一种基于QAOA线路的LDPC信道解码方法及控制系统与流程

本发明涉及量子通信，尤其涉及一种基于qaoa线路的ldpc信道解码方法及控制系统。

背景技术：

1、近年来，含噪中等规模量子(nisq)设备的发展取得了重大进展，为量子算法在实际应用中提供了新的可能性。

2、在nisq设备上最具代表性的量子算法之一是量子近似优化算法(qaoa)。qaoa是一种混合量子-经典算法，被广泛应用于解决组合优化问题，尤其是传统通信中的复杂问题。尽管利用qaoa进行低密度奇偶校验(ldpc)解码已有一定的研究，但仍然面临着qaoa线路迭代次数高，收敛速度慢，误码性能差以及码长受限等问题。为了缓解上述问题，l2l算法被引入该方案，l2l算法是一种元学习方法，调整量子电路中的可训练参数时，最大限度减少经典计算机和量子处理器之间的信息交换。然而，这种初始化的码长受限的问题依然没有得到解决，在处理大批量多编码结构的解码操作时，直接影响量子处理器的解码速率。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于qaoa线路的ldpc信道解码方法及控制系统。

2、为了实现上述目的，本发明采用了如下技术方案：一种基于qaoa线路的ldpc信道解码方法，包括：

3、s1：控制系统收集待解决的解码问题，并将相同ldpc编码结构的解码问题作为训练集，根据所述训练集生成矩阵和发送信号，通过ldpc编码规则获得含噪声的接收信号；

4、s2：根据所述矩阵和所述接收信号，计算混合哈密顿量和问题哈密顿量，进行qaoa线路的建模，并通过第一计算模型对线路参数进行迭代，得到最优线路参数和迭代次数；

5、s3：通过l2l元学习算法对所述最优线路参数进行学习，调整递归神经网络的权重，通过第二计算模型计算损失函数的最小值，完成解码；

6、s4：根据计算的损失函数的最小值作为初始化参数标准，通过第三计算模型计算解码的误码性能，选择与所述训练集编码结构相似的测试集，根据所述初始化参数标准，对所述测试集进行解码。

7、作为上述技术方案的进一步描述：在所述步骤s1中，包括：

8、s11：控制系统收集解码问题，并根据ldpc编码结构的码长和码率，判断是否相同，将相同编码结构的解码问题集成一个训练集，并生成与问题哈密顿相关的矩阵和发送信号。

9、作为上述技术方案的进一步描述：在所述步骤s2中，包括：

10、s21：计算混合哈密顿量和问题哈密顿量，进行qaoa线路建模，通过问题哈密顿量对要解决的问题进行编码，作为第一参数代入所述第一计算模型中，计算估计值；

11、s22：根据所述估计值和第一计算模型的梯度信息，通过量子处理器进行线路参数迭代，得到第二参数，判断所述第二参数是否完成收敛，若为否，则重复进行迭代，若为是，则所述第二参数作为最优线路参数输出。

12、作为上述技术方案的进一步描述：在所述步骤s3中，包括：

13、s31：通过l2l元学习算法对所述最优线路参数进行学习，使得数据在量子处理器和中央处理器之间进行传递，以此调整递归神经网络的权重；

14、s32：根据权重和第二计算模型，计算qaoa线路中的损失函数，得到损失函数的最小值，完成训练集解码。

15、作为上述技术方案的进一步描述：在所述步骤s4中，包括：

16、s41：将损失函数的最小值作为初始化参数标准，通过第三计算模型，根据迭代次数和初始化参数计算解码的误码率；

17、s42：选择与所述训练集编码结构相似的测试集，根据所述初始化参数标准，对所述测试集进行解码，根据所述误码率判断迁移有效性。

18、作为上述技术方案的进一步描述：所述第一计算模型计算最优线路参数，算法公式如下：

19、

20、其中<φ|和|φ>为基本叠加态的左矢和右矢，γ和β为线路参数，n为线路深度，hc为问题哈密顿量，u(γ，β)是线路参数的矩阵，是u(γ，β)的共轭转置矩阵。

21、作为上述技术方案的进一步描述：所述第二计算模型计算损失函数，算法公式如下：

22、

23、其中，n是l2l中连续调用的数量，ξ是衰减系数，yt(φ)是包含与权重φ相对应的时间步长t的哈密顿成本函数，通过第二计算模型重复计算，递归神经网络中的权重将不断调整和优化。

24、作为上述技术方案的进一步描述：所述第三计算模型用于计算误码性能，算法公式如下：

25、

26、其中，随机初始化参数下标为r，l2l初始化参数下标为l，i为收敛时的迭代次数，c为基于初始化参数获得的初始代价函数值，e为误码率，ir-il表示减少的迭代次数，cl/cr表示初始化参数相较于随机初始化的方式得以降低的初始能量值，er-el表示误码率在随机初始化误码率基础上的提升，α、β和γ分别为i、c、e的权重，且α+β+γ＝1。

27、包括一种控制系统，所述控制系统用于执行上述技术方案中任一项所述解码方法，包括：

28、采集模块：对解码问题进行收集，并根据ldpc编码结构生成训练集，根据训练集矩阵和发送信号，通过ldpc编码规则得到接收信号，并发送到控制模块中；

29、计算模块：根据接收信号计算最优线路参数和迭代次数，计算l2l元学习算法中的损失函数和误码性能；

30、控制模块：对qaoa线路建模，根据所述计算模块的计算结果对神经递归网络中的权重进行迭代收敛，根据损失函数最小值作为初始化参数标准，用于对测试集进行解码。

31、作为上述技术方案的进一步描述：所述计算模块包括量子处理器和中央处理器，通过数据互传实现l2l元学习和递归神经网络的权重优化；

32、所述量子处理器包括若干qaoa运算模块，计算递归神经网络中的成本函数和损失函数；

33、所述中央处理器包括若干长短期记忆模块，接收经典网络状态参数、成本函数和线路参数，进行迭代。

34、上述技术方案具有如下优点或有益效果：

35、1、增强了系统相较于经典算法中随机初始化情况的误码性能，减少了qaoa线路的迭代次数，利用ldpc解码问题中的编码结构和qaoa参数分布的规律性，将训练集得到的初始化参数标准用于测试集中，实现训练结果的迁移，提高了算法整体的效率。

技术特征：

1.一种基于qaoa线路的ldpc信道解码方法，其特征在于，包括步骤：

2.根据权利要求1所述的解码方法，其特征在于：在所述步骤s1中，包括：

3.根据权利要求1所述的解码方法，其特征在于：在所述步骤s2中，包括：

4.根据权利要求1所述的解码方法，其特征在于：在所述步骤s3中，包括：

5.根据权利要求1所述的解码方法，其特征在于：在所述步骤s4中，包括：

6.根据权利要求2所述的解码方法，其特征在于：所述第一计算模型计算最优线路参数，算法公式如下：

7.根据权利要求4所述的解码方法，其特征在于：所述第二计算模型计算损失函数，算法公式如下：

8.根据权利要求5所述的解码方法，其特征在于：所述第三计算模型用于计算误码性能，算法公式如下：

9.一种控制系统，其特征在于，所述控制系统用于执行上述权利要求1-8中任一项所述解码方法，包括：

10.根据权利要求9所述的控制系统，其特征在于：所述计算模块包括量子处理器和中央处理器，通过数据互传实现l2l元学习和递归神经网络的权重优化；

技术总结本发明公开了一种基于QAOA线路的LDPC信道解码方法及控制系统，该方法包括步骤：收集相同LDPC编码结构的解码问题作为训练集，获得含噪声的接收信号；进行QAOA线路的建模，并通过第一计算模型对线路参数进行迭代，得到最优线路参数和迭代次数；通过L2L元学习算法对最优线路参数进行学习，调整递归神经网络的权重，通过第二计算模型计算损失函数的最小值作为初始化参数标准，通过第三计算模型计算解码的误码性能，选择与训练集编码结构相似的测试集，根据初始化参数标准，对测试集进行解码；该方法减少了QAOA线路的迭代次数，将训练集得到的初始化参数标准用于测试集中，实现训练结果的迁移，提高了算法整体的效率。技术研发人员：栾添,余旭涛,张在琛,曾涵,李海峰受保护的技术使用者：量子科技长三角产业创新中心技术研发日：技术公布日：2024/7/23