正态分布量子态制备方法、装置、存储介质及电子装置

技术领域

本发明属于量子计算技术领域，特别是一种正态分布量子态制备方法、装置、存储介质及电子装置。

背景技术

量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。其需要遵循量子力学规律的量子比特作为基本单元，真正实用的量子计算机必须具备数百到上千个个量子比特才能解决实用问题。量子线路又称量子逻辑电路，表示在抽象的概念下，对量子比特进行操作的线路。通过量子线路模型描述的量子算法，可以操控量子计算机，使其对输入状态进行处理，并且输出特定的测量值。量子计算机在运行量子算法时具有相对普通计算机更高效的处理数学问题的能力，故成为一种正在研究中的关键技术。

正态分布在金融领域以及其他领域的应用十分广泛，例如，股票变化率就近似服从正态分布；在风险分析中，回报率也服从正态分布。因此，一种通用的正态分布量子态的制备方法对于运用量子计算技术解决一些特定问题来说非常重要。根据大数定律的特性，正态分布所满足的性质能够有效地契合量子态，因此能够在量子振幅上进行正态分布量子态的制备。

目前，正态分布量子态的制备可以通过二分法进行振幅制备实现。然而，使用这类通用算法对正态分布量子态进行较为精确的制备时，由于使用的量子逻辑门的数量较大，计算复杂度较高，难以满足高效制备的需求。

发明内容

本发明的目的是提供一种正态分布量子态制备方法、装置、存储介质及电子装置，旨在降低制备正态分布量子态使用的量子逻辑门数量和计算复杂度，进而满足正态分布量子态的高效制备需求。

本发明的一个实施例提供了一种正态分布量子态制备方法，所述方法包括：

获取第一预设参数和第二预设参数；其中，所述第一预设参数用于表示所述正态分布量子态的制备精度，所述第二预设参数用于表示所述正态分布的分布规律；

基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n；

基于所述第二预设参数确定每一所述量子比特的旋转参数，并对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作；

对n个所述量子比特执行求和操作，得到所述正态分布量子态。

可选的，所述第二预设参数包括所述正态分布的期望值，在所述基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n之前，所述方法还包括：

若所述期望值不处于预设区间内，则对所述期望值进行数值变换，使得变换后的期望值处于预设区间内。

可选的，在所述对n个所述量子比特执行求和操作之后，所述方法还包括：

对所述求和操作得到的量子态，执行所述数值变换的逆变换对应的量子逻辑门操作。

可选的，所述第二预设参数包括所述正态分布的期望值E(x)，所述基于所述第二预设参数确定每一所述量子比特的旋转参数，包括：

基于所述期望值E(x)和所述量子比特数量n，确定每一所述量子比特的旋转参数θ；其中，所述旋转参数θ满足以下公式：

可选的，所述对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作，包括：

对每个处于初始状态的量子比特，分别执行Ry(2θ)门操作。

可选的，所述第二预设参数包括所述正态分布的方差D(x)，所述量子比特数量n为奇数，所述基于所述第二预设参数确定每一所述量子比特的旋转参数，包括：

将其中一个所述量子比特的旋转参数设置为θ

可选的，所述对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作，包括：

对其中一个量子比特执行RY(2θ

可选的，所述第一预设参数包括所述正态分布量子态的制备精度ε，所述基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n，包括：

基于所述正态分布量子态的制备精度ε确定用于制备所述正态分布量子态的量子比特数量n；其中，所述制备精度ε与2的量子比特数量n次方互为倒数。

本发明的又一实施例提供了一种正态分布量子态制备装置，所述装置包括：

获取模块，用于获取第一预设参数和第二预设参数；其中，所述第一预设参数用于表示所述正态分布量子态的制备精度，所述第二预设参数用于表示所述正态分布的分布规律；

确定模块，用于基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n；

旋转模块，用于基于所述第二预设参数确定每一所述量子比特的旋转参数，并对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作；

求和模块，用于对n个所述量子比特执行求和操作，得到所述正态分布量子态。

本发明的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。

本发明的又一实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。

与现有技术相比，本发明提供的一种正态分布量子态制备方法及相关设备，可以获取第一预设参数和第二预设参数；其中，第一预设参数用于表示正态分布量子态的制备精度，第二预设参数用于表示正态分布的分布规律；基于第一预设参数可以确定用于制备正态分布量子态的量子比特数量n；基于第二预设参数可以确定每一量子比特的旋转参数，并对处于初始状态的n个量子比特分别执行旋转参数对应的RY门操作；进而可以对n个量子比特执行求和操作，得到正态分布量子态。

相比于通过二分法进行振幅编码实现正态分布量子态制备所需的O(NlogN)的量子逻辑门，本方案需要的量子逻辑门的复杂度降为O(N)，相应的时间复杂度也只需要O(n

附图说明

图1为本发明实施例提供的一种正态分布量子态制备系统的网络框图；

图2为本发明实施例提供的一种正态分布量子态制备方法的流程示意图；

图3为本发明实施例提供的一种制备得到的正态分布量子态的概率分布拟合图；

图4为本发明实施例提供的另一种制备得到的正态分布量子态的概率分布拟合图；

图5为本发明实施例提供的又一种制备得到的正态分布量子态的概率分布拟合图；

图6为本发明实施例提供的一种正态分布量子态制备装置的结构示意图；

图7为本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

图1是本发明实施例提供的一种正态分布量子态制备系统的网络框图。正态分布量子态制备系统可以包括网络110、服务器120、无线设备130、客户机140、存储150、经典计算单元160、量子计算单元170，还可以包括未示出的附加存储器、经典处理器、量子处理器和其他设备。

网络110是用于为正态分布量子态制备系统内连接在一起的各种设备和计算机之间提供通信链路的介质，包括但不限于互联网、企业内部网、局域网、移动通信网及其组合，连接方式可以采用有线、无线通信链路或光纤电缆等。

服务器120、无线设备130和客户机140是常规的数据处理系统，可包含数据和具有执行常规计算过程的应用程序或软件工具。客户机140可以是个人计算机或网络计算机，故数据也可以是服务器120提供的。无线设备130可以是智能手机、平板、笔记本电脑、智能可穿戴设备等。存储单元150可以包括数据库151，其可以被配置为存储量子比特参数、量子逻辑门参数、量子线路、量子程序等数据。

经典计算单元160(量子计算单元170)可以包括用于处理经典数据(量子数据)的经典处理器161(量子处理器171)和用于存储经典数据(量子数据)的存储器162(存储器172)，经典数据(量子数据)可以是引导文件、操作系统镜像、以及应用程序163(应用程序173)，应用程序163(应用程序173)可以用于实现根据本发明实施例提供的正态分布量子态制备方法编译的量子算法。

经典计算单元160(量子计算单元170)中存储或产生的任何数据或信息也可以被配置成以类似的方式在另一个经典(量子)处理系统中存储或产生，同样其执行的任何应用程序也可以被配置成以类似的方式在另一个经典(量子)处理系统中执行。

需要说明的是，真正的量子计算机是混合结构的，它至少包括图1中的两大部分：经典计算单元160，负责执行经典计算与控制；量子计算单元170，负责运行量子程序进而实现量子计算。

上述经典计算单元160和量子计算单元170可以是集成在一台设备中，也可以是分布在两台不同的设备之中。例如包括经典计算单元160的第一设备运行经典计算机操作系统，其上提供了量子应用程序开发工具和服务，以及还提供了量子应用程序所需的存储和网络服务。用户通过其上的量子应用程序开发工具和服务开发量子程序，以及通过其上的网络服务将量子程序发送至包括量子计算单元170的第二设备。第二设备运行量子计算机操作系统，通过量子计算机操作系统对该量子程序的代码进行解析编译成量子处理器170可以识别和执行的指令，量子处理器170根据该指令实现量子程序对应的量子算法。

经典计算单元160中的经典处理器161的计算单元是基于硅芯片的CMOS管，这种计算单元不受时间和相干性的限制，即，这种计算单元是不受使用时长限制，随时可用。此外，在硅芯片中，这种计算单元的数量也是充足的，目前一个经典处理器161中的计算单元的数量是成千上万的，计算单元数量的充足且CMOS管可选择的计算逻辑是固定的，例如：与逻辑。借助CMOS管运算时，通过大量的CMOS管结合有限的逻辑功能，以实现运算效果。

量子计算单元170中量子处理器171的基本计算单元是量子比特，量子比特的输入受相干性的限制，也受相干时间的限制，即，量子比特是受使用时长限制的，并不是随时可用的。在量子比特的可用使用时长内充分使用量子比特是量子计算的关键性难题。此外，量子计算机中量子比特的数量是量子计算机性能的代表指标之一，每个量子比特通过按需配置的逻辑功能实现计算功能，鉴于量子比特数量受限，而量子计算领域的逻辑功能是多样化的，例如：哈德玛门(Hadamard门，H门)、泡利-X门(X门)、泡利-Y门(Y门)、泡利-Z门(Z门)、X门、RY门、RZ门、CNOT门、CR门、iSWAP门、Toffoli门等等。量子计算时，需借助有限的量子比特结合多样的逻辑功能组合实现运算效果。

基于这些不同，经典逻辑功能作用在CMOS管的设计和量子逻辑功能作用在量子比特的设计是显著和本质不同的；经典逻辑功能作用在CMOS管的设计是不需要考虑CMOS管的个体性，如CMOS管在硅芯片中的表示是第几个CMOS管的个体标识、位置、每个CMOS管的可使用时长，故而经典逻辑功能组成的经典算法只表达算法的运算关系，不表达算法对CMOS管个体的依赖。

而量子逻辑功能作用在量子比特需要考虑量子比特的个体性，如量子比特在量子芯片中是第几个量子比特的个体标识、位置以及和周围量子比特的关系、以及每个量子比特可使用时长。故而量子逻辑功能组成的量子算法不仅表达算法的运算关系，更表达算法对量子比特个体的依赖。

量子芯片可以包括量子比特和对量子比特进行调控的通道，量子逻辑门通过模拟信号实现，不同组合的模拟信号通过对量子比特进行调控的通道施加在量子比特上，从而实现不同功能的量子电路，完成对数据的处理。所以，量子逻辑功能作用在量子比特的设计(包括量子比特使用与否的设计以及每个量子比特使用效率的设计)是提升量子计算机的运算性能的关键，且需要进行特殊的设计，这也是基于量子逻辑功能实现的量子算法的独特性，是和基于经典逻辑功能实现的经典算法的本质和显著不同。而上述针对量子比特的设计是普通计算设备所不需要考虑的、也不需要面对的技术问题。

对于一些涉及到概率分布计算的问题，可以通过使用量子计算来解决。例如，在资产定价或风险估计活动中，通常需要对资产的未来价格及其波动进行模拟和预测，这些过程通常都会涉及概率分布的计算。为实现比经典计算机更快的计算，可以通过量子计算来帮助解决这些问题。正态分布作为一种应用广泛的概率分布模型，对使用量子计算解决一些涉及概率分布计算的问题来说具有重要的意义。例如，用正态分布量子态模拟一些经典的随机过程，可以更准确地估计资产价格的波动性，对未来的资产价格进行预测与评估。另外，正态分布还可以用于量子模拟的蒙特卡洛方法，以更准确地估计金融风险和概率。因此，通过制备正态分布量子态可以帮助用户更快速地处理和解决这些问题。

因此本发明提出了一种正态分布量子态制备方法及相关装置，旨在降低制备正态分布量子态使用的量子逻辑门数量和计算复杂度，进而满足正态分布量子态的高效制备需求。

参见图2，图2为本发明实施例提供的一种正态分布量子态制备方法，所述正态分布量子态制备方法可以应用于量子计算单元，量子计算单元可以是利用量子力学的特性来实现量子计算的设备。具体的，量子计算单元可以通过量子比特的量子态作为数据载体，基于量子态的线性叠加原理驱动量子比特演化以实现指定运算过程。例如，量子计算单元可以是基于超低温技术实现的超导量子比特控制电路。或者，量子计算单元可以是通过量子阱技术搭建的量子比特控制电路。当然，量子计算单元也可以是光量子集成芯片等。

在一种实施方式中，量子计算单元可以作为服务器。量子计算单元可以提供计算服务给连接到它的客户端。客户端可以与量子计算单元进行通信，并将需要进行量子计算的任务发送到量子计算单元进行处理。量子计算单元可以执行这些任务，并将结果返回给客户端。相应的，量子计算单元也可以与基础计算单元进行通讯。基础计算单元可以是具有一定运算能力和显示能力的电子设备。如电脑、智能手机和智能可穿戴设备等。

所述正态分布量子态制备方法可以包括以下步骤：

步骤201：获取第一预设参数和第二预设参数。

其中，所述第一预设参数用于表示所述正态分布量子态的制备精度，所述第二预设参数用于表示所述正态分布的分布规律。

正态分布是一种理论的概率分布，本发明实施例提供的方案中，正态分布量子态的制备过程是基于大数定律和独立同分布的中心极限定理对这种概率分布进行近似。在这种情况下，制备出的正态分布量子态相比于理论的正态分布就会存在一定程度的误差，误差越小则制备的精度越高，反之则精度越低。因此，通过获取反映制备精度的第一预设参数，能够根据精度需求进行正态分布的量子态制备，增加制备灵活性。

具体的，例如，第一预设参数可以包括制备精度，制备精度可以表示正态分布量子态的一种制备需求，高精度的正态分布量子态可以更准确地进行量子计算，以精准模拟经典的随机过程。相应的，低精度的正态分布量子态制备耗时较短，不会过多地占用计算资源，可以简单地模拟一些低精度需求的经典随机过程。又例如，第一预设参数可以包括误差参数，所述误差参数能够表示制备的每个量子态所对应的概率值与理论正态分布下所对应概率值的差值，也可以将差值进行处理，得到与所述差值具有一定映射关系的数据，以作为误差参数。当然，第一预设参数还可以包括其他能够反映所述近似程度的数据。

此外，在一些情况下，正态分布作为一种常用的概率分布，其分布规律通常可以通过正态分布的参数来体现，参数不同，则正态分布的特征和性质也会相应不同。因此，通过获取能够影响正态分布规律或特征的第二预设参数，能够制备出不同参数影响下的正态分布。在本实施方式中，第二预设参数可以用于表示所要制备的正态分布的分布规律。所述分布规律可以包括所要制备的正态分布的形状、分布特征、期望、方差等。第二预设参数可以反映所要制备的正态分布的这些特征。

具体的，例如，第二预设参数可以包括正态分布的期望值E(x)和方差D(x)，所述期望值E(x)和方差D(x)能够影响正态分布的统计特征和形状。正态分布的概率密度函数呈现出典型的钟形曲线，中间最高，两侧逐渐下降，这是因为大部分数据集中在期望值附近，而边缘的数据逐渐减少。其中，期望值E(x)决定了分布的中心，方差D(x)决定了数据点在期望值周围的分散程度。方差越大，曲线越宽，数据越分散。相应的，第一预设参数也可以包括其他参数，例如可以包括正态分布的均值μ和标准差σ等，在此不做具体限定。

在本实施方式中，通过获取第一预设参数和第二预设参数，可以用于确定制备正态分布量子态所需的量子比特数量和所需的量子逻辑门的参数。获取第一预设参数和第二预设参数，可以通过直接获取预设在量子计算单元的所述第一预设参数和第二预设参数，也可以通过接收经典计算机作为基础计算单元向量子计算单元发送的所述第一预设参数和第二预设参数，当然也可以将量子计算单元作为服务器，接收其连接的客户端发送的第一预设参数和第二预设参数。

步骤202：基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n。

可以理解的是，用于制备正态分布量子态的量子比特的数量越多，经后续设置旋转参数的RY门操作和求和操作后形成的量子态，其近似表示正态分布的近似程度也越高，误差程度也就越小。那么在每次制备正态分布量子态之前，可以综合考虑该正态分布量子态的制备精度需求、制备耗时以及制备所需计算资源等多方面因素，预先设置用于表示该正态分布量子态的制备精度的第一预设参数。进而可以基于已设置的第一预设参数，确定此次正态分布量子态制备所需的量子比特数量。

作为本发明实施例的一种实施方式，上述第一预设参数可以包括所述正态分布量子态的制备精度ε，上述基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n，可以包括：

基于所述正态分布量子态的制备精度ε确定用于制备所述正态分布量子态的量子比特数量n。

其中，所述制备精度ε与2的量子比特数量n次方互为倒数。

具体的，可以基于以下公式计算得到用于制备正态分布量子态的量子比特数量n：

2

通过该公式可以准确计算得到每一制备精度ε对应的用于制备正态分布量子态的量子比特数量n。例如，某次正态分布量子态的制备精度为0.125，通过上述公式可以计算得到制备该正态分布量子态所需的量子比特数量为3。

在一种实施方式中，当某一制备精度ε对应的量子比特数量n不为整数时，可以采用向上取整的方式，确保能够达到该制备精度所指示的精度需求。相应的，也可以通过其它方式确定用于制备正态分布量子态所需的量子比特数量，只要该数量个量子比特制备得到的正态分布量子态能够满足预设的制备精度需求即可，在此不做具体限定。从而能够根据精度需求进行正态分布的量子态制备，增加制备灵活性。

步骤203：基于所述第二预设参数确定每一所述量子比特的旋转参数，并对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作。

具体的，本实施例采用振幅编码的方式对量子态进行编码，量子态编码使用的量子逻辑门为RY门，可以表示为以下的酉矩阵形式：

该PY门可以实现如下的量子态演化：

PY(θ)|0>＝cos(θ/2)|0>+sin(θ/2)|1>

那么，基于表示正态分布的分布规律的第二预设参数，就可以计算得到步骤202中确定的n个量子比特各自的旋转参数。进一步的，可以针对每个处于初始状态的量子比特，分别对其作用一个RY门，该RY门的旋转参数是基于表示正态分布的分布规律的第二预设参数计算得到的。其中，不同量子比特被执行RY门操作对应的旋转参数可以相同，也可以不相同。

在本实施方式中，RY门的旋转参数可以用于控制所述RY门将量子比特激发至特定状态，进一步的，量子比特所处的所述特定状态可以用于构成表示正态分布的目标量子态。那么如果对这n个量子比特进行求和操作，求和得到的量子态的概率分布即可满足类似上述正态分布的分布规律。

作为本发明实施例的一种实施方式，上述第二预设参数可以包括所述正态分布的期望值E(x)，上述基于所述第二预设参数确定每一所述量子比特的旋转参数，可以包括：

基于所述期望值E(x)和所述量子比特数量n，确定每一所述量子比特的旋转参数θ；其中，所述旋转参数θ满足以下公式：

具体的，在一种实施方式中，有如下的正态分布量子态的制备思路：

首先，可以使用一个量子比特的叠加态来制备得到一个两点分布，该两点分布可以表示为：cosθ|0>+sinθ|1>，包括该量子叠加态坍缩到|0>和坍缩到|1>这两个对立的事件。相应的，该叠加态坍缩到|0>的概率为P(|0>)＝cos

进一步的，大数定理描述了随着样本量的增加，样本平均会趋向于真实均值，即样本均值会收敛到期望值的现象，指出了随机现象在大样本情况下会表现出稳定的趋势。而独立同分布的中心极限定理则描述了当从任何分布中抽取大量独立随机变量的平均值时，无论原始分布是什么样，这些平均值的分布会趋向于一个正态分布。因此可以对n个量子比特的初态进行演化，制备得到n个与上述叠加态相同的量子态，表示为

并且，如果再通过常数加法器在上述求和得到的量子态上加上任意的常数α，就能够制备得到N(n sin

在本实施例中，若确定了量子比特数量n和正态分布的期望值E(x)，便可以通过上述制备思路反向计算出每一量子比特的旋转参数θ。在此之前，需要先确定正态分布的期望值E(x)，因而在上述步骤201中，若获取的第二预设参数为均值μ，可以将该均值μ作为上述期望值E(x)；若获取的第二预设参数为方差D(x)，则可以将期望值E(x)基于方差D(x)和旋转参数θ表示为D(x)/sin

例如，需要制备的目标正态分布的期望值

相应的，上述对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作，可以包括：

对每个处于初始状态的量子比特，分别执行RY(2θ)门操作。

具体的，本发明实施例中的RY门可以实现RY(θ)|0>＝cos(θ/2)|0>+sin(θ/2)|1>的量子态演化，那么对每个处于初始状态|0>的量子比特，分别执行RY(2θ)门操作，则该RY(2θ)门操作后的量子比特的量子态均为cosθ|0>+sinθ|1>。

例如，上述示例中的旋转参数为

作为本发明实施例的一种实施方式，上述第二预设参数可以包括所述正态分布的方差D(x)，上述量子比特数量n为奇数，上述基于所述第二预设参数确定每一所述量子比特的旋转参数，可以包括：

将其中一个所述量子比特的旋转参数设置为θ

在一种实施方式中，若直接通过上述公式

例如，需要制备的目标正态分布满足

因此需要对上述方案进行优化，使得制备得到的正态分布量子态的概率分布更加对称，从而进一步提高使用正态分布量子态模拟经典的随机过程的准确性。而Lyapunov(李亚普诺夫)定理指出，根据随机变量序列的矩和其方差收敛性，可以判断该随机变量序列的极限和极限的分布，从而可以反向计算得到各量子比特的旋转参数。由此可以设计了一种新的确定各量子比特的旋转参数的方案，与之前的方案不同的是，该方案中的各量子比特的旋转参数并不完全相同。

具体的，在一种实施方式中，可以获取正态分布的方差D(x)，并将制备该正态分布量子态的量子比特数量n设置为奇数。那么将其中1个量子比特的旋转参数设置为

求解得到所述旋转参数θ

例如，需要制备的目标正态分布满足

相应的，上述对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的θ门操作，可以包括：

对其中一个量子比特执行RY(2θ

具体的，可以对其中一个量子比特执行RY(2θ

例如，上述示例中的旋转参数为

在本实施例中，通过获取正态分布的方差D(x)，并将制备该正态分布量子态的量子比特数量n设置为奇数，可以进一步地单独设置每一量子比特的旋转参数，并对每一量子比特执行各自的旋转参数对应的RY门操作，从而可以制备得到任意方差的正态分布。本说明书的实施方式提供的正态分布量子态制备方法，仅通过在每个用于量子态制备的量子比特上施加一个RY门就能够得到表示正态分布的量子态，其基本门复杂度仅为O(n)或O(log

步骤204：对n个所述量子比特执行求和操作，得到所述正态分布量子态。

具体的，可以通过量子计算中常用的常数加法器，将n个量子比特的量子态进行求和，求和得到的量子态即为需要制备得到的正态分布量子态。

作为本发明实施例的一种实施方式，上述第二预设参数可以包括所述正态分布的期望值，在上述基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n之前，上述方法还可以包括：

若所述期望值不处于预设区间内，则对所述期望值进行数值变换，使得变换后的期望值处于预设区间内。

具体的，由于当前的量子计算机的量子比特的数量有限，而本方案中的量子比特的量子态的概率分布符合|0>和|1>的两点分布，若不经过数值变换，n个量子比特制备的量子态求和得到的和值最大只能取到n，最小值为0，显然无法满足任意正态分布的制备寻求。因此，可以预先设置正态分布的期望值的预设区间，该预设区间可以基于可供使用的量子比特数量、制备精度需求和计算资源占用等多方面的条件设置，在此不做具体限定。

在本实施例中，当获取到正态分布的期望值时，可以判断上述期望值是否在该预设区间内；若在，可以直接基于本发明实施例所提供的正态分布量子态制备方法，制备得到对应的正态分布量子态；若不在，可以通过数值变换的方式对上述期望值进行处理，使得经过该数值变换后的期望值处于预设区间内。例如，可以对该期望值进行缩放处理，即将该期望值乘以一个系数，和/或，可以对该期望值进行平移处理，即在该期望值上加一个常数，这些都是可行的。

相应的，在上述对n个所述量子比特执行求和操作之后，上述方法还可以包括：

对所述求和操作得到的量子态，执行所述数值变换的逆变换对应的量子逻辑门操作。

具体的，当正态分布的期望值不在该预设区间内，由于在制备过程之前已经对该期望值进行了数值变换，而通过上述正态分布量子态制备方法得到的量子态的期望值为上述数值变换后的期望值，因此需要对求和操作得到的量子态进行该数值变换的逆变换，以恢复得到原始的期望值。因此，可以对该量子态执行所述数值变换的逆变换对应的量子逻辑门操作，例如，可以在存储该量子态的量子比特上作用量子乘法器或量子加法器对应的量子逻辑门，从而将该量子态对应的概率分布的期望值转化为原始的正态分布的期望值。

在一些实施方式中，所述正态分布量子态可以用于模拟资产价格波动量的概率分布情况；其中，正态分布量子态包括的多种状态可以表示多个资产价格波动量；处于正态分布量子态的n个量子比特经测量后得到的确定状态可以表示所模拟的一个资产价格波动量。

在一些情况下，由于正态分布具备无记忆性的特性，这种特性与资产价格波动的特点相吻合，即未来的价格变化不受过去价格变化的影响，因此，本实施方式中所制备的正态分布量子态可以作为一种价格变化的概率密度模型，用于模拟资产价格波动量的概率分布情况。

在本实施方式中，对于该n个量子比特，通过正态分布量子态制备过程得到的正态分布量子态可以包括2

参见图6，图6为本发明实施例提供的一种正态分布量子态制备装置，所述装置包括：

获取模块601，用于获取第一预设参数和第二预设参数；其中，所述第一预设参数用于表示所述正态分布量子态的制备精度，所述第二预设参数用于表示所述正态分布的分布规律；

确定模块602，用于基于所述第一预设参数确定用于制备所述正态分布量子态的量子比特数量n；

旋转模块603，用于基于所述第二预设参数确定每一所述量子比特的旋转参数，并对处于初始状态的n个所述量子比特分别执行所述旋转参数对应的RY门操作；

求和模块604，用于对n个所述量子比特执行求和操作，得到所述正态分布量子态。

关于正态分布量子态制备装置实现的具体功能和效果，可以参照本说明书其他实施方式对照解释，在此不再赘述。所述正态分布量子态制备装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。所述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

请参阅图7。本说明书实施方式还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一实施方式中的正态分布量子态制备方法。请参阅图7，所述计算机设备可以是经典计算机。所述计算机设备也可以是量子计算机。

本说明书实施方式还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时使得，该计算机执行上述任一实施方式中的正态分布量子态制备方法。

本说明书实施方式还提供一种包含指令的计算机程序产品，该指令被计算机执行时使得计算机执行上述任一实施方式中的正态分布量子态制备方法。

可以理解，本说明书中的具体的示例只是为了帮助本领域技术人员更好地理解本说明书实施方式，而非限制本发明的范围。

可以理解，在本说明书中的各种实施方式中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本说明书实施方式的实施过程组成任何限定。

可以理解，本说明书中描述的各种实施方式，既可以单独实施，也可以组合实施，本说明书实施方式对此并不限定。

除非另有说明，本说明书实施方式所使用的所有技术和科学术语与本说明书的技术领域的技术人员通常理解的含义相同。本说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在限制本说明书的范围。本说明书所使用的术语“和/或”包括一个或多个相关的所列项的任意的和所有的组合。在本说明书实施方式和所附权利要求书中所使用的单数形式的“一种”、“上述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

可以理解，本说明书实施方式的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施方式的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施方式中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施方式所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

可以理解，本说明书实施方式中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本领域普通技术人员可以意识到，结合本文中所公开的实施方式描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本说明书的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施方式中的对应过程，在此不再赘述。

在本说明书所提供的几个实施方式中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。

另外，在本说明书各个实施方式中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本说明书的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本说明书揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本说明书的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。