:2023-04-18
申请号:CN202310023205.0
申请日:2023-01-09
Applicant: 之江实验室 , 无锡江南计算技术研究所
IPC: G06F12/0877 , G06F12/0884 , G06F12/0862 , G06F3/06 , G06N3/08
Abstract: 本发明公开了一种提升分布式缓存跨节点访问性能的方法及装置、介质。该方法依据轮次训练时预先生成的随机序列,在一个训练步骤中需要跨节点访问训练所需的样本时,查看当前步骤以及后续步骤所需的其他样本是否也存在于目标节点中,如果存在则将其一次性读取过来。本发明减少了训练过程中跨节点访问的次数带来的性能开销,有助于提升训练的总体性能。
-
公开(公告)号:CN115169565B
公开(公告)日:2023-01-24
申请号:CN202211098612.X
申请日:2022-09-09
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明公开一种小分子化学体系的哈密顿量模拟方法和装置,该方法包括:步骤一,首先在经典计算机上根据电子体系轨道数生成Hatree‑Fock初态,二次量子化哈密顿量,通过JW变换将费米子算符变成泡利算符,生成基于UCCSD ansatz的量子门电路;步骤二,通过量子计算机运行量子门电路;步骤三,在经典计算机上,运用分组启发式优化算法,优化并更新量子门电路的参数;步骤四,将更新参数后的量子门电路再次通过量子计算机运行,以此循环迭代直至收敛,计算出哈密顿量的特征。本发明通过经典‑量子结合的方法,克服经典计算遇到的“指数墙”困难,结合经典启发式优化算法,有效缓解误差,避免了量子计算机的噪声等问题。
-
公开(公告)号:CN115130675B
公开(公告)日:2023-01-24
申请号:CN202211068173.8
申请日:2022-09-02
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明涉及量子随机电路计算模拟技术领域,尤其涉及一种量子随机电路的多振幅模拟方法和装置,该方法包括:步骤一:根据芯片片上存储的最大存储容量以及张量网络收缩路径中每一步张量的最大维数确定进行算子融合的起始位置至结束位置;步骤二:在起始位置,分别将片外存储中的两个张量读取到片上存储并进行相应的转置,再进行融合;步骤三:将融合的结果进行转置后储存,用于在下一位置与所读取后转置的张量进行融合;步骤四:重复上述步骤三,直到算子融合到结束位置,将最终的融合的结果写回到片外存储。本发明可以有效减少片上存储和片外存储之间的数据访问次数,一方面提高多振幅计算模拟的并行度,另一方面提升多振幅计算模拟的效率。
-
公开(公告)号:CN115169566A
公开(公告)日:2022-10-11
申请号:CN202211098626.1
申请日:2022-09-09
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明涉及量子线路模拟领域,尤其涉及一种基于张量网络局部采样的随机量子线路模拟方法和装置,该方法包括:步骤一,在张量网络收缩过程中,利用单精度格式对张量进行局部采样操作;步骤二,根据局部采样操作的结果,判断是否进行张量的缩放;步骤三,通过半精度动态缩放算法,动态调整将要缩并的张量数据大小,使所述张量数据大小限制在半精度格式的数值表示范围内;步骤四,采用动态调整后的张量,进行张量缩并,完成张量网络收缩。本发明应用于通用的张量网络收缩,能够有效降低高阶张量的内存需求,显著提升单个CPU处理张量网络的存储能力和计算能力,进而有效扩大诸如量子线路模拟等实际应用课题的上机规模,以及显著提升课题整体性能。
-
公开(公告)号:CN115130676A
公开(公告)日:2022-09-30
申请号:CN202211068175.7
申请日:2022-09-02
Applicant: 之江实验室 , 国家超级计算无锡中心
Abstract: 本发明公开了基于生命周期的路径搜索判别、优化方法和装置,通过不同维度的张量表示各个量子比特和量子门,将量子随机电路转化为张量网络,将张量网络中的张量按维度大小分为主茎张量和分枝张量,采用分枝张量的交换和融合的方式,得到主茎张量树结构和配套的收缩路径优化,完成最终张量网络收缩,张量的维度对应量子门的操作比特数,根据最终张量网络收缩,进行对应量子比特与量子门之间的作用、量子门之间的融合,收缩路径优化包括:读取张量网络收缩路径;遍历路径,判别是否进行分枝张量的交换和枝融合;根据判别结果进行张量网络收缩路径调优;输出调优后的张量网络收缩路径。
-
-
-
-
-
-
-
-
-