专利交易市场

本发明提供了一种融合量子计算和深度学习模型的短时降水临近预报方法，属于短时降水临近预报领域，步骤如下：首先提取目标区域的降水量和气象要素的长期历史数据，然后将拟预报时刻的降水量作为预测目标量，拟预报时刻前M小时的气象要素和降水量作为模型输入特征量。之后采用量子计算方法将拟预报时刻前M小时的气象要素和降水量变成有关拟预报时刻降水量的高维量子概率特征。最后以量子线路降水量概率信息为输入、未来1小时的降水量为输出，构建并训练短时降水临近预报模型，本发明利用量子线路和量子叠加态，将经典数据映射到高维量子希尔伯特空间，可规避局部最优解陷阱，显著降低计算负担，实现海量高维气象特征输入条件下的短时降水预报。

本发明提供了一种分布式量子计算中基于依赖图的传输代价优化方法，属于分布式量子计算中传输代价的优化技术领域。解决了解决目前传输代价计算复杂度过高，传输代价优化效果不明显的问题。其技术方案为：包括以下步骤：S1：证明合并传输模型优化分布式量子线路的传输代价的有效性；S2：建立基于依赖图的传输匹配模型；S3：基于禁忌搜索算法优化分布式量子线路的传输代价方法，减少分布式线路的传输代价，即减少合并传输的次数。本发明的有益效果为：本发明具有更高效的合并传输模型匹配策略，更低传输代价，适用性更广的优点。

本发明提供了一种分布式量子计算中传输代价的优化方法，属于分布式量子计算中传输代价的优化技术领域。解决了分布式量子计算中子系统用于接收并存储其他系统传输的量子态的量子存储位消耗过大问题以及分布式量子计算整体传输代价过高的技术问题。其技术方案为：包括以下步骤：S1、存储模式建立；S2、构建跨门合并传输模型；S3、基于合并传输模型的传输代价优化算法。本发明的有益效果为：本发明优化后的合并传输模型，与合并传输模型相比，不影响计算结果的门加入到传输列表中，使得不连续门的量子位也能通过一次传输完成，从而降低传输代价。