[发明专利]一种基于量子线路的人工神经元构造方法

权利要求书

1.一种基于量子线路的人工神经元构造方法，其特征在于，包括以下步骤：

将量子神经元模型的经典输入与权重信息分别编码至量子计算基态上，量子神经元模型处理量子信息，而将经典信息编码至量子计算基态上便可作为量子信息进行处理；

将包含神经元权重值的受控酉门作用在已编码至量子计算基态的经典输入信息上；

通过量子相位估计得到神经元输出，量子神经元构造出来用于组建量子神经网络；

所述量子神经元模型由三部分量子线路组成，具体包括：

1)输入与权重相互作用量子线路：该部分量子线路实现量子神经元计算的第一阶段过程，主要为经元输入量子态与受控权重酉门的相互作用，该阶段用于实现神经元接收到来自不同连接强度输入值，并将结果写入由输入与权重量子态及辅助量子比特所组成的系统状态的本征值的相位上；

2)输出估计量子线路：该部分量子线路实现量子神经元计算的第二阶段过程，应用量子逆傅里叶变换到计数量子比特寄存器，这里量子逆傅里叶变换实现了经典神经元激活函数的功能，然后通过在计算基态中的测量读出计数量子比特寄存器状态，从而得到量子神经元相应的输出；

3)权重更新量子线路：该部分量子线路实现对权重的更新，用于根据实际输出值与期望输出值比较后对权重进行调整，将权重值的更新转换为对表示权重量子态的每一个量子比特状态的更新；

所述1)输入与权重相互作用量子线路中，若已经引入神经元阈值θ后的神经元输入向量为X′＝(x₁；x₂；...；x_n；-1)，x_i∈{-1,1}，而相应的权重向量为W′＝(w₁；w₂；...；w_n；θ)，w_i,θ∈(-1,1)，其中i＝1,...,n，n为未引入神经元阈值的输入向量中元素个数，将输入向量X′与权重向量W′分别编码至量子计算基态上有：

然后权重向量的值将会作为参数写入受控酉门中，有k表示计数量子比特寄存器的状态值，在计数量子比特寄存器通过Hadamard门后，将受控于计数量子比特寄存器与权重量子态的酉门U^k(W′)作用于输入量子态|X′上，则在进行逆量子傅里叶变换前，整个系统的状态为：

H表示的是量子计算中的单量子比特门Hadamard门，而表示分别作用于计数量子比特寄存器t个量子比特的Hadamard门，该阶段主要实现神经元接收到来自不同连接强度输入值的功能，并将结果写入由输入与权重量子态及辅助量子比特所组成的系统状态的本征值的相位上；

受控酉门指数中的k-w_i表示计数量子比特寄存器状态值为k及权重量子态值为w_i时，则算子U^k(w_i)应用到输入量子比特|x_i上，将作用在输入量子比特|x_i上的酉门U(w_i)定义为：

其中则作用于整个输入量子态|X′的受控酉门U(W′)写做

2.根据权利要求1所述的一种基于量子线路的人工神经元构造方法，其特征在于，所述2)输出估计量子线路中，应用逆傅里叶变换到计数量子比特寄存器，令为假设的一个变量，用于表示的值；有得到如下结果：

这里逆量子傅里叶变换以实现激活函数的作用，测量后的量子寄存器状态为|l＝|l₁l₂…l_t，l_t表示计数量子比特寄存器中第t个量子比特的状态值，则可得估计值所以神经元输出为y∈[0,1)，而在感知机模型的输出为y∈{-1,1}，此时只需关注估计值是否大于也就是计数量子比特寄存器的第一个量子比特是否为|1，则令当|l₁＝|0时y＝-1，而当|l₁＝|1时y＝1。