[发明专利]量子神经网络训练方法及装置、电子设备和介质有效

专利信息
申请号: 202110432127.0 申请日: 2021-04-21
公开(公告)号: CN113033703B 公开(公告)日: 2021-10-26
发明(设计)人: 王鑫;于思拙;宋旨欣;赵炫强 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G06N10/00
代理公司: 北京市汉坤律师事务所 11602 代理人: 姜浩然;吴丽丽
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 量子 神经网络 训练 方法 装置 电子设备 介质
【说明书】:

本公开提供了一种量子神经网络训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品,涉及量子计算领域,尤其涉及量子信息传输技术领域。实现方案为:对于量子通信双方中的每一方:初始化待训练的第一量子神经网络和至少两个第二量子神经网络,并获取量子态训练集;设置双方共享的一个或多个处于纠缠态的量子比特对;对于每一个量子态组合:将量子态组合中的量子态输入各自对应的第一量子神经网络中,并测量其输出的且不输入到至少两个第二量子神经网络中的每一个的量子比特以得到相应的量子态;根据测量的结果选择性运行第二量子神经网络,以获得双方输出量子比特的量子态以计算损失函数;以及调整参数值,以使得损失函数达到最小值。

技术领域

本公开涉及量子计算领域,尤其涉及量子信息传输技术领域,具体涉及一种量子神经网络训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人类正处于新一轮量子科技高速兴起的浪潮之中,越来越多的量子科技在不断涌现,量子硬件的技术也在逐年提升,量子通信以及量子互联网也在不断发展,这其中最根本的一项技术就是量子隐形传态(Quantum Teleportation,QT),泛指通过量子纠缠和经典通信来实现量子信息的传输。该技术通过利用量子纠缠(Quantum entanglement),可以实现任意距离上的量子信息传输,因此对量子通信、分布式量子计算和量子网络的发展都有着不可替代的重要性。

当前对量子双向隐形传态需要进行两次量子单向隐形传态,而量子纠缠资源的制备和分配是困难的。因此,如何利用尽可能少的纠缠资源来完成更多量子信息的传输,对于量子科技的实际应用有着至关重要的意义。

发明内容

本公开提供了一种量子神经网络训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面,提供了一种量子神经网络训练方法,包括:对于量子通信双方中的每一方:初始化待训练的第一量子神经网络和至少两个第二量子神经网络,并获取对应于待传输的量子比特的量子态训练集,其中,所述第一量子神经网络被配置为接收用于量子通信的量子比特,所述至少两个第二量子神经网络中的每一个被配置为接收所述第一量子神经网络输出的与待传输的量子比特数量相同的量子比特;设置量子通信双方共享的一个或多个处于纠缠态的量子比特对;对于每一个量子态组合,其中所述每一个量子态组合包括分别来自两组所述训练集的一个量子态:将所述量子态组合中的量子态以及所述处于纠缠态的量子比特对中的量子比特输入各自对应的所述第一量子神经网络中,并测量所述第一量子神经网络输出的且不输入到所述至少两个第二量子神经网络中的每一个的量子比特以得到相应的量子态;根据对方的所述测量的结果选择性运行相应的第二量子神经网络,以获得双方的所述相应的第二量子神经网络各自输出的量子比特的量子态,作为进行所述量子通信后双方交换得到的量子信息;以及计算所述量子通信双方中的每一方所得到的量子态与所述量子态组合中的相应量子态之间的误差;基于所有所述量子态组合所对应的误差计算损失函数;以及调整量子通信双方中的每一方的所述第一量子神经网络和所述第二量子神经网络的参数值,以使得所述损失函数达到最小值,从而获得训练后的所述第一量子神经网络和所述第二量子神经网络。

根据本公开的另一方面,提供了一种双向量子隐形传态方法,包括:设置量子通信双方共享的一个或多个处于纠缠态的量子比特对;对于量子通信双方中的每一方:将用于量子通信的量子比特输入第一量子神经网络,并将所述第一量子神经网络输出的与待传输的量子比特数量相同的量子比特输入第二量子神经网络;测量所述第一量子神经网络输出的且不输入到所述第二量子神经网络中的量子比特,以得到相应的量子态;根据对方的所述测量的结果选择性运行相应的第二量子神经网络,以获得双方的所述相应的第二量子神经网络各自输出的量子比特的量子态,作为进行所述量子通信后双方交换得到的量子信息,其中,所述量子通信双方的所述第一量子神经网络以及所述第二量子神经网络通过根据本公开所述的量子神经网络训练方法获得。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110432127.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top