[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

说明书

本公开提供了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，涉及人工智能技术领域，尤其涉及量子计算、深度学习技术领域。具体实现方案为：获取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样本量子数据点的部分量子比特；针对每个样本量子数据点，将多个局域量子电路分别作用到样本量子数据点的部分量子比特上，不同局域量子电路作用的量子比特存在差异；并将测量得到的作用后的部分量子比特的第一状态信息以及第一类别信息作为对经典神经网络进行训练的训练数据。节省了量子数据分类时使用的量子资源，且为提升量子数据分类的精度奠定了基础。

技术领域

本公开涉及人工智能技术领域，特别涉及量子计算、深度学习技术领域，尤其涉及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。

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，量子机器学习(QuantumMachine Learning)是量子计算中的前沿方向。与经典机器学习相似，精确地分类和辨别量子数据是极其重要的问题。

由于目前可运行的量子设备是中等规模(50-100个量子比特)并且含有噪声的，因此，如何结合经典计算机的算力使用尽量少的量子资源来实现量子数据的精确分类，成为量子机器学习方向亟待解决的问题。

发明内容

本公开提供了一种用于量子数据分类的模型训练方法、量子数据分类方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了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。

根据本公开的一方面，提供了另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。

根据本公开的一方面，提供了一种量子数据分类方法，包括：获取待分类的量子数据集；将多个局域量子电路分别作用到所述待分类的量子数据集中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第三状态信息，以使训练后的经典神经网络依据所述第三状态信息对所述待分类的量子数据集进行分类；其中，多个所述局域量子电路以及分别所作用的所述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。

根据本公开的一方面，提供了另一种量子数据分类方法，包括：获取多个局域量子电路分别作用到待分类的量子数据集中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三状态信息；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；将所述第三状态信息输入至训练后的经典神经网络中，得到所述量子数据集中量子数据点所属类别的预测信息。