【技术实现步骤摘要】
基于量子神经网络的变分量子模型TFQ
‑
VQA及其两级优化方法
[0001]本专利技术属于量子计算机
，尤其涉及一种基于量子神经网络的变分量子模型TFQ
‑
VQA及其两级优化方法。
技术介绍
[0002]随着现代社会的快速发展，后摩尔时代迫近，经典计算机的效率逐渐遇到瓶颈。以量子器件和量子计算为核心的新技术不仅是超越现代计算性能的信息技术发展新方向，更是推动下一代信息技术发展的革命性力量，将对全球信息技术和产业发展产生巨大影响。近年来，随着量子计算领域的迅猛发展，量子计算在人工智能、金融理财、应用数学和化学模拟等多个领域有着广泛的应用价值。借助于量子计算的天然优势，针对含噪声中等规模量子计算机，提出了各种量子优化算法来降低求解问题的难度。
[0003]传统的量子算法都是用线路模型来表示的，即通过一系列离散运算来完成计算。对量子计算资源的大量需求限制了传统量子算法在实际求解复杂问题时的能力。现有的变分量子算法利用量子力学原理，将求解问题转化为组合优化问题，进一步等价为非线性方程...
【技术保护点】
【技术特征摘要】
1.一种基于量子神经网络的变分量子模型TFQ
‑
VQA，其特征在于，该模型由量子神经网络模型QNN模块、期望值测量模块、循环神经网络模型RNN模块和代价函数评估模块四个模块组成；所述量子神经网络模型QNN模块用于根据输入的量子数据集建立参数化量子线路模型，对输入的量子数据集执行量子计算，对存储在量子子空间中的隐藏状态的信息进行查询并提取；所述期望值测量模块用于对量子神经网络模型QNN模块查询时的代价函数期望估计值进行测量；所述循环神经网络模型RNN模块用于接收前一个查询的代价函数期望估计值，还用于接收来自前一时间步长提取的存储在量子子空间中的隐藏状态的信息；所述代价函数评估模块用于评估代价函数，并通过梯度下降按照预期的方向更新参数化量子线路控制参数，并输出最佳控制参数。2.根据权利要求1所述的基于量子神经网络的变分量子模型TFQ
...
【专利技术属性】
技术研发人员：赵博，单征，许瑾晨，杨一航，周蓓，岳峰，孙回回，徐鹏，弋宗江，刘洋笑，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：
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。