本發(fā)明涉及量子計(jì)算，特別是一種含參量子線路的訓(xùn)練方法及相關(guān)裝置。

背景技術(shù)：

1、訓(xùn)練大規(guī)模的量子機(jī)器學(xué)習(xí)模型可以在多種任務(wù)上取得更好的結(jié)果，如提升圖像分類(lèi)任務(wù)的準(zhǔn)確率。然而，隨著參數(shù)規(guī)模的擴(kuò)大，所需的量子線路的執(zhí)行次數(shù)的增加，在單個(gè)真實(shí)量子計(jì)算機(jī)上運(yùn)行相關(guān)實(shí)現(xiàn)可能會(huì)照成運(yùn)行速度較慢的問(wèn)題，并且也可能隨著訓(xùn)練會(huì)出現(xiàn)過(guò)擬合的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種含參量子線路的訓(xùn)練方法及相關(guān)裝置，以解決現(xiàn)有技術(shù)中的技術(shù)問(wèn)題，它能夠?qū)崿F(xiàn)基于真實(shí)量子計(jì)算機(jī)情況下的并行計(jì)算，減少相關(guān)實(shí)驗(yàn)的運(yùn)行時(shí)間，還可以預(yù)防過(guò)擬合現(xiàn)象。

2、第一方面，本發(fā)明提供了一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，所述方法包括：

3、構(gòu)建含參量子線路，所述含參量子線路包括多個(gè)第一部分量子邏輯門(mén)和多個(gè)第二部分量子邏輯門(mén)，所述第一部分量子邏輯門(mén)的參數(shù)為固定參數(shù)，所述第二部分量子邏輯門(mén)的參數(shù)為可訓(xùn)練參數(shù)；

4、獲取訓(xùn)練集，判斷訓(xùn)練集是否滿(mǎn)足拆分條件，若是，將所述訓(xùn)練集的數(shù)據(jù)拆分為多個(gè)子數(shù)據(jù)集，將多個(gè)子數(shù)據(jù)集分配給至少兩個(gè)真實(shí)量子計(jì)算機(jī)，每個(gè)所述真實(shí)量子計(jì)算機(jī)均運(yùn)行相同的所述含參量子線路；

5、將所述子數(shù)據(jù)集的數(shù)據(jù)值編碼到所述第一部分量子邏輯門(mén)上作為所述固定參數(shù)；

6、初始化所述第二部分量子邏輯門(mén)的所述可訓(xùn)練參數(shù)，其中隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，丟失操作后的所述第二部分量子邏輯門(mén)的所述可訓(xùn)練參數(shù)設(shè)置為0；

7、運(yùn)行所述含參量子線路，獲得輸出量子態(tài)；

8、判斷所述輸出量子態(tài)是否滿(mǎn)足預(yù)設(shè)要求，如果否，更新所述可訓(xùn)練參數(shù)，用以滿(mǎn)足所述預(yù)設(shè)要求，獲得訓(xùn)練好的所述含參量子線路。

9、如上所述的一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其中，優(yōu)選的是，所述判斷所述訓(xùn)練集是否滿(mǎn)足拆分條件，包括：

10、判斷所述訓(xùn)練集的數(shù)據(jù)數(shù)量是否超出預(yù)設(shè)的閾值，其中，所述閾值根據(jù)所述含參量子線路內(nèi)的量子比特?cái)?shù)確定。

11、如上所述的一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其中，優(yōu)選的是，所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

12、獲取第一概率，所述第一概率為所述含參量子線路中某個(gè)量子比特被選中的概率；

13、獲取第二概率，所述第二概率為所述含參量子線路中某個(gè)所述第二部分量子邏輯門(mén)被選中的概率；

14、作用于某個(gè)所述量子比特的某個(gè)所述第二部分量子邏輯門(mén)被選中進(jìn)行丟失操作的概率為所述第一概率和所述第二概率的乘積。

15、如上所述的一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其中，優(yōu)選的是，所述第一概率和所述第二概率均為預(yù)設(shè)值，不同所述量子比特具有的所述第一概率相互之間存在差異或相同，不同所述第二部分量子邏輯門(mén)具有的所述第二概率相互之間存在差異或相同。

16、如上所述的一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其中，優(yōu)選的是，所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

17、生成一個(gè)隨機(jī)數(shù)，所述隨機(jī)數(shù)用于生成隨機(jī)的第三概率，所述第三概率為某個(gè)所述第二部分量子邏輯門(mén)被進(jìn)行丟失操作的概率。

18、如上所述的一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其中，優(yōu)選的是，所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

19、指定某個(gè)所述第二部分量子邏輯門(mén)固定進(jìn)行丟失操作，固定進(jìn)行丟失操作的所述第二部分量子邏輯門(mén)，然后再參與訓(xùn)練。

20、如上所述的一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其中，優(yōu)選的是，所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

21、通過(guò)將進(jìn)行丟失操作的若干個(gè)可能性列表進(jìn)行組合，組合方式可以使用固定的組合方式進(jìn)行設(shè)計(jì)，也可以通過(guò)隨機(jī)生成的方式進(jìn)行，使用隨機(jī)生成的方式則對(duì)生成的組合記錄，重復(fù)的列表則不再參與訓(xùn)練，然后通過(guò)網(wǎng)格遍歷的方式依次進(jìn)行訓(xùn)練，最后將符合預(yù)期的組合方式輸出。

22、第二方面，本發(fā)明提供了一種含參量子線路的訓(xùn)練裝置，包括：

23、含參量子線路構(gòu)建模塊，用于構(gòu)建含參量子線路，所述含參量子線路包括多個(gè)第一部分量子邏輯門(mén)和多個(gè)第二部分量子邏輯門(mén)，所述第一部分量子邏輯門(mén)的參數(shù)為固定參數(shù)，所述第二部分量子邏輯門(mén)的參數(shù)為可訓(xùn)練參數(shù)；

24、拆分模塊，用于判斷訓(xùn)練集是否滿(mǎn)足拆分條件，若是，將所述訓(xùn)練集的數(shù)據(jù)拆分為多個(gè)子數(shù)據(jù)集，將多個(gè)子數(shù)據(jù)集分配給至少兩個(gè)真實(shí)量子計(jì)算機(jī)，每個(gè)所述真實(shí)量子計(jì)算機(jī)均運(yùn)行相同的所述含參量子線路；

25、編碼模塊，用于將所述子數(shù)據(jù)集的數(shù)據(jù)值編碼到所述第一部分量子邏輯門(mén)上作為所述固定參數(shù)；

26、初始化模塊，初始化所述第二部分量子邏輯門(mén)的所述可訓(xùn)練參數(shù)，其中隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，丟失操作后的所述第二部分量子邏輯門(mén)的所述可訓(xùn)練參數(shù)設(shè)置為0；

27、計(jì)算模塊，用于運(yùn)行所述含參量子線路，獲得輸出量子態(tài)；

28、調(diào)整模塊，用于判斷所述輸出量子態(tài)是否滿(mǎn)足預(yù)設(shè)要求，如果否，更新所述可訓(xùn)練參數(shù)，用以滿(mǎn)足所述預(yù)設(shè)要求，獲得訓(xùn)練好的所述含參量子線路。

29、第三方面，本發(fā)明提供了一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)實(shí)現(xiàn)前述的方法。

30、第四方面，本發(fā)明提供了一種電子裝置，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)前述的方法。

31、與現(xiàn)有技術(shù)相比，本發(fā)明通過(guò)將訓(xùn)練集拆分為多個(gè)子數(shù)據(jù)集在多個(gè)真實(shí)量子計(jì)算機(jī)上進(jìn)行并行計(jì)算，降低了模型整體的訓(xùn)練時(shí)間，從而實(shí)現(xiàn)大數(shù)據(jù)集下模型的訓(xùn)練，減輕了單個(gè)量子計(jì)算機(jī)執(zhí)行的負(fù)擔(dān)，加快了含參量子線路執(zhí)行的速度，同時(shí)通過(guò)隨機(jī)丟失操作部分第二部分量子邏輯門(mén)來(lái)預(yù)防訓(xùn)練過(guò)程中出現(xiàn)的過(guò)擬合的現(xiàn)象。

技術(shù)特征：

1.一種基于多個(gè)真實(shí)量子計(jì)算機(jī)的含參量子線路的訓(xùn)練方法，其特征在于：所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述判斷所述訓(xùn)練集是否滿(mǎn)足拆分條件，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于：所述第一概率和所述第二概率均為預(yù)設(shè)值，不同所述量子比特具有的所述第一概率相互之間存在差異或相同，不同所述第二部分量子邏輯門(mén)具有的所述第二概率相互之間存在差異或相同。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述隨機(jī)對(duì)至少一個(gè)所述第二部分量子邏輯門(mén)進(jìn)行丟失操作，包括：

8.一種含參量子線路的訓(xùn)練裝置，其特征在于，包括：

9.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)實(shí)現(xiàn)所述權(quán)利要求1至7任一項(xiàng)所述的方法。

10.一種電子裝置，包括存儲(chǔ)器和處理器，其特征在于，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)所述權(quán)利要求1至7任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種含參量子線路的訓(xùn)練方法及相關(guān)裝置，方法包括：構(gòu)建含參量子線路；獲取訓(xùn)練集，將訓(xùn)練集的數(shù)據(jù)拆分為多個(gè)子數(shù)據(jù)集，將多個(gè)子數(shù)據(jù)集分配給至少兩個(gè)真實(shí)量子計(jì)算機(jī)；將子數(shù)據(jù)集的數(shù)據(jù)值編碼到第一部分量子邏輯門(mén)上作為固定參數(shù)；初始化第二部分量子邏輯門(mén)的可訓(xùn)練參數(shù)，其中隨機(jī)對(duì)至少一個(gè)第二部分量子邏輯門(mén)進(jìn)行丟失操作；運(yùn)行含參量子線路，獲得輸出量子態(tài)；判斷輸出量子態(tài)是否滿(mǎn)足預(yù)設(shè)要求，如果否，更新可訓(xùn)練參數(shù)，用以滿(mǎn)足預(yù)設(shè)要求，獲得訓(xùn)練好的含參量子線路。與現(xiàn)有技術(shù)相比，本發(fā)明減輕了單個(gè)量子計(jì)算機(jī)執(zhí)行的負(fù)擔(dān)，加快了含參量子線路執(zhí)行的速度，同時(shí)預(yù)防訓(xùn)練過(guò)程中出現(xiàn)的過(guò)擬合的現(xiàn)象。

技術(shù)研發(fā)人員：竇猛漢,請(qǐng)求不公布姓名,請(qǐng)求不公布姓名
受保護(hù)的技術(shù)使用者：本源量子計(jì)算科技（合肥）股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19