量子纠缠资源调度方法、装置及电子设备

技术领域

本公开涉及量子计算技术领域，尤其涉及量子纠缠技术领域，具体涉及一种量子纠缠资源调度方法、装置及电子设备。

背景技术

量子网络可以用来进行量子应用服务，比如，量子通信系统可以部署量子密钥分发应用服务，以使用量子纠缠态来实现安全的信息传输，又比如，量子网络可以部署通信应用服务，将纠缠资源有效地分配给量子网络的各个节点进行通信。

量子纠缠是一种在量子力学中非常特殊且独特的现象，其中两个或更多的量子系统会进入到一个密切关联的复合态。在这种态中，各个系统的量子状态不能单独定义，而是需要联合其他所有系统作为一个整体考虑。

不同结构的量子纠缠可以应用于不同场景中。在绝大多数使用场景中，最理想的量子纠缠态是贝尔态(即维数为2的最大纠缠态)。因此，为了保证量子纠缠在相关应用的实际效果，在真正投入使用之前，需要通过一定操作将给定的量子纠缠态转化为应用所需要的贝尔态，这种操作则被称为量子纠缠提纯。

在量子网络中针对量子应用请求对量子应用服务进行纠缠资源调度时，通常是在量子网络的量子纠缠提纯场景下得到纠缠资源的基础上进行直接调度。

发明内容

本公开提供了一种量子纠缠资源调度方法、装置及电子设备。

根据本公开的第一方面，提供了一种量子纠缠资源调度方法，包括：

接收量子网络的量子应用请求，所述量子应用请求用于调度纠缠资源执行量子应用服务；

基于所述量子应用请求，触发所述量子网络中的节点获取量子纠缠提纯场景下的输入态信息和目标误差；

基于所述输入态信息和所述目标误差，确定第一关系，所述第一关系为第一预设条件下所述量子纠缠提纯场景的最优转化率与输出态信息的维数的最大优化函数关系，所述第一预设条件为所述输入态信息至最大纠缠态的转化误差小于或等于所述目标误差，所述转化误差是基于所述量子纠缠提纯场景下量子态的施密特向量之间的距离进行度量的；

基于所述第一关系，确定所述最优转化率的值；

基于所述量子应用请求和所述最优转化率的值，对所述量子应用服务进行资源调度。

根据本公开的第二方面，提供了一种量子纠缠资源调度装置，包括：

接收模块，用于接收量子网络的量子应用请求，所述量子应用请求用于调度纠缠资源执行量子应用服务；

获取模块，用于基于所述量子应用请求，触发所述量子网络中的节点获取量子纠缠提纯场景下的输入态信息和目标误差；

第一确定模块，用于基于所述输入态信息和所述目标误差，确定第一关系，所述第一关系为第一预设条件下所述量子纠缠提纯场景的最优转化率与输出态信息的维数的最大优化函数关系，所述第一预设条件为所述输入态信息至最大纠缠态的转化误差小于或等于所述目标误差，所述转化误差是基于所述量子纠缠提纯场景下量子态的施密特向量之间的距离进行度量的；

第二确定模块，用于基于所述第一关系，确定所述最优转化率的值；

资源调度模块，用于基于所述量子应用请求和所述最优转化率的值，对所述量子应用服务进行资源调度。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面中的任一项方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行第一方面中的任一项方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现第一方面中的任一项方法。

根据本公开的技术解决了相关技术中量子网络对量子应用服务的资源调度的灵活性比较差的问题，可以提高量子网络对量子应用服务的资源调度的灵活性和准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的量子纠缠资源调度方法的流程示意图；

图2是量子态拷贝数与量子纠缠提纯的平均转化率的关系示意图；

图3是根据本公开第二实施例的量子纠缠资源调度装置的结构示意图；

图4是用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

第一实施例

如图1所示，本公开提供一种量子纠缠资源调度方法，包括如下步骤：

步骤S101：接收量子网络的量子应用请求，所述量子应用请求用于调度纠缠资源执行量子应用服务。

本实施例中，量子纠缠资源调度方法涉及量子计算技术领域，尤其涉及量子纠缠技术领域，其可以广泛应用于量子网络对量子应用服务的纠缠资源的调度场景下。本公开实施例的量子纠缠资源调度方法，可以由本公开实施例的量子纠缠资源调度装置执行。本公开实施例的量子纠缠资源调度装置可以配置在任意电子设备中，以执行本公开实施例的量子纠缠资源调度方法。

量子网络可以为量子密钥分发网络，也可以为量子通信网络，亦或是量子计算机内用于执行量子计算的网络，这里不进行具体限定。

量子网络可以从功能上分为多层，其中可以包括上层的量子应用服务层和底层的服务支撑层，底层的服务支撑层可以接收上层的量子应用服务层发送的量子应用请求，以调度纠缠资源用来执行量子应用服务。

可选的，量子应用服务包括以下任一项：

量子密钥分发应用服务；

通信应用服务；

分布式量子计算应用服务。

在一场景中，量子密钥分发应用服务和通信应用服务可以调度底层的服务支撑层通过量子纠缠提纯得到的纠缠资源，来实现安全的信息传输。在另一场景中，分布式量子计算应用服务可以调度底层的服务支撑层通过量子纠缠提纯得到的纠缠资源，来执行复杂的算法，如分布式量子计算。

量子应用请求可以携带服务标识、纠缠资源数量和纠缠资源特征等。比如，量子应用请求中携带的纠缠资源特征指示最大纠缠态，即量子应用服务需要使用最大纠缠态来实现相应服务。

步骤S102：基于所述量子应用请求，触发所述量子网络中的节点获取量子纠缠提纯场景下的输入态信息和目标误差。

量子纠缠是一种在量子力学中非常特殊且独特的现象，其中两个或更多的量子系统会进入到一个密切关联的复合态。在这种态中，各个系统的量子状态不能单独定义，而是需要联合其他所有系统作为一个整体考虑。

一个常用的例子是两个纠缠的粒子，它们的自旋状态可能是不确定的，但却是互相关联的。即使两个粒子分隔得相距很远，它们的自旋状态仍然保持纠缠。例如，如果测量其中一个粒子的自旋向上，那么无论另一个粒子在哪里，测量它的自旋，结果一定是向下。特别地，这种关联性与纠缠粒子的物理距离无关。这种情况超越了经典物理学的理解，因为按照经典物理学的观点，两个相隔很远的对象不可能有这样的“瞬间”的相互影响。可以用“鬼魅般的超距作用”这个词来形容这种现象。然而，这是量子世界的一个基本特性，已被大量实验证实。

量子纠缠不仅在理论物理中占有重要地位，而且在量子计算、量子密码学和量子通信等实际应用中也有重要的用途。在量子计算领域，量子纠缠被视为实现大规模量子计算的关键因素。利用纠缠的量子比特，量子计算机可以处理大量信息，超越经典计算机的处理能力。

其次，量子纠缠在量子密码学中起着至关重要的作用，尤其在量子密钥分发协议中，利用量子纠缠为通信双方创建了一个安全的密码密钥，任何试图窃取此密钥的行为都会打破纠缠状态，从而被检测出来。此外，由于纠缠粒子的“鬼魅般的超距作用”，改变一个粒子的状态可以瞬间影响到与其纠缠的另一个粒子，无论这两个粒子之间的距离有多远，这使得长距离量子通信和量子时钟同步等应用成为可能。在量子隐形传态中，通过利用量子纠缠，可以实现将一个量子状态从一个地方“传送”到另一个地方。

量子纠缠还可应用于量子精密测量等领域，提供比传统技术更高的精度和灵敏度。量子纠缠的特性使得可以进行超越经典理论限制的通信和计算，为科技发展打开了新的可能性。

不同结构的量子纠缠可以应用于不同场景中。在绝大多数使用场景中，最理想的量子纠缠态是贝尔态(即维数为2的最大纠缠态)。因此，为了保证量子纠缠在相关应用的实际效果，在真正投入使用之前，需要通过一定操作将给定的量子纠缠态转化为应用所需要的贝尔态。这种操作则被称为量子纠缠提纯。

在步骤S102中，在获取到量子应用请求的情况下，可以基于量子应用请求携带的纠缠资源特征和纠缠资源数量，触发量子网络中的节点制备量子纠缠提纯场景下的输入态信息，以获取输入态信息来准备进行量子纠缠提纯操作。

其中，纠缠资源数量越多，所获取的输入态信息数量也可以越多，以生成更多的纠缠资源进行调度。然而，该输入态信息是与量子网络中的节点的噪声环境和硬件设备相关的，在相应噪声环境和硬件设备的限制下，量子网络中的节点制备输入态信息的数量通常是有限的。节点可以指的是量子设备，也可以指的是量子计算机中的模块，这里不进行具体限定。

输入态信息指的是量子纠缠提纯过程输入的量子态，该量子态是基于n对初始量子态进行张量积得到，初始量子态为两个量子系统上的量子态，其两个量子系统的维数可以相同，一个量子系统的维数可以为d，n为输入态信息的拷贝数。对于任意的AB量子系统上的量子态|ψ>

理想情况下，要求量子纠缠提纯所得到的量子态为完美的贝尔态，由于这种转化要求往往过于严格，导致转化率会非常低，因此实际应用中通常要求量子纠缠提纯得到的量子态与贝尔态之间的误差满足给定的误差阈值即可。该误差阈值即为目标误差，在量子纠缠提纯得到的量子态与贝尔态之间的误差小于或等于该误差阈值的情况下，则说明量子纠缠提纯得到的量子态与贝尔态之间的误差满足该误差阈值。

目标误差可以预设得到，量子应用请求可以携带有该目标误差，相应也可以从量子应用请求中获取该目标误差。

步骤S103：基于所述输入态信息和所述目标误差，确定第一关系，所述第一关系为第一预设条件下所述量子纠缠提纯场景的最优转化率与输出态信息的维数的最大优化函数关系，所述第一预设条件为所述输入态信息至最大纠缠态的转化误差小于或等于所述目标误差，所述转化误差是基于所述量子纠缠提纯场景下量子态的施密特向量之间的距离进行度量的。

量子纠缠提纯的基本思路是通过一系列的局部量子操作和经典通信(LocalOperations and Classical Communication，LOCC)，将一对或多对初始的量子纠缠态转化为尽可能多的贝尔态，并且保证转化后所得的量子态与理想的贝尔态的差距小于给定的误差阈值ε。

如果通过一定的LOCC操作方案，可以将n对初始的量子纠缠态，转化为m对在误差范围内的贝尔态，那么称该方案的转化率为m/n。例如，如果需要10对初始的量子纠缠态才能获得一对贝尔态，那么这个量子纠缠提纯过程的转化率是1/10或0.1。因此，转化率越高，表明纠缠提纯过程的效率越高，制备同等数量的贝尔态所消耗的纠缠资源也就越少。

量子纠缠提纯转化率，作为衡量纠缠提纯协议效率的关键参数，其计算具有至关重要的意义。首先，由于实际量子信息处理系统中可用的量子资源(如初始的量子纠缠态)通常有限，纠缠提纯转化率的理解和计算能够帮助更有效地管理这些资源，以获得最佳的系统性能。

其次，比较不同纠缠提纯协议的转化率，可以指导选择在特定条件下最有效的协议，或者优化现有协议以提高其效率。再者，由于纠缠态易受误差和噪声干扰，纠缠提纯作为减少这些影响的手段，其转化率能够反映提纯效果，指示是否需要进一步的错误纠正。

另外，纠缠提纯的最优转化率可以作为衡量量子信息处理系统性能的一个基准。对比理论预期的转化率与实际测量的转化率，可以评估系统性能是否达到预期，或者揭示潜在的改进空间。最优转化率计算的同时也可以帮助找到对应最优的纠缠提纯协议，使得量子纠缠提纯操作的效率最大化，具有非常重要的实用价值。

在具体的产品需求和应用场景中，计算量子纠缠提纯转化率的用途表现得尤为重要。

1.在设计和构建量子计算机时，需要生成和操作高质量的纠缠态来执行复杂的量子算法。在此过程中，量子纠缠提纯转化率提供了一个重要的效率指标。例如，如果发现某种纠缠提纯协议的转化率低，可能需要寻找更有效的协议或改进现有的纠缠生成和提纯技术。此外，对比理论预期和实际测量的转化率，可以帮助评估量子计算机的实际性能，以及确定可能存在的技术问题。

2.在量子通信系统中，例如量子密钥分发协议，纠缠态经常被用来实现安全的信息传输。然而，传输过程中的损耗和噪声可能会降低纠缠态的质量，导致信息传输的安全性降低。在这种情况下，纠缠提纯就显得非常重要。通过计算转化率，可以了解在给定的系统条件下，需要多少原始纠缠资源才能保证安全的信息传输。

3.在构建量子网络时，需要将纠缠资源有效地分配给网络的各个节点。如果知道纠缠提纯的转化率，那么就可以更好地计划和管理这些资源，例如，确定哪些节点需要更多的纠缠资源，或者如何调整网络的拓扑结构以优化资源利用。

综上所述，计算量子纠缠提纯转化率在各种量子信息产品和应用中都扮演着关键角色，对于推动量子信息科技的进步具有重要意义。由于不同方案具有不同的量子纠缠提纯转化率，那么如何找到具有最优转化率的方案以及计算相应最优转化率是业界广泛关注的问题。

而本实施例的目的即在于通过在任意给定的有限资源量子纠缠态以及误差阈值的情况下进行最优转化率的确定，并基于量子应用请求和最优转化率的值对量子应用服务进行资源调度。这样，可以通过最优转化率的值，模拟量子纠缠提纯可得到的纠缠资源，相应提高量子网络对量子应用服务的资源调度的灵活性和准确性。并且，最优转化率还可以用于优化量子纠缠提纯过程中的转化效率，以优化量子网络的量子纠缠提纯协议。

在步骤S103中，定义量子态的转化误差方式有很多种，不同误差定义方式适用于不同的使用场景，其对应的计算难度也完全不一样。上述转化误差可以理解为限定理想情况下转化后的量子态为纯态(即最大纠缠态)，其与量子纠缠提纯得到的输出态信息之间的误差小于或等于目标误差。

在上述转化误差的定义下，量子纠缠提纯的最优转化率表示为如下式(1)所示。

上式(1)即为所确定的第一关系，

转化误差可以由量子纠缠提纯场景下量子态的施密特向量之间的距离进行度量。可选的，所述转化误差是基于所述量子纠缠提纯场景下量子态的施密特向量的迹范数进行度量的，其可以为量子纠缠提纯场景下量子态的施密特向量的1-范数，且倍数可以为任意倍数，如转化误差可以为量子纠缠提纯场景下量子态的施密特向量的1-范数的1/2。

可选的，所述转化误差表示为：

其中，T(|β>→|λ>)为所述转化误差，|λ>为最大纠缠态，|β>为量子纠缠提纯场景下的输入态信息，p

即

||x||

需要说明的是，对于任意的量子系统A和B上一个拷贝下的量子态|ψ>

对于任意向量p，记||p||

步骤S104：基于所述第一关系，确定所述最优转化率的值。

所述最优转化率的值用于优化量子纠缠提纯过程中的转化效率，或者用于调度量子纠缠提纯过程中的纠缠资源。

在提供输入态信息和目标误差的情况下，可以通过相关计算软件，在第一预设条件下求解输出态信息的维数，使得第一关系中优化函数的值处于最大值，该最大值即为所述量子纠缠提纯的最优转化率的值。

在得到该最优转化率的值的前提下，可以基于该最优转化率的值进行相关应用，如量子密钥分发协议应用、量子网络构建应用、量子纠缠提纯算法的调试应用、分布式量子计算应用等，在这些应用中，可以基于该最优转化率优化量子纠缠提纯过程中的转化效率，以及调度量子纠缠提纯过程中的纠缠资源。

步骤S105：基于所述量子应用请求和所述最优转化率的值，对所述量子应用服务进行资源调度。

可以基于最优转化率的值模拟在相应输入态信息下，可提纯得到的最大数量的纠缠资源，而量子应用请求中也会携带有所需要调度的纠缠资源数量，在可提纯得到的最大数量的纠缠资源大于或等于量子应用请求中的纠缠资源数量的情况下，可以响应该量子应用请求，执行量子纠缠提纯操作，相应得到纠缠资源，并调度至上层进行量子应用服务。

而在可提纯得到的最大数量的纠缠资源小于量子应用请求中的纠缠资源数量的情况下，可以无需执行量子纠缠提纯操作，而直接拒绝响应该量子应用请求。

本实施例中，通过接收量子网络的量子应用请求；基于量子应用请求，触发所述量子网络中的节点获取量子纠缠提纯场景下的输入态信息和目标误差；并基于输入态信息和目标误差，构建优化函数，以确定量子纠缠提纯场景的最优转化率；之后基于量子应用请求和最优转化率的值，对量子应用服务进行资源调度。这样，通过最优转化率的值，可以模拟量子纠缠提纯可得到的纠缠资源，相应提高量子网络对量子应用服务的资源调度的灵活性和准确性。

并且，通过基于所述量子纠缠提纯场景下量子态的施密特向量之间的距离度量输入态信息至最大纠缠态的转化误差，并基于量子纠缠提纯的输入态信息和目标误差构建第一预设条件下量子纠缠提纯的最优转化率与输出态信息的维数的最大优化函数关系，之后求解该最大优化函数关系得到最优转化率的值。这样可适用于任意给定的有限资源量子纠缠态以及误差阈值的情况下的最优转化率的确定，从而可以提高量子纠缠提纯的最优转化率确定的灵活性，更加符合实际应用场景需求，进而能够更加准确地优化量子纠缠提纯过程中的转化效率以及调度量子纠缠提纯过程中的纠缠资源。

可选的，所述步骤S105具体包括：

基于所述最优转化率的值，确定所述量子网络的量子纠缠提纯场景下可提纯得到的纠缠资源；

在所述可提纯得到的纠缠资源大于或等于所述量子应用请求所请求的纠缠资源的情况下，对所述量子应用服务进行资源调度。

可以基于最优转化率的值和量子网络的节点制备的输入态信息，确定量子网络的量子纠缠提纯场景下可提纯得到的纠缠资源。之后，比对基于最优转化率的值确定的可提纯得到的纠缠资源和量子应用请求所请求的纠缠资源，并基于比对结果对量子应用服务进行资源调度。

在基于最优转化率的值确定的可提纯得到的纠缠资源大于或等于量子应用请求所请求的纠缠资源的情况下，此时，有足够纠缠资源用于调度，因此，可以调度相应的纠缠资源至上层用于量子应用服务。

如此，可以基于最优转化率的值实现对量子应用服务的资源调度。

可选的，所述方法还包括：

在所述可提纯得到的纠缠资源小于所述量子应用请求所请求的纠缠资源的情况下，拒绝响应所述量子应用请求。

如此，通过基于最优转化率的值模拟量子纠缠提纯可得到的纠缠资源，在该纠缠资源小于量子应用请求所请求的纠缠资源的情况下，无需进行量子纠缠提纯操作，可以直接拒绝响应该量子应用请求，减少不必要的操作。

可选的，所述方法还包括：

在所述可提纯得到的纠缠资源小于所述量子应用请求所请求的纠缠资源的情况下，基于所述最优转化率的值，调整所述量子网络的量子纠缠提纯场景下的输入态信息，以提高所述量子纠缠提纯场景下可提纯得到的纠缠资源。

在可提纯得到的纠缠资源小于量子应用请求所请求的纠缠资源的情况下，可以基于所述最优转化率的值和量子应用请求中纠缠资源数量，确定所需最少数量的输入态信息，以保证安全的信息传输。调整量子网络的量子纠缠提纯场景下的输入态信息，如提高量子网络的量子纠缠提纯场景下的输入态信息的数量，以进行量子纠缠提纯，可以得到更多的纠缠资源用于资源调度，这样可以进一步提高量子纠缠资源调度的灵活性和准确性。

上式(1)中，量子态

可选的，所述步骤S104具体包括：

对所述输入态信息进行施密特分解，以将所述第一关系转换为第二关系和第三关系，所述第二关系为所述最优转化率与第一信息的最小优化函数关系，所述第一信息包括所述输入态信息的第一施密特向量的第一目标范数、目标误差和第一变量，所述第一目标范数为所述第一施密特向量的前K个最大元素的和，所述第三关系为第二预设条件下所述第一变量的目标取值范围中下界与第二变量的最小优化函数关系，所述第二预设条件为所述第一施密特向量的第二目标范数大于所述目标误差，所述第二目标范数为所述第一施密特向量的前Y个最大元素的和；K为所述第一变量，K为正整数，Y为所述第二变量，Y为正整数。

基于所述第三关系和第二信息，确定所述第一变量的目标取值范围，所述第二信息为所述输入态信息的拷贝数和量子系统维数；

基于所述第二关系和所述第一变量的目标取值范围，确定所述最优转化率的值。

本实施方式中，可以对上式(1)中的输入态信息进行施密特分解，以将第一关系转换为第二关系和第三关系，即将上式(1)转换为第二关系和第三关系，第二关系可以用下式(3)表示，第三关系可以用下式(4)表示。

其中，上式(3)和(4)中，

从上式(3)和(4)可以看出，为了计算

可选的，所述基于所述第三关系和第二信息，确定所述第一变量的目标取值范围，包括：

基于所述第三关系，确定所述目标取值范围的下界值；

基于所述第二信息，确定所述目标取值范围的上界值。

即在第二预设条件下进行第三关系中最小优化函数的求解，得到第一变量的目标取值范围中下界值，以及通过d

进一步的，计算

如此，通过将第一关系转换为第二关系和第三关系进行最优转化率的确定，可以降低求解最优转化率的复杂度。

可选的，所述基于所述第三关系，确定所述目标取值范围的下界值，包括：

获取所述第一施密特向量；

按照所述第二变量从小到大的顺序，依次获取所述第一施密特向量的第二目标范数；在所述第二目标范数大于所述目标误差的情况下，输出所述第二变量的值；

其中，所述第二变量的值为所述目标取值范围的下界值。

第一施密特向量的获取方式可以有多种，比如，对输入态信息进行施密特分解，可以得到第一施密特向量。又比如，对输入态信息中的一个拷贝下的量子态进行施密特分解，得到该量子态的第二施密特向量，利用输入态信息的量子态和输入态信息的施密特向量的对称性，基于第二施密特向量确定第一施密特向量。

在获取到第一施密特向量的情况下，通过按照所述第二变量从小到大的顺序，依次获取所述第一施密特向量的第二目标范数；并在获取到第二目标范数的情况下，判断第二目标范数是否大于目标误差，即判断是否满足第二预设条件，若满足，则输出第二变量的值，该值即为第一变量的目标取值范围的下界值。

如此，可以实现第三关系中优化函数的求解，得到第一变量的目标取值范围，以进一步求解第二关系中优化函数的求解，得到量子纠缠提纯的最优转化率的值。

在第一施密特向量的确定过程中，由于量子态

获取所述输入态信息中一个拷贝下的量子态的第二施密特向量；

基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理，得到W个分配信息，一个分配信息包括一种分配结果和所述分配结果的重复次数；

基于所述W个分配信息，对所述第二施密特向量中第一元素进行多项式组合，得到W种分配结果一一对应的W个第二元素和每个第二元素的重复次数，第二元素的重复次数为所述第二元素对应的分配结果的重复次数；

将所述W个第二元素按照降序排列得到目标向量；

其中，所述第一施密特向量由所述目标向量按照每个第二元素的重复次数进行排列得到。

可选的，所述按照所述第二变量从小到大的顺序，依次获取所述第一施密特向量的第二目标范数；在所述第二目标范数大于所述目标误差的情况下，输出所述第二变量的值，包括：

按照所述目标向量中第二元素的第一标号从小到大的顺序，基于所述第二元素的重复次数，依次确定所述第一施密特向量中所述第一标号对应元素的第二标号，以及所述第一施密特向量中第三元素的第一加和，所述第三元素包括所述第二标号对应元素和位于所述第二标号对应元素之前的元素；

在所述第一加和大于所述目标误差的情况下，输出所述第二变量的值；

其中，所述第二变量的值为

其高效计算第一施密特向量，以及高效求解第一变量的目标取值范围的下界值的具体过程如下：

输入：第二施密特向量p

输出：

步骤1：基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理。具体的，考虑n

步骤2：基于所述W个分配信息，对所述第二施密特向量中第一元素进行多项式组合，以计算

步骤3：将所述W个第二元素按照降序排列得到目标向量(s

步骤4：令N＝0，P＝0，其中N和P是中间变量，用于记录目标向量中第二元素的第一标号从小到大的循环过程中，第一施密特向量中第一标号对应元素的第二标号，以及第一施密特向量中第三元素的第一加和。其中，第二标号指的是第一施密特向量中第一标号对应元素的最大标号，如第一标号为1，第一标号1对应的第二元素的重复次数为10，则第一施密特向量中第一标号对应的元素为标号1至10的元素，其最大标号为10，则第二标号为10，第一加和为第一施密特向量中标号1至10的元素的加和；

步骤5：对于每个i∈{1,2,...,W}进行循环：

步骤5.1：令N＝N+v

步骤5.2：如果ε＜P，则返回

该输出即为第二变量Y的值，第三关系中该值下的优化函数值处于最小值。

在上述步骤5中，最多需要进行W次循环，即W为关于n的多项式次，从而可以高效进行第二预设条件下进行第三关系中最小优化函数的求解，得到第一变量的目标取值范围中下界值。

可选的，所述基于所述第二关系和所述第一变量的目标取值范围，确定所述最优转化率的值，包括：

在所述第一变量的目标取值范围中下界等于上界的情况下，确定所述第二关系中最小优化函数值下的第一变量的值为所述目标取值范围中上界，得到所述最优转化率的值。

第二关系中优化函数可以如下式(5)所示。

当第一变量的目标取值范围仅为一个值时，其值即为该优化函数处于最小优化函数值下的第一变量的值，最优转化率的值为(log

如此，可以实现高效实现最优转化率的值的确定。

可选的，所述基于所述第二关系和所述第一变量的目标取值范围，确定所述最优转化率的值，包括：

在所述第一变量的目标取值范围中下界不等于上界的情况下，获取所述第一施密特向量的第一目标范数，得到所述第二关系中优化函数的梯度函数，所述梯度函数为所述第一信息的函数；

基于所述梯度函数和所述第一变量的目标取值范围，确定所述优化函数在最小优化函数值下的第一变量的值，得到所述最优转化率的值。

优化函数的梯度函数可以如下式(6)所示。

从上式(6)可以看出，其是与第一目标范数有关，可以通过计算第一目标范数，得到该梯度函数。

之后，可以基于所述梯度函数，求解所述第一变量的目标取值范围内所述优化函数的极值点，即确定梯度函数值为零时的变量值，该极值点即为所述优化函数在最小优化函数值下的第一变量的值，得到所述最优转化率的值。如此，可以实现量子纠缠提纯的最优转化率的确定。

第一目标范数可以基于输入态信息的第一施密特向量进行直接获取，也可以基于输入态信息中的一个拷贝下的量子态的第二施密特向量进行获取。可选的，所述获取所述第一施密特向量的第一目标范数，包括：

获取目标向量，所述目标向量是基于W个第二元素按照降序排列得到的，所述W个第二元素是基于W个分配信息，对所述输入态信息中一个拷贝下的量子态的第二施密特向量中第一元素进行多项式组合得到的，一个分配信息包括一种分配结果和所述分配结果的重复次数，所述W个分配信息是基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理得到的，所述第一施密特向量由所述目标向量按照每个第二元素的重复次数进行排列得到，第二元素的重复次数为所述第二元素对应的分配结果的重复次数；

基于所述目标向量和所述目标向量中第二元素的重复次数，确定所述第一施密特向量的第一目标范数。

可以利用输入态信息的量子态对称性，基于输入态信息中的一个拷贝下的量子态的第二施密特向量确定第一施密特向量，以降低第一施密特向量确定过程中的复杂度。

之后基于目标向量和目标向量中第二元素的重复次数，确定所述第一施密特向量的第一目标范数。如此，可以高效求解输入态信息的第一施密特向量的第一目标范数，降低最优转化率的求解复杂度。

可选的，所述基于所述目标向量和所述目标向量中第二元素的重复次数，确定所述第一施密特向量的第一目标范数，包括：

按照所述目标向量中第二元素的第一标号从小到大的顺序，基于所述第二元素的重复次数，依次确定所述第一施密特向量中所述第一标号对应元素的第二标号，以及所述第一施密特向量中第三元素的第一加和，所述第三元素包括所述第二标号对应元素和位于所述第二标号对应元素之前的元素；

在所述第一变量小于所述第二标号的情况下，输出所述第一施密特向量的第一目标范数；

其中，所述第一目标范数为s

其高效计算第一目标范数

输入：第二施密特向量p

输出：

步骤1：基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理。具体的，考虑n

步骤2：基于所述W个分配信息，对所述第二施密特向量中第一元素进行多项式组合，以计算

步骤3：将所述W个第二元素按照降序排列得到目标向量(s

步骤4：令N＝0，P＝0，其中N和P是中间变量，用于记录目标向量中第二元素的第一标号从小到大的循环过程中，第一施密特向量中第一标号对应元素的第二标号，以及第一施密特向量中第三元素的第一加和。其中，第二标号指的是第一施密特向量中第一标号对应元素的最大标号；

步骤5：对于每个i∈{1,2,...,W}进行循环：

步骤5.1：令N＝N+v

步骤5.2：如果K＜N，则返回s

该输出即为第一目标范数。

上述算法在第5步中最多需要进行W次循环，W是关于n的多项式次。如果允许新增多项式的存储空间，则可以通过二分法搜索将循环次数降为关于n的对数次。可选的，所述基于所述目标向量和所述目标向量中第二元素的重复次数，确定所述第一施密特向量的第一目标范数，包括：

基于所述目标向量中W个第二元素的W个第一标号和所述目标向量中第二元素的重复次数，确定所述第一施密特向量中W个第一标号对应元素的W个第二标号；

对所述第一变量进行二分法搜索，并在搜索得到所述第一变量位于目标区间的情况下，输出所述第一施密特向量的第一目标范数；

其中，所述目标区间为所述W个第二标号中所述二分法搜索中二分值对应的相邻两个第二标号所确定的区间，所述第一目标范数为s

采用二分法搜索高效求解第一目标范数的具体过程如下：

输入：第二施密特向量p

输出：

步骤1：基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理。具体的，考虑n

步骤2：基于所述W个分配信息，对所述第二施密特向量中第一元素进行多项式组合，以计算

步骤3：将所述W个第二元素按照降序排列得到目标向量(s

步骤4：令N

步骤5：对于任意的j∈{1,2,...,W}，计算

步骤6：令二分法搜索的下界a＝0，上界b＝W；

步骤7：进行如下循环直至返回输出：

步骤7.1：令二分值

步骤7.2：如果N

步骤7.3：如果K＜N

步骤7.4：如果K＞N

可选的，所述基于所述梯度函数和所述第一变量的目标取值范围，确定所述优化函数在最小优化函数值下的第一变量的值，得到所述最优转化率的值，包括：

在第一目标梯度函数值大于或等于零的情况下，确定所述优化函数在最小优化函数值下的第一变量的值为所述目标取值范围中下界，得到所述最优转化率的值，所述第一目标梯度函数值为所述第一变量的值为所述目标取值范围中下界时梯度函数的值；

在第二目标梯度函数值小于或等于零的情况下，确定所述优化函数在最小优化函数值下的第一变量的值为所述目标取值范围中上界，得到所述最优转化率的值，所述第二目标梯度函数值为所述第一变量的值为d

在所述第一目标梯度函数值小于零，且所述第二目标梯度函数值大于零的情况下，基于所述目标取值范围的下界和第一目标值进行二分法搜索，并在二分法搜索区间的上界小于或等于第二目标值的情况下，确定所述优化函数在最小优化函数值下的第一变量的值为二分法搜索区间的上界，得到所述最优转化率的值，所述第一目标值为d

其中，二分法搜索中，在第三目标梯度函数值大于或等于零的情况下，将二分法搜索区间的上界调整为二分法搜索中的二分值，在第三目标梯度函数值小于零的情况下，将二分法搜索区间的下界调整为二分法搜索中的二分值，所述第三目标梯度函数值为所述第一变量的值为二分法搜索中的二分值时梯度函数的值。

高效计算最优转化率的具体过程如下：

输入：第二施密特向量p

输出：

步骤1：计算第一变量的目标取值范围中下界

步骤2：如果l＝d

步骤3：计算第一变量的值为l时的梯度函数值(即第一目标梯度函数值)，表示为g(l)；

步骤4：g(l)≥0，返回

步骤5：计算第一变量的值为d

步骤6：如果g(d

步骤7：如果g(l)＜0，且g(d

步骤8：如果满足循环条件b＞a+1，则进行如下循环：

步骤8.1：令二分值

步骤8.2：如果第三目标梯度函数值g(c)≥0，令b＝c；否则，令a＝c；

步骤9：如果不满足循环条件，返回

将输出的

本实施例的量子纠缠提纯的最优转化率的确定方案可适用于任意给定的有限资源量子纠缠态以及任意给定的误差阈值的情况，更符合实际应用场景需求。特别地，所涉及的计算复杂度随着初始量子态的拷贝数成多项式增长，在实际使用场景中非常高效。另外，误差阈值取为零或者初始量子态拷贝数取为足够大时，也可涵盖理想情况下量子纠缠提纯的最优转化率的确定。因此，在保证高效计算的同时，极大地拓展了使用场景，并且更符合实际应用需求。

下面以一个具体的示例展示本实施例的实际效果。考虑初始量子态

图2是量子态拷贝数与量子纠缠提纯的平均转化率的关系示意图，如图2所示，横轴为量子态拷贝数，纵轴为平均转化率，即

第二实施例

如图3所示，本公开提供一种量子纠缠资源调度装置300，包括：

接收模块301，用于接收量子网络的量子应用请求，所述量子应用请求用于调度纠缠资源执行量子应用服务；

获取模块302，用于基于所述量子应用请求，触发所述量子网络中的节点获取量子纠缠提纯场景下的输入态信息和目标误差；

第一确定模块303，用于基于所述输入态信息和所述目标误差，确定第一关系，所述第一关系为第一预设条件下所述量子纠缠提纯场景的最优转化率与输出态信息的维数的最大优化函数关系，所述第一预设条件为所述输入态信息至最大纠缠态的转化误差小于或等于所述目标误差，所述转化误差是基于所述量子纠缠提纯场景下量子态的施密特向量之间的距离进行度量的；

第二确定模块304，用于基于所述第一关系，确定所述最优转化率的值；

资源调度模块305，用于基于所述量子应用请求和所述最优转化率的值，对所述量子应用服务进行资源调度。

可选的，所述资源调度模块305，具体用于：

基于所述最优转化率的值，确定所述量子网络的量子纠缠提纯场景下可提纯得到的纠缠资源；

在所述可提纯得到的纠缠资源大于或等于所述量子应用请求所请求的纠缠资源的情况下，对所述量子应用服务进行资源调度。

可选的，所述装置还还包括：

拒绝响应模块，用于在所述可提纯得到的纠缠资源小于所述量子应用请求所请求的纠缠资源的情况下，拒绝响应所述量子应用请求。

可选的，所述装置还包括：

调整模块，用于在所述可提纯得到的纠缠资源小于所述量子应用请求所请求的纠缠资源的情况下，基于所述最优转化率的值，调整所述量子网络的量子纠缠提纯场景下的输入态信息，以提高所述量子纠缠提纯场景下可提纯得到的纠缠资源。

可选的，所述装置还包括：

所述量子应用服务包括以下任一项：

量子密钥分发应用服务；

通信应用服务；

分布式量子计算应用服务。

可选的，所述第二确定模块304包括：

转换子模块，用于对所述输入态信息进行施密特分解，以将所述第一关系转换为第二关系和第三关系，所述第二关系为所述最优转化率与第一信息的最小优化函数关系，所述第一信息包括所述输入态信息的第一施密特向量的第一目标范数、目标误差和第一变量，所述第一目标范数为所述第一施密特向量的前K个最大元素的和，所述第三关系为第二预设条件下所述第一变量的目标取值范围中下界与第二变量的最小优化函数关系，所述第二预设条件为所述第一施密特向量的第二目标范数大于所述目标误差，所述第二目标范数为所述第一施密特向量的前Y个最大元素的和，K为所述第一变量，K为正整数，Y为所述第二变量，Y为正整数；

第一确定子模块，用于基于所述第三关系和第二信息，确定所述第一变量的目标取值范围，所述第二信息为所述输入态信息的拷贝数和量子系统维数；

第二确定子模块，用于基于所述第二关系和所述第一变量的目标取值范围，确定所述最优转化率的值。

可选的，所述第一确定子模块，包括：

第一确定单元，用于基于所述第三关系，确定所述目标取值范围的下界值；

第二确定单元，用于基于所述第二信息，确定所述目标取值范围的上界值。

可选的，所述第一确定单元，具体用于：

获取所述第一施密特向量；

按照所述第二变量从小到大的顺序，依次获取所述第一施密特向量的第二目标范数；在所述第二目标范数大于所述目标误差的情况下，输出所述第二变量的值；

其中，所述第二变量的值为所述目标取值范围的下界值。

可选的，所述第一确定单元，具体用于：

获取所述输入态信息中一个拷贝下的量子态的第二施密特向量；

基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理，得到W个分配信息，一个分配信息包括一种分配结果和所述分配结果的重复次数；

基于所述W个分配信息，对所述第二施密特向量中第一元素进行多项式组合，得到W种分配结果一一对应的W个第二元素和每个第二元素的重复次数，第二元素的重复次数为所述第二元素对应的分配结果的重复次数；

将所述W个第二元素按照降序排列得到目标向量；

其中，所述第一施密特向量由所述目标向量按照每个第二元素的重复次数进行排列得到。

可选的，所述第一确定单元，具体用于：

按照所述目标向量中第二元素的第一标号从小到大的顺序，基于所述第二元素的重复次数，依次确定所述第一施密特向量中所述第一标号对应元素的第二标号，以及所述第一施密特向量中第三元素的第一加和，所述第三元素包括所述第二标号对应元素和位于所述第二标号对应元素之前的元素；

在所述第一加和大于所述目标误差的情况下，输出所述第二变量的值；

其中，所述第二变量的值为

可选的，所述第二确定子模块包括：

第三确定单元，用于在所述第一变量的目标取值范围中下界等于上界的情况下，确定所述第二关系中最小优化函数值下的第一变量的值为所述目标取值范围中上界，得到所述最优转化率的值。

可选的，所述第二确定子模块包括：

获取单元，用于在所述第一变量的目标取值范围中下界不等于上界的情况下，获取所述第一施密特向量的第一目标范数，得到所述第二关系中优化函数的梯度函数，所述梯度函数为所述第一信息的函数；

第四确定单元，用于基于所述梯度函数和所述第一变量的目标取值范围，确定所述优化函数在最小优化函数值下的第一变量的值，得到所述最优转化率的值。

可选的，所述获取单元，具体用于：

获取目标向量，所述目标向量是基于W个第二元素按照降序排列得到的，所述W个第二元素是基于W个分配信息，对所述输入态信息中一个拷贝下的量子态的第二施密特向量中第一元素进行多项式组合得到的，一个分配信息包括一种分配结果和所述分配结果的重复次数，所述W个分配信息是基于所述输入态信息的量子系统维数，对所述输入态信息的拷贝数进行分配处理得到的，所述第一施密特向量由所述目标向量按照每个第二元素的重复次数进行排列得到，第二元素的重复次数为所述第二元素对应的分配结果的重复次数；

基于所述目标向量和所述目标向量中第二元素的重复次数，确定所述第一施密特向量的第一目标范数。

可选的，所述获取单元，具体用于：

按照所述目标向量中第二元素的第一标号从小到大的顺序，基于所述第二元素的重复次数，依次确定所述第一施密特向量中所述第一标号对应元素的第二标号，以及所述第一施密特向量中第三元素的第一加和，所述第三元素包括所述第二标号对应元素和位于所述第二标号对应元素之前的元素；

在所述第一变量小于所述第二标号的情况下，输出所述第一施密特向量的第一目标范数；

其中，所述第一目标范数为s

可选的，所述获取单元，具体用于：

基于所述目标向量中W个第二元素的W个第一标号和所述目标向量中第二元素的重复次数，确定所述第一施密特向量中W个第一标号对应元素的W个第二标号；

对所述第一变量进行二分法搜索，并在搜索得到所述第一变量位于目标区间的情况下，输出所述第一施密特向量的第一目标范数；

其中，所述目标区间为所述W个第二标号中所述二分法搜索中二分值对应的相邻两个第二标号所确定的区间，所述第一目标范数为s

可选的，所述第四确定单元，具体用于：

在第一目标梯度函数值大于或等于零的情况下，确定所述优化函数在最小优化函数值下的第一变量的值为所述目标取值范围中下界，得到所述最优转化率的值，所述第一目标梯度函数值为所述第一变量的值为所述目标取值范围中下界时梯度函数的值；

在第二目标梯度函数值小于或等于零的情况下，确定所述优化函数在最小优化函数值下的第一变量的值为所述目标取值范围中上界，得到所述最优转化率的值，所述第二目标梯度函数值为所述第一变量的值为d

在所述第一目标梯度函数值小于零，且所述第二目标梯度函数值大于零的情况下，基于所述目标取值范围的下界和第一目标值进行二分法搜索，并在二分法搜索区间的上界小于或等于第二目标值的情况下，确定所述优化函数在最小优化函数值下的第一变量的值为二分法搜索区间的上界，得到所述最优转化率的值，所述第一目标值为d

其中，二分法搜索中，在第三目标梯度函数值大于或等于零的情况下，将二分法搜索区间的上界调整为二分法搜索中的二分值，在第三目标梯度函数值小于零的情况下，将二分法搜索区间的下界调整为二分法搜索中的二分值，所述第三目标梯度函数值为所述第一变量的值为二分法搜索中的二分值时梯度函数的值。

可选的，所述转化误差是基于所述量子纠缠提纯场景下量子态的施密特向量的迹范数进行度量的。

可选的，所述转化误差表示为：

其中，T(|β>→|λ>)为所述转化误差，|λ>为最大纠缠态，|β>为量子纠缠提纯场景下的输入态信息，p

本公开提供的量子纠缠资源调度装置300能够实现量子纠缠资源调度方法实施例实现的各个过程，且能够达到相同的有益效果，为避免重复，这里不再赘述。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图4示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如量子纠缠资源调度方法。例如，在一些实施例中，量子纠缠资源调度方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的量子纠缠资源调度方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行量子纠缠资源调度方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。