使用量子神经网络的分类制造技术

本公开涉及可以在量子计算系统上实现的分类方法。根据第一方面，本说明书描述了一种用于训练在量子计算机上实现的分类器的方法，所述方法包括：在具有已知分类的输入状态下准备多个量子位，所述多个量子位包括一个或多个读出量子位；将一个或多个参数化量子门应用于多个量子位，以将输入状态变换为输出状态；使用输出状态下的一个或多个读出量子位的读出状态，确定输入状态的预测分类；将预测分类与已知分类进行比较；以及根据预测分类与已知分类的比较，更新参数化量子门的一个或多个参数。

【技术实现步骤摘要】
【国外来华专利技术】使用量子神经网络的分类
本公开涉及可以在量子计算系统上实现的分类方法。本公开还涉及量子计算系统。
技术介绍
量子计算机是利用量子叠加和纠缠比经典计算机更快地解决某些类型问题的计算设备。量子计算机的构造块是量子位。量子位实际上是两个级别的系统，其状态可以处于其两个状态的叠加，而不是像经典位那样仅处于两个状态中的任何一个。经典机器学习是一个或多个经典计算机使用从机器学习处理在计算机执行这些任务期间获得的经验或收集的数据生成的反馈来学习执行任务类别的研究领域。
技术实现思路
本专利技术的各种实施例包括方法和系统，其特征在于独立权利要求中所陈述的内容。在从属权利要求中公开了本专利技术的各种实施例。根据第一方面，本说明书描述了在量子计算机上实现的训练分类器的方法，所述方法包括：在具有已知分类的输入状态下准备多个量子位，所述多个量子位包括一个或多个读出量子位；将一个或多个参数化量子门应用于多个量子位，以将输入状态变换为输出状态；使用输出状态下的一个或多个读出量子位的读出状态，确定输入状态的预测分类；将预测分类与已知分类进行比较；以及根据预测分类与已知分类的比较，更新参数化量子门的一个或多个参数。所述方法还可以包括迭代直到满足一个或多个阈值条件。所述方法还可以包括：确定一个或多个读出量子位的读出状态，其中，确定读出状态包括重复地：在输入状态下准备多个量子位；将参数化量子门应用于输入状态；以及测量一个或多个读出量子位的读出状态。其中，θ是参数化量子门的参数，Σ是作用于所述多个量子位中的一个或多个量子位的广义Pauli算子。将预测分类与已知分类进行比较可以包括确定估计的样本损失。更新一个或多个参数可以包括修改参数以减少估计的样本损失。所述方法可以包括使用梯度下降方法来修改一个或多个参数。参数化量子门可以每一个实现一个参数酉变换。参数化量子门中的每一个可以包括以下之一：单量子位量子门；双量子位量子门；或三量子位的量子门。量子门中的一个或多个可以实现以下形式的酉变换：exp(iθ∑)，其中，θ是参数化量子门的参数，Σ是作用于多个量子位中的一个或多个的广义Pauli算子。输入状态可以包括二元字符串的叠加。输入状态可以包括任意量子状态。所述方法可以包括使用经典人工神经网络准备输入状态。所述方法可以包括使用经典人工神经网络从读出状态确定分类器。所述方法还可以包括：应用一个或多个参数化酉算子，以将多个量子位从未分类输入状态变换为分类输出状态；根据分类输出状态下一个或多个读出量子位的测量确定读出状态；以及根据读出状态对未分类输入状态进行分类。根据第二方面，本说明书描述了使用量子计算机执行的分类的方法，所述方法包括：应用一个或多个参数化酉算子将多个量子位从输入状态变换为输出状态，使用第一方面的分类器训练方法确定一个或多个参数化量子门的参数；根据输出状态下一个或多个读出量子位的测量确定读出状态；以及根据读出状态对输入状态进行分类。根据第三方面，本说明书描述了一种量子计算系统，包括：多个量子位；以及一个或多个参数化量子门，其中，系统被配置为执行本文描述的各个方面的任何一个所述的方法。根据第四方面，本说明书描述一种量子计算系统，包括：多个量子位；以及一个或多个参数化量子门，其中，系统被配置为：在具有已知分类的输入状态下准备多个量子位，所述多个量子位包括一个或多个读出量子位；将一个或多个参数化量子门应用于多个量子位，以将输入状态变换为输出状态；使用输出状态下的一个或多个读出量子位的读出状态，确定输入状态的预测分类；将预测分类与已知分类进行比较；以及根据预测分类与已知分类的比较，更新参数化量子门的一个或多个参数。根据第五方面，本说明书描述了一种量子计算系统，包括：多个量子位；以及一个或多个参数化量子门，其中，系统被配置为：应用一个或多个参数化酉算子，以将多个量子位从未分类输入状态变换为分类输出状态，使用利用包括以下步骤的方法训练的分类器确定一个或多个参数化量子门的参数，所述方法包括：在具有已知分类的输入状态下准备多个量子位，所述多个量子位包括一个或多个读出量子位；将一个或多个参数化量子门应用于多个量子位，以将输入状态变换为输出状态；使用输出状态下的一个或多个读出量子位的读出状态，确定输入状态的预测分类；将预测分类与已知分类进行比较；以及根据预测分类与已知分类的比较，更新参数化量子门的一个或多个参数；根据分类输出状态下一个或多个读出量子位的测量确定读出状态；以及根据读出状态对未分类的输入状态进行分类。附图说明为了更全面地理解本文所述的方法、装置和系统，现在参照以下附图，在附图中：图1示出根据实施例的使用量子计算机执行的分类方法的示意性示例；图2示出根据实施例的使用量子计算机训练分类器的方法的流程图；图3示出根据实施例的使用梯度下降更新量子门参数的方法的示例的流程图；图4示出根据实施例的用于对量子状态进行分类的方法的流程图；以及图5a和图5b示出根据实施例的包括经典人工神经网络和量子神经网络分类器的分类系统。具体实施方式图1示出使用量子计算机实现的分类系统的操作的示意性概图。使用包括多个量子位102的量子计算系统100来执行分类方法。量子位102可以例如是(以下是非穷举列表)超导量子位(例如，“Xmon”或“Gmon”量子位)、量子点、离子阱中的电离原子或自旋量子位。量子位102可以被保持在足够低的温度下，以在整个量子算法的执行期间保持量子位之间的相干性。在使用超导量子位的实施例中，温度保持在超导临界温度以下。在一些实施例中，多个量子位102可以包括一个或多个辅助量子位(未示出)，用于存储纠缠的量子状态。量子计算系统100还包括一个或多个参数化量子门104，用于对多个量子位102实现一个或多个参数化酉变换Ul(θl)(在本文中也称为“酉”)。量子门104包括在一个或多个量子位102上操作以执行逻辑运算的量子电路。量子门104的非穷举列表包括哈达玛门(Hadamardgate)、C-非门、相移门、托付里门(Toffoligate)和/或受控U门。每个量子门104依次作用于输入状态106或先前量子门104的输出。参数化量子门104作用于多个量子位102以改变多个量子位102的状态。在所示的示例中，将L个量子门104依次应用于输入状态106，每个量子门都变换多个量子位102的状态。系统被配置为学习量子门104的参数，当量子门104的参数应用于包括要被分类的状态|ψ>108和一个或多个读出量子位|m>110的输入状态|ψ,m>106时，产生输出状态112，从该输出状态112可以确定要分类的状态|ψ>106的预测分类l′(z)114(在本文中也称为预测标记函数或预测器)。对多个量子位102中的一个或多个读出量子位110执行测量，以从输出状态112确定输入状态106的预测分类114。在图1所示的实本文档来自技高网...

【技术保护点】
1.一种用于训练在量子计算机上实现的分类器的方法，所述方法包括：/n在具有已知分类的输入状态下准备多个量子位，所述多个量子位包括一个或多个读出量子位；/n将一个或多个参数化量子门应用于所述多个量子位，以将输入状态变换为输出状态；/n使用输出状态下的所述一个或多个读出量子位的读出状态，确定输入状态的预测分类；/n将预测分类与已知分类进行比较；以及/n根据预测分类与已知分类的比较，更新参数化量子门的一个或多个参数。/n

【技术特征摘要】
【国外来华专利技术】20180118 US 62/618,9351.一种用于训练在量子计算机上实现的分类器的方法，所述方法包括：
在具有已知分类的输入状态下准备多个量子位，所述多个量子位包括一个或多个读出量子位；
将一个或多个参数化量子门应用于所述多个量子位，以将输入状态变换为输出状态；
使用输出状态下的所述一个或多个读出量子位的读出状态，确定输入状态的预测分类；
将预测分类与已知分类进行比较；以及
根据预测分类与已知分类的比较，更新参数化量子门的一个或多个参数。


2.根据权利要求1所述的方法，还包括：迭代直到满足一个或多个阈值条件。


3.根据权利要求2所述的方法，还包括：确定所述一个或多个读出量子位的读出状态，其中，确定读出状态包括重复地：
在输入状态下准备所述多个量子位；
将参数化量子门应用于输入状态；以及
测量所述一个或多个读出量子位的读出状态。


4.根据前述权利要求中任一项所述的方法，其中，将预测分类与已知分类进行比较包括确定估计的样本损失。


5.根据权利要求4所述的方法，其中，更新一个或多个参数包括修改参数以减少估计的样本损失。


6.根据权利要求5所述的方法，包括使用梯度下降方法来修改所述一个或多个参数。


7.根据前述权利要求中任一项所述的方法，其中，所述参数化量子门每一个实现一个参数酉变换。


8.根据权利要求7所述的方法，其中，所述参数化量子门中的每一个包括以下之一：单量子位量子门；双量子位量子门；或三量子位量子门。


9.根据权利要求7或8所述的方法，其中，量子门中的一个或多个实现以下形式的酉变换：
exp(iθ∑)，
其中，θ是参数化量子门的参数，Σ是作用于所述多个量子位中的一个或多个的广义Pauli算子。


10.根据前述权利要求中任一项所述的方法，其中，输入状态包括二元字符串的叠加。


11.根据权利要求1-10中任一项所述的方法，其中，输入状态包括任意量子状态。


12.根据前述权利要求中任一项所述的方法，其中，使用经典人工神经网络准备输入状态。


13.根据前述权利要求中任一项所述的方法，其中，使用经典人工神经网络从读出状态确定分类器...

【专利技术属性】
技术研发人员：EH法里，H内文，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国;US