量子经典混合计算任务调度方法和量子经典混合架构与流程
- 国知局
- 2024-10-09 16:04:54
本公开涉及量子计算调度,具体地,涉及一种量子经典混合计算任务调度方法和量子经典混合架构。
背景技术:
1、量子计算机与经典计算机在计算原理和架构上存在本质区别,这导致了两者在任务处理和资源管理上的显著差异。经典计算机依赖于二进制位(比特)的逻辑操作,而量子计算机则利用量子比特(qubits)的量子态叠加和纠缠等特性,实现计算能力的指数级增长。尽管量子计算机在特定问题上展现出了超越经典计算机的计算潜力,如在解决大规模组合优化、量子化学模拟等领域,但其实际应用仍面临挑战。
2、对于量子经典混合计算任务,其需要经典计算机和量子计算机的协同运算,而经典计算机的不同经典处理器以及量子计算机不同的量子处理器具有不同的特点,因此对于量子经典混合计算任务,如何对其进行任务调度,提高异构架构整体对于量子经典混合计算任务的执行效率,是行业研究的一个重要问题。
技术实现思路
1、本公开的目的是提供一种量子经典混合计算任务调度方法和量子经典混合架构,旨在通过对量子经典混合计算任务在不同处理器之间调度分配,提高对量子经典混合计算任务的执行效率。
2、为了实现上述目的,本公开第一方面提供一种量子经典混合计算任务调度方法,应用于量子经典混合架构,所述量子经典混合架构包括量子云平台、与所述量子云平台通信连接的任务调度服务器、与所述任务调度服务器均通信连接的经典计算机和量子计算机,所述经典计算机包括经典处理器,所述量子计算机包括量子处理器,所述方法包括:
3、量子云平台获取构建的量子经典混合计算任务,并将所述量子经典混合计算任务发送至所述任务调度服务器;
4、所述任务调度服务器将所述量子经典混合计算任务分为经典计算任务和量子计算任务,并分别提取所述经典计算任务的经典程序特征和所述量子计算任务的量子程序特征;
5、所述任务调度服务器将所述经典程序特征输入训练后的第一机器学习模型,得到预测结果,并根据所述预测结果将所述经典计算任务分配至经典处理器的经典任务池,所述预测结果为经典计算任务预测执行时间或所述经典计算任务执行时为达到最佳执行性能在不同类型经典处理器的预测分配策略表征分数;
6、所述任务调度服务器将所述量子程序特征输入训练后的第二机器学习模型,得到输出的对应各量子处理器的量子计算任务预测执行时间和预测执行准确度,并在预测执行准确度大于或等于预设阈值且量子位数大于或等于量子计算任务所需量子比特数的量子处理器中,将所述量子计算任务分配至对应最短量子计算任务预测执行时间的量子处理器的量子任务池;
7、所述经典处理器从经典任务池中获取经典计算任务执行,所述量子处理器从量子任务池中获取量子计算任务执行。
8、可选地,所述预测结果为经典计算任务预测执行时间时,所述根据所述预测结果将所述经典计算任务分配至经典处理器的经典任务池,包括:
9、根据所述预测结果将所述经典计算任务分配至最短经典计算任务预测执行时间对应的经典处理器的经典任务池。
10、可选地,所述第一机器学习模型为多元线性回归模型、多输出随机森林回归模型或多输出梯度提升回归模型中的任意一者。
11、可选地,所述经典程序特征包括分配指令总数、浮点数乘法运算总数、浮点数除法指令总数、条件检查指令总数、浮点数减法指令总数、函数调用指令总数、所有指令总数、整数运算总数、循环运算总数。
12、可选地,所述经典处理器包括中央处理器和图形处理器,所述预测结果为所述预测分配策略表征分数时,所述根据所述预测结果将所述经典计算任务分配至经典处理器的经典任务池,包括:
13、根据所述预测分配策略表征分数对应的分配策略将所述经典计算任务分配至经典处理器的经典任务池,所述分配策略为将所述经典计算任务单独分配至中央处理器的经典任务池、将所述经典计算任务单独分配至图形处理器的经典任务池或将所述经典计算任务按所述预测分配策略表征分数对应比例分别分配至中央处理器的经典任务池及图形处理器的经典任务池。
14、可选地,所述第二机器学习模型为多元线性回归模型、多输出随机森林回归模型或多输出梯度提升回归模型中的任意一者。
15、可选地,所述量子程序特征包括量子线路比特数、量子线路测量次数、不含参单量子逻辑门数量、含参单量子逻辑门数量、不含参双量子逻辑门数量、含参双量子逻辑门数量、不含参多量子逻辑门数量、含参多量子逻辑门数量、条件检查指令数量、循环指令数量。
16、可选地,所述经典处理器从经典任务池中获取经典计算任务执行,包括:
17、在所述经典处理器自身对应的经典任务池非空时,所述经典处理器从自身对应的经典任务池中获取经典计算任务执行;
18、在所述经典处理器自身对应的经典任务池为空时,所述任务调度服务器从其它非空的经典任务池中调度经典计算任务至为空的所述经典任务池,以使得所述经典处理器从自身对应的经典任务池中获取经典计算任务执行。
19、可选地,所述量子处理器从量子任务池中获取量子计算任务执行,包括:
20、在所述量子处理器自身对应的量子任务池非空时,所述量子处理器从自身对应的量子任务池中获取量子计算任务执行;
21、在所述量子处理器自身对应的量子任务池为空时,所述任务调度服务器从其它非空的量子任务池中调度量子计算任务至为空的所述量子任务池,以使得所述量子处理器从自身对应的量子任务池中获取量子计算任务执行。
22、本公开第二方面,提供一种量子经典混合架构,所述架构包括:
23、量子云平台;
24、任务调度服务器,与所述量子云平台通信连接;
25、经典计算机,与所述任务调度服务器通信连接,所述经典计算机包括经典处理器;
26、量子计算机,与所述任务调度服务器通信连接,所述量子计算机包括量子处理器;
27、其中,所述量子云平台用于获取构建的量子经典混合计算任务,并将所述量子经典混合计算任务发送至所述任务调度服务器;
28、所述任务调度服务器用于将所述量子经典混合计算任务分为经典计算任务和量子计算任务,并分别提取所述经典计算任务的经典程序特征和所述量子计算任务的量子程序特征;
29、所述任务调度服务器还用于将所述经典程序特征输入训练后的第一机器学习模型,得到预测结果,并根据所述预测结果将所述经典计算任务分配至经典处理器的经典任务池,所述预测结果为经典计算任务预测执行时间或所述经典计算任务执行时为达到最佳执行性能在不同类型经典处理器的预测分配策略表征分数;
30、所述任务调度服务器还用于将所述量子程序特征输入训练后的第二机器学习模型,得到输出的对应各量子处理器的量子计算任务预测执行时间和预测执行准确度,并在预测执行准确度大于或等于预设阈值且量子位数大于或等于量子计算任务所需量子比特数的量子处理器中,将所述量子计算任务分配至对应最短量子计算任务预测执行时间的量子处理器的量子任务池;
31、所述经典处理器用于从经典任务池中获取经典计算任务执行,所述量子处理器用于从量子任务池中获取量子计算任务执行。
32、通过上述技术方案,量子云平台将量子经典混合计算任务发送至任务调度服务器后,任务调度服务器通过将其划分为经典计算任务和量子计算任务,并分别通过训练后的机器学习模型对其特征进行预测,根据机器学习模型输出的结果,分别将经典计算任务和量子计算任务分配至合适的处理器,以提高经典计算任务和量子计算任务的计算效率,并基于此提高量子经典混合计算任务的整体计算效率。
33、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文地址:https://www.jishuxx.com/zhuanli/20240929/311584.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表