The construction method, device and quantum computer of the quantum machine learning framework provided by the invention include obtaining the corresponding Hamiltonian of the setting problem and the quantum bits required for the setting problem, obtaining the target bits according to the quantum bits, obtaining the parametric quantum circuits of the setting problem based on the target bits and Hamiltonian, and determining the sub-bits to be measured from the target bits. Based on the sub-bits to be measured, Hamiltonian and parametric quantum circuits, a class of quantum operation nodes is constructed to provide the expected value interface and the gradient interface. To solve the setting problem, the gradient interface and the expected value interface of the quantum operation node class interpolated in the preset machine learning framework are called to solve the setting problem, so as to construct the quantum machine learning framework. Through the above methods, the framework of quantum machine learning can be applied to quantum computer, and the hybrid programming effect of neural network and quantum computing can be realized, as well as the machine learning of quantum computer.
【技术实现步骤摘要】
量子机器学习框架构建方法、装置及量子计算机
本专利技术涉及量子
,具体而言,涉及一种量子机器学习框架构建方法、装置及量子计算机。
技术介绍
量子计算机因其具有相对普通计算机更高效的处理数学问题的能力,例如能将破解RSA密钥的时间从数百年加速到数小时,故成为一种正在研究中的关键技术,且近年来机器学习领域的技术突破使得越来越多的大型商业公司加大了对其人工智能应用的投入研发。为了推进研发进度,各个公司推出了不同的机器学习框架来充分利用物理计算机集群的计算资源。专利技术人经研究发现,在传统的机器学习框架中,通常训练多层神经网络,因而会用到梯度和期望值来优化各个输入参数,但是传统的机器学习框架通常只能应用到普通的计算机中,无法应用到量子计算机中,因此无法实现神经网络和量子计算进行混合编程的效果,进而无法采用量子计算机以实现机器学习,因此,提供一种能够应用到量子计算机的量子机器学习框架是亟待解决的技术问题。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种量子机器学习框架构建方法、装置及量子计算机,以有效解决上述技术问题。为实现上述目的,本专利技术实施例采用如下技术方案:一种量子机器学习框架构建方法,所述方法包括:针对一设定问题,获得所述设定问题对应的哈密顿量;获得该设定问题所需的量子比特数,根据所述量子比特数获得目标比特;基于所述目标比特和所述哈密顿量获得所述设定问题的含参量子线路;从所述目标比特中确定待测量子比特,基于所述待测量子比特、所述哈密顿量以及所述含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类;针对所述设定问题,调用插设在预设机器学习框 ...
【技术保护点】
1.一种量子机器学习框架构建方法,其特征在于,所述方法包括:针对一设定问题,获得所述设定问题对应的哈密顿量;获得该设定问题所需的量子比特数,根据所述量子比特数获得目标比特;基于所述目标比特和所述哈密顿量获得所述设定问题的含参量子线路;从所述目标比特中确定待测量子比特,基于所述待测量子比特、所述哈密顿量以及所述含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类;针对所述设定问题,调用插设在预设机器学习框架中的所述量子操作节点类所具备的求梯度接口和求期望值接口求解所述设定问题,以构建量子机器学习框架。
【技术特征摘要】
1.一种量子机器学习框架构建方法,其特征在于,所述方法包括:针对一设定问题,获得所述设定问题对应的哈密顿量;获得该设定问题所需的量子比特数,根据所述量子比特数获得目标比特;基于所述目标比特和所述哈密顿量获得所述设定问题的含参量子线路;从所述目标比特中确定待测量子比特,基于所述待测量子比特、所述哈密顿量以及所述含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类;针对所述设定问题,调用插设在预设机器学习框架中的所述量子操作节点类所具备的求梯度接口和求期望值接口求解所述设定问题,以构建量子机器学习框架。2.根据权利要求1所述的量子机器学习框架构建方法,其特征在于,所述基于所述目标比特和所述哈密顿量获得所述设定问题的含参量子线路,具体包括:获得所述哈密顿量对应的量子算符,作为目标算符;基于所述目标算符和预设量子逻辑门转化器构建所述含参量子线路,其中,所述预设量子逻辑门转化器在接收到所述目标算符时,获得该目标算符对应的矩阵,将该矩阵转化为一组预设基矢,并获得该组预设基矢对应的多个量子逻辑门,以将所述目标算符转化为含参量子线路。3.根据权利要求2所述的量子机器学习框架构建方法,其特征在于,所述量子逻辑门为含固定参数量子逻辑门或含变化参数量子逻辑门,且所述含参量子线路包括所述固定参数量子逻辑门和至少一个所述含变化参数量子逻辑门。4.根据权利要求1所述的量子机器学习框架构建方法,其特征在于,所述基于所述待测量子比特、所述哈密顿量以及所述含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类的步骤包括:基于所述待测量子比特、所述哈密顿量以及所述含参量子线路生成量子程序接口,其中,所述量子程序接口提供的量子程序中包括针对所述待测量子比特的测量操作命令;基于所述量子程序被加载、被运行进行量子计算至运行所述量子程序中的测量操作命令得到量子态分布几率生成量子程序执行接口;基于所述量子态分布几率生成获得所述量子操作节点类的目标计算值的接口,其中,所述目标计算值为梯度值或期望值。5.根据权利要求4所述的量子机器学习框架构建方法,其特征在于,所述哈密顿量为多个哈密顿分量的线性组合,各所述哈密顿分量具有占比系数,当所述目标计算值为总期望值时;针对所述设定问题,调用插设在预设机器学习框架中的所述量子操作节点类所具备的所述求期望值接口求解所述设定问题的步骤包括:遍历所述哈密顿量中的各所述哈密顿分量;针对遍历到的当前哈密顿分量,调用所述量子程序接口构建第一目标程序、对所述第一目标程序赋值以及调用所述量子程序执行接口获得量子态分布几率、并将获得的所述量子态分布几率作为当前期望值;根据所述当前期望值及该当前期望值对应的哈密顿量的占比系数更新所述总期望值;直至遍历完所有的所述哈密顿分量时获得更新的总期望值。6.根据权利要求4所述的量子机器学习框架构建方法,其特征在于,所述哈密顿量为多个哈密顿分量的线性组合,各所述哈密顿分量具有占比系数,当所述目标计算值为总梯度值时;所述针对所述设定问题,调用插设在预设机器学习框架中的所述量子操作节点类所具备的所述求梯度接口求解所述设定问题的步骤包括:遍历所述哈密顿量中的哈密顿分量;针对遍历到的当前哈密顿分量,确定所述含参量子线路中包含特定求梯度参数的含参量子逻辑...
【专利技术属性】
技术研发人员:李叶,窦猛汉,
申请(专利权)人:合肥本源量子计算科技有限责任公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。