确定方法、模型处理方法、装置、设备及存储介质制造方法及图纸

本公开提供了编码特征的确定方法、模型处理方法、装置、设备及存储介质，涉及数据处理领域，尤其涉及量子计算领域。具体实现方案为：基于预设数据编码方式，将至少两个经典数据编码为目标量子态，属于第一类别的第一经典数据编码为第一目标量子态，属于第二类别的第二经典数据编码为第二目标量子态；基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态，得到所述第一类别和所述第二类别的差异特征；至少基于第一类别和第二类别的差异特征、属于第一类别的第一目标量子态的第一纯度特征以及属于第二类别的第二目标量子态的第二纯度特征，得到预设数据编码方式的编码特征。这样，兼具适用性、有效性和通用性。性。性。

【技术实现步骤摘要】
确定方法、模型处理方法、装置、设备及存储介质


[0001]本公开涉及数据处理领域，尤其涉及量子计算


技术介绍

[0002]量子计算领域正在飞速的发展，同时，量子设备的性能在不断提升。在众多潜在的量子技术应用中，量子计算与人工智能的结合备受关注，尤其是使用量子计算机求解机器学习、线性代数等问题。而数据编码是利用量子计算机求解上述问题的必要步骤，因此，如何度量数据编码的性能成为一个亟待解决的问题。

技术实现思路

[0003]本公开提供了一种编码特征的确定方法、模型处理方法、装置、设备及存储介质。
[0004]根据本公开的一方面，提供了一种编码特征的确定方法，包括：
[0005]基于预设数据编码方式，将至少两个经典数据编码为目标量子态，其中，所述至少两个经典数据中的属于第一类别的第一经典数据编码为第一目标量子态，所述至少两个经典数据中的属于第二类别的第二经典数据编码为第二目标量子态；所述第一目标量子态属于所述第一类别，所述第二目标量子态属于所述第二类别；
[0006]基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态，得到所述第一类别和所述第二类别的差异特征；
[0007]至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征，得到所述预设数据编码方式的编码特征。
[0008]根据本公开的另一方面，提供了一种模型处理方法，包括：
[0009]基于至少两个预设数据编码方式的编码特征，从所述至少两个预设数据编码方式中选取出目标数据编码方式；其中，所述预设数据编码方式的编码特征是基于以上所述的编码特征的确定方法得到；
[0010]基于所述目标数据编码方式，将待处理图像样本数据编码为目标量子态；
[0011]将编码后得到的目标量子态输入至量子神经网络进行模型处理。
[0012]根据本公开的再一方面，提供了一种编码特征的确定装置，包括：
[0013]编码单元，用于基于预设数据编码方式，将至少两个经典数据编码为目标量子态，其中，所述至少两个经典数据中的属于第一类别的第一经典数据编码为第一目标量子态，所述至少两个经典数据中的属于第二类别的第二经典数据编码为第二目标量子态；所述第一目标量子态属于所述第一类别，所述第二目标量子态属于所述第二类别；
[0014]差异特征处理单元，用于基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态，得到所述第一类别和所述第二类别的差异特征；
[0015]编码特征确定单元，用于至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量
子态的第二纯度特征，得到所述预设数据编码方式的编码特征。
[0016]根据本公开的再一方面，提供了一种模型处理装置，包括：
[0017]编码特征确定单元，用于基于至少两个预设数据编码方式的编码特征，从所述至少两个预设数据编码方式中选取出目标数据编码方式；其中，所述预设数据编码方式的编码特征是基于以上所述的编码特征的确定方法得到；
[0018]模型处理单元，用于基于所述目标数据编码方式，将待处理图像样本数据编码为目标量子态；将编码后得到的目标量子态输入至量子神经网络进行模型处理。
[0019]根据本公开的再一方面，提供了一种计算设备，包括：
[0020]至少一个处理器；以及
[0021]与所述至少一个处理器通信连接的存储器；其中，
[0022]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以上所述的方法。
[0023]根据本公开的再一方面，提供了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以上所述的方法。
[0024]根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现以上所述的方法。
[0025]这样，提供了一种有效度量预设数据编码方式的方案，兼具适用性、有效性和通用性。
[0026]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0027]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0028]图1是根据本公开实施例编码特征的确定方法的实现流程示意图；
[0029]图2是根据本公开实施例模型处理方法的实现流程示意图；
[0030]图3是根据本公开实施例编码特征的确定方法在一具体示例中的实现流程示意图；
[0031]图4是根据本公开实施例待进行分类处理的手写数字图片的示意图；
[0032]图5是根据本公开实施例在一具体示例中的参数化量子电路的示意图；
[0033]图6(a)是根据本公开实施例编码特征的确定方法在一具体示例中角度编码电路的示意图；
[0034]图6(b)和图6(c)是根据本公开实施例编码特征的确定方法在一具体示例中的实验效果示意图；
[0035]图7是根据本公开实施例编码特征的确定装置的结构示意图；
[0036]图8是根据本公开实施例模型处理装置的结构示意图；
[0037]图9是用来实现本公开实施例的编码特征的确定方法的经典电子设备的框图。
具体实施方式
[0038]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种
细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0039]需要说明的是，本公开方案，量子计算机(也即量子计算设备，或量子设备)指运行量子电路或参数化量子电路(Parameterized Quantum Circuits，PQC)的设备。这里，量子电路是描述量子计算机执行过程的一种工具，它通常由多个量子门组成，而每个量子门在数学上均可以通过酉矩阵表达，例如，H门的数学表示为：
[0040][0041]在很多种量子门中有一类特殊的是参数化量子门，例如旋转门Ry(θ)，它的数学表示为：
[0042][0043]其中，θ是可以调整的参数。当量子电路中包含参数化量子门，则该量子电路即可称为参数化量子电路。
[0044]数据编码指将经典数据编码为量子态的过程。例如，经典数据为x0(此例中是一个标量)，并假设量子计算机的初始量子态为|0>(|0>＝[1,0]T
，是一个向量；<0|＝[1,0])，用于编码的量子门设为Ry本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种编码特征的确定方法，包括：基于预设数据编码方式，将至少两个经典数据编码为目标量子态，其中，所述至少两个经典数据中的属于第一类别的第一经典数据编码为第一目标量子态，所述至少两个经典数据中的属于第二类别的第二经典数据编码为第二目标量子态；所述第一目标量子态属于所述第一类别，所述第二目标量子态属于所述第二类别；基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态，得到所述第一类别和所述第二类别的差异特征；至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征，得到所述预设数据编码方式的编码特征。2.根据权利要求1所述的方法，还包括：在存在三个或三个以上的类别的情况下，得到任意两个类别的差异特征；其中，所述至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征，得到所述预设数据编码方式的编码特征，包括：在存在三个或三个以上的类别的情况下，从任意两个类别的差异特征中选取出目标差异特征；从所述属于第i类别的第i目标量子态的第i纯度特征中，选取出第一目标纯度特征；所述i为大于等于1的自然数；基于所述目标差异特征以及所述第一目标纯度特征，得到所述预设数据编码方式的编码特征。3.根据权利要求2所述的方法，其中，所述目标差异特征为最大差异特征，且所述第一目标纯度特征为最大纯度特征；或者，所述目标差异特征为最小差异特征，且所述第一目标纯度特征为最小纯度特征。4.根据权利要求1至3任一项所述的方法，还包括：基于属于所述第一类别的第一目标量子态，得到第一中心量子态；基于属于所述第二类别的第二目标量子态，得到第二中心量子态；其中，所述基于属于所述第一类别的第一目标量子态以及属于所述第二类别的第二目标量子态，得到所述第一类别和所述第二类别的差异特征，包括：基于所述第一中心量子态和所述第二中心量子态，得到所述第一类别和所述第二类别的差异特征。5.根据权利要求4所述的方法，其中，所述基于属于所述第一类别的第一目标量子态，得到第一中心量子态，包括：至少基于属于所述第一类别的第一目标量子态的数量，以及属于所述第一类别的第一目标量子态，得到所述第一中心量子态。6.根据权利要求4或5所述的方法，其中，所述基于属于所述第二类别的第二目标量子态，得到第二中心量子态，包括：至少基于属于所述第二类别的第二目标量子态的数量，以及属于所述第二类别的第二目标量子态，得到所述第二中心量子态。
7.根据权利要求4至6任一项所述的方法，其中，所述基于所述第一中心量子态和所述第二中心量子态，得到所述第一类别和所述第二类别的差异特征，包括：得到所述第一中心量子态与所述第二中心量子态之间的迹距离；将所述第一中心量子态与所述第二中心量子态之间的迹距离作为所述第一类别和所述第二类别的差异特征。8.根据权利要求4至7任一项所述的方法，还包括：基于所述第一中心量子态，得到属于所述第一类别的第一目标量子态的所述第一纯度特征；基于所述第二中心量子态，得到属于所述第二类别的第二目标量子态的所述第二纯度特征；至少从所述第一纯度特征和所述第二纯度特征中选取出第二目标纯度特征；其中，所述至少基于所述第一类别和所述第二类别的差异特征、属于所述第一类别的第一目标量子态的第一纯度特征以及属于所述第二类别的第二目标量子态的第二纯度特征，得到所述预设数据编码方式的编码特征，包括：至少基于所述第一类别和所述第二类别的差异特征，以及所述第二目标纯度特征，得到所述预设数据编码方式的编码特征。9.根据权利要求8所述的方法，其中，所述第二目标纯度特征为最大纯度特征或最小纯度特征。10.一种模型处理方法，包括：基于至少两个预设数据编码方式的编码特征，从所述至少两个预设数据编码方式中选取出目标数据编码方式；其中，所述预设数据编码方式的编码特征是基于权利要求1至权利要求9任一项所述方法得到；基于所述目标数据编码方式，将待处理图像样本数据编码为目标量子态；将编码后得到的目标量子态输入至量子神经网络进行模型处理。11.一种编码特征的确定装置，包括：编码单元，用于基...

【专利技术属性】
技术研发人员：幺宏顺，王鑫，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：