量子神经网络训练方法及装置、电子设备和介质与流程

技术特征：
1.一种量子神经网络训练方法，包括：确定l 1个参数化量子电路以及l个数据编码电路，所述参数化量子电路和数据编码电路均包括相应的待训练参数，其中l为正整数；获取多个训练数据对，每个所述训练数据对包括自变量数据以及与所述自变量数据相关的因变量数据，其中所述自变量数据包括一个或多个数据值；对于所述训练数据对中的每一个，执行以下操作：将所述l 1个参数化量子电路以及l个数据编码电路交替串联以构成量子神经网络，并使得所述量子神经网络中的每一个数据编码电路分别对该训练数据对中的自变量数据进行编码；以及将所述量子神经网络从初始量子态开始运行，并通过测量方法对所获得的量子态进行测量以获得测量结果；根据所有所述训练数据对所对应的测量结果以及相对应的因变量数据，计算损失函数；以及调节所述l 1个参数化量子电路以及所述l个数据编码电路的待训练参数，以最小化所述损失函数。2.如权利要求1所述的方法，其中，根据所有所述训练数据对所对应的测量结果以及相对应的因变量数据计算损失函数包括：确定所述测量方法所对应的测量结果的第一取值区间以及所确定的所述因变量数据的第二取值区间；响应于确定所述第二取值区间与所述第一取值区间不相同，通过数据变换将所述测量结果的取值区间变换为所述第二取值区间；以及根据所有所述训练数据变换后的测量结果以及相对应的因变量数据，计算损失函数。3.如权利要求1或2所述的方法，其中，所述测量方法包括以下项中的至少一项：泡利x测量、泡利y测量和泡利z测量。4.如权利要求1所述的方法，其中，基于梯度下降法调节所述l 1个参数化量子电路以及所述l个数据编码电路的待训练参数。5.一种量子神经网络训练系统，包括：量子计算机，被配置为：确定l 1个参数化量子电路以及l个数据编码电路，所述参数化量子电路和数据编码电路均包括相应的待训练参数，其中l为正整数；对于多个训练数据对中的每一个执行以下操作，其中，每个所述训练数据对包括自变量数据以及与所述自变量数据相关的因变量数据，其中所述自变量数据包括一个或多个数据值：将所述l 1个参数化量子电路以及l个数据编码电路交替串联以构成量子神经网络，并使得所述量子神经网络中的每一个数据编码电路分别对该训练数据对中的自变量数据进行编码；以及将所述量子神经网络从初始量子态开始运行，并通过测量方法对所获得的量子态进行测量以获得测量结果；经典计算机，配置为：
根据所有所述训练数据对所对应的测量结果以及相对应的因变量数据，计算损失函数；以及调节所述l 1个参数化量子电路以及所述l个数据编码电路的待训练参数，以最小化所述损失函数。6.如权利要求5所述的系统，其中，经典计算机，还配置为执行以下操作：确定所述测量方法所对应的测量结果的第一取值区间以及所确定的所述因变量数据的第二取值区间；响应于确定所述第二取值区间与所述第一取值区间不相同，通过数据变换将所述测量结果的取值区间变换为所述第二取值区间；以及根据所有所述训练数据变换后的测量结果以及相对应的因变量数据，计算损失函数。7.如权利要求5或6所述的系统，其中，所述测量方法包括以下项中的至少一项：泡利x测量、泡利y测量和泡利z测量。8.如权利要求5所述的系统，其中，基于梯度下降法调节所述l 1个参数化量子电路以及所述l个数据编码电路的待训练参数。9.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。11.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-4中任一项所述的方法。

技术总结
本公开提供了一种量子神经网络训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品，涉及计算机领域，尤其涉及量子计算机技术领域。实现方案为：确定L 1个参数化量子电路和L个数据编码电路；获取包括自变量数据以及因变量数据的多个训练数据对；对于训练数据对中的每一个：将参数化量子电路和数据编码电路交替串联以构成量子神经网络，数据编码电路分别对该训练数据对中的自变量数据进行编码；以及将所述量子神经网络从初始量子态开始运行，对所获得的量子态进行测量以获得测量结果；根据所有训练数据对所对应的测量结果以及相对应的因变量数据，计算损失函数；以及调节参数化量子电路和数据编码电路的待训练参数，以最小化损失函数。以最小化损失函数。以最小化损失函数。


技术研发人员：王鑫 幺宏顺 于思拙 赵炫强
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.12.15
技术公布日：2022/3/22