[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第一类别信息；

通过预训练的方式，确定多个局域量子电路以及分别所作用的所述样本量子数据点的部分量子比特；

针对每个所述样本量子数据点，将多个所述局域量子电路分别作用到所述样本量子数据点的所述部分量子比特上，并测量得到作用后的所述部分量子比特的第一状态信息，其中，不同的所述局域量子电路作用的量子比特存在差异；

将所述第一状态信息以及所述第一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；

其中，所述通过预训练的方式，确定多个局域量子电路以及分别所作用的所述样本量子数据点的部分量子比特，包括：

获取量子数据预训练集以及所述量子数据预训练集中每个预训练量子数据点所属的第二类别信息；

针对每个所述预训练量子数据点，将多个候选局域量子电路分别作用到随机选定的所述预训练量子数据点的部分候选量子比特上，并测量得到作用后的所述部分候选量子比特的第二状态信息，其中，不同的所述候选局域量子电路作用的部分候选量子比特存在差异；

将所述第二状态信息以及所述第二类别信息作为对所述经典神经网络进行预训练的预训练数据，以根据预训练后的所述经典神经网络的各参数，从多个所述候选局域量子电路中确定所述多个局域量子电路，并将作用的所述预训练量子数据点的部分候选量子比特作为对应的所述样本量子数据点的所述部分量子比特。

2.根据权利要求1所述的方法，其中，所述多个局域量子电路以及分别作用的所述样本量子数据点的所述部分量子比特，是所述预训练后的所述经典神经网络的各参数分别关联的所述候选局域量子电路中，满足预设条件的参数所关联的多个所述候选局域量子电路以及分别作用的所述部分候选量子比特。

3.根据权利要求1-2任一项所述的方法，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第一类别信息确定的；

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第一类别信息，以及多个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第一状态信息；其中，多个所述局域量子电路以及分别所作用的所述样本量子数据点的所述部分量子比特是通过预训练方式确定的，不同的所述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；

其中，所述获取训练数据之前，还包括：

获取预训练数据；其中，所述预训练数据包括量子数据预训练集中每个预训练量子数据点所属的第二类别信息，以及多个候选局域量子电路分别作用到随机选定的所述预训练量子数据点的部分候选量子比特上后，测量得到的所述部分候选量子比特的第二状态信息，其中，不同的所述候选局域量子电路作用的部分候选量子比特存在差异；

利用所述预训练数据对所述经典神经网络进行预训练，以根据预训练后的所述经典神经网络的各参数，从多个所述候选局域量子电路中确定所述多个局域量子电路，并将作用的所述预训练量子数据点的部分候选量子比特作为对应的所述样本量子数据点的所述部分量子比特。

5.根据权利要求4所述的方法，其中，所述从多个所述候选局域量子电路中确定所述多个局域量子电路，并将作用的所述预训练量子数据点的部分候选量子比特作为对应的所述样本量子数据点的所述部分量子比特，包括：

获取与预训练后的所述经典神经网络的各参数分别关联的所述候选局域量子电路；

将所述各参数中满足预设条件的参数所关联的多个所述候选局域量子电路，确定为所述多个局域量子电路，并将分别作用的所述预训练量子数据点的部分候选量子比特作为对应的所述样本量子数据点的所述部分量子比特。