[发明专利]用于量子数据分类的模型训练方法以及量子数据分类方法

权利要求书

1.一种用于量子数据分类的模型训练方法，包括：

获取量子数据训练集以及所述量子数据训练集中每个样本量子数据点所属的类别信息；

针对所述每个样本量子数据点，将多个不同的局域量子电路分别作用到所述样本量子数据点的部分量子比特上，并测量得到作用后的所述部分量子比特的状态信息，其中，所述多个不同的局域量子电路作用的量子比特存在差异；

将所述状态信息以及所述类别信息作为对经典神经网络进行训练的训练数据，以使训练后的所述经典神经网络对待分类的量子数据集进行分类；

所述将多个不同的局域量子电路分别作用到所述样本量子数据点的部分量子比特上之前，包括：

预先准备多个局域量子电路，根据量子设备的限制优化所述局域量子电路的结构，针对每个所述局域量子电路，根据设定的配置信息，确定所述局域量子电路所作用的部分量子比特，所述量子设备的限制包括不同的量子比特之间不易同时提取信息所带来的限制。

2.根据权利要求1所述的方法，其中，所述将多个局域量子电路分别作用到所述样本量子数据点的部分量子比特上之前，还包括：

针对每个所述局域量子电路，通过电子设备随机选定所述局域量子电路所作用的部分量子比特。

3.根据权利要求1或2所述的方法，其中，还包括：

获取总差异度，其中，所述总差异度是根据所述量子数据训练集中各所述样本量子数据点分别对应的预测信息以及分别所属的类别信息确定的；

基于所述总差异度对所述多个局域量子电路进行训练。

4.一种用于量子数据分类的模型训练方法，包括：

获取训练数据；其中，所述训练数据包括量子数据训练集中每个样本量子数据点所属的类别信息，以及多个不同的局域量子电路分别作用到所述每个样本量子数据点的部分量子比特上后，测量得到的所述部分量子比特的状态信息，其中，所述多个不同的局域量子电路作用的量子比特存在差异；

利用所述训练数据对经典神经网络进行训练，以使训练后的所述经典神经网络对待分类的量子数据集进行分类；

在所述多个不同的局域量子电路分别作用到所述每个样本量子数据点的部分量子比特上之前，包括：

预先准备多个局域量子电路，根据量子设备的限制优化所述局域量子电路的结构，针对每个所述局域量子电路，根据设定的配置信息，确定所述局域量子电路所作用的部分量子比特，所述量子设备的限制包括不同的量子比特之间不易同时提取信息所带来的限制。

5.根据权利要求4所述的方法，其中，所述利用所述训练数据对经典神经网络进行训练，包括：

针对所述训练数据中的每个样本量子数据点，将所述多个局域量子电路分别作用到所述样本量子数据点的部分量子比特上后，测量得到的所述部分量子比特的状态信息，输入所述经典神经网络，并获取所述经典神经网络输出的所述样本量子数据点对应的预测信息；

根据所述量子数据训练集中各样本量子数据点分别对应的预测信息以及分别所属的类别信息，确定总差异度；

根据所述总差异度确定损失函数，以基于所述损失函数对所述经典神经网络进行训练。

6.根据权利要求5所述的方法，其中，所述根据所述量子数据训练集中各样本量子数据点分别对应的预测信息以及分别所属的类别信息，确定总差异度，包括：

针对所述量子数据训练集中每个所述样本量子数据点，计算所述样本量子数据点对应的所述预测信息以及所属的所述类别信息之间的交叉熵，将所述交叉熵作为所述样本量子数据点对应的所述预测信息与所属的所述类别信息之间的差异度；

根据所述量子数据训练集中各所述样本量子数据点分别对应的所述预测信息与所属的所述类别信息之间的差异度，确定所述总差异度。

7.根据权利要求5所述的方法，其中，所述损失函数还用于对所述多个局域量子电路进行训练。