[发明专利]一种基于量子卷积神经网络的图像识别系统及方法

权利要求书

1.一种基于量子卷积神经网络的图像识别系统，其特征在于，包括：量子态输入单元、量子卷积神经网络运算单元、量子态测量单元以及网络优化单元；其中，

所述量子态输入单元，用于制备或读入对图像信息进行编码的量子比特；

所述量子卷积神经网络运算单元，包括多个量子神经网络层；其中，每个量子神经网络层为量子卷积层、量子池化层和量子全连接层中的任意一种；所述量子卷积神经网络运算单元用于对所述量子比特施加多种量子门或者多种量子测量操作；

所述量子态测量单元，用于对经过所述量子卷积神经网络运算单元操作后剩余的一个或多个量子比特施加量子测量操作，获取测量结果，并将测量结果映射到输入数据的期望输出值上，给出图像识别任务的输出结果；

所述网络优化单元，用于将所述量子态测量单元给出的输出结果与输入数据所对应的期望输出值进行比较，更新所述量子卷积神经网络运算单元中量子门的可调参数，并更新所述量子态测量单元中的可调参数；

在量子卷积神经网络运算单元中，首先放置量子卷积层，之后交错放置量子卷积层和量子池化层，最后放置量子全连接层；

所述量子卷积层由多个量子门组成，所述量子门包括单量子比特门和多量子比特门；所述单量子比特门施加于单个量子比特上，所述多量子比特门施加于相邻的多个量子比特上；所述量子比特为一维量子比特阵列或二维量子比特阵列，所述量子比特的相邻关系为在一维量子比特阵列中相邻、在二维量子比特阵列中相邻以及由量子计算硬件定义的相邻关系中的任意一种；

所述量子池化层，包括量子测量操作和受控单量子比特门；其中，所述受控单量子比特门用于依据所述量子测量操作的测量结果，对量子比特施加不同的幺正变换操作；

所述量子全连接层，用于对经过所述量子卷积层和所述量子池化层后剩余的量子比特施加多个单量子比特门或多量子比特门。

2.如权利要求1所述的基于量子卷积神经网络的图像识别系统，其特征在于，所述量子态输入单元，用于根据数字图像数据制备编码有相应图像信息的量子比特，或者，用于读入作为输入数据的、编码有图像信息的量子比特。

3.如权利要求1所述的基于量子卷积神经网络的图像识别系统，其特征在于，所述量子态测量单元，用于对量子比特施加单次量子测量操作，给出单次测量结果1或-1；或者，

所述量子态测量单元，用于对量子比特施加多次量子测量操作，取多次测量结果的平均值为输出结果，或者，对多次测量结果进行函数运算或经典神经网络运算，将运算结果作为输出结果。

4.如权利要求1所述的基于量子卷积神经网络的图像识别系统，其特征在于，所述网络优化单元，用于通过定义损失函数，来对输出结果和输入数据的期望输出值进行相似度度量，并通过计算损失函数相对于量子卷积神经网络模型中可调参数的梯度，来更新所述量子卷积神经网络运算单元中量子门的可调参数，并更新所述量子态测量单元中的可调参数。

5.一种计算设备，其特征在于，包括如权利要求1~4任一项所述的基于量子卷积神经网络的图像识别系统。