[发明专利]数据压缩方法、装置、电子设备和存储介质

说明书

本申请公开了一种数据压缩方法，涉及量子奇异值分解和量子机器学习技术领域。具体实现方案为：获取预先制备的正交量子态向量组和待压缩数据的原始信息矩阵，正交量子态向量组包括彼此正交的多个量子态向量；使用量子神经网络基于正交量子态向量组和原始信息矩阵来估计原始信息矩阵的奇异值序列，并基于所估计的奇异值序列计算量子神经网络的损失；在损失满足预设条件的情况下，基于在估计奇异值序列的过程中产生的量子态矩阵和所估计的奇异值序列，计算待压缩数据的压缩信息矩阵。本申请还公开了一种数据压缩装置、电子设备和存储介质。

技术领域

本申请涉及量子计算领域，具体涉及量子奇异值分解和量子机器学习技术。更具体地，本申请提供了一种数据压缩方法、装置、电子设备和存储介质。

背景技术

量子计算机正在朝着规模化和实用化的方向前进，与经典的信息处理方式类似，高效地压缩和存储数据是极其重要的问题。

目前，在经典计算机上能够对经典数据进行压缩，但是无法实现对量子态数据的压缩。而在量子计算机上实现量子数据的压缩仍然存在较大的技术缺口。

发明内容

提供了一种数据压缩方法、装置、电子设备和存储介质。

根据第一方面，提供了一种数据压缩方法，包括：获取预先制备的正交量子态向量组和待压缩数据的原始信息矩阵，正交量子态向量组包括彼此正交的多个量子态向量；使用量子神经网络基于正交量子态向量组和原始信息矩阵来估计原始信息矩阵的奇异值序列，并基于所估计的奇异值序列计算量子神经网络的损失；在损失满足预设条件的情况下，基于在估计奇异值序列的过程中产生的量子态矩阵和所估计的奇异值序列，计算待压缩数据的压缩信息矩阵。

根据第二方面，提供了一种数据压缩装置，包括：获取模块，用于获取预先制备的正交量子态向量组和待压缩数据的原始信息矩阵，正交量子态向量组包括彼此正交的多个量子态向量；估计模块，用于使用量子神经网络基于正交量子态向量组和原始信息矩阵来估计原始信息矩阵的奇异值序列，并基于所估计的奇异值序列计算量子神经网络的损失；计算模块，用于在损失满足预设条件的情况下，基于在估计奇异值序列的过程中产生的量子态矩阵和所估计的奇异值序列，计算待压缩数据的压缩信息矩阵。

根据第三方面，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，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根据本申请提供的数据压缩方法。

根据第四方面，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根据本申请提供的数据压缩方法。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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，不构成对本申请的限定。其中：

图1是根据本申请一个实施例的在经典计算机上对存储数据的信息矩阵进行奇异值分解的原理示意图；

图2是根据本申请的一个实施例的可以应用数据压缩方法和装置的示例性系统架构；

图3是根据本申请的一个实施例的数据压缩方法的流程图；

图4是根据本申请的另一个实施例的数据压缩方法的流程图；

图5是根据本申请的一个实施例的估计原始信息矩阵的奇异值序列方法的流程图；

图6是根据本申请的一个实施例的阿达马测试模型的示意图；

图7是根据本申请的一个实施例的计算待压缩数据的压缩信息矩阵的方法的流程图；