一种量子数据加载方法、装置、设备和可读存储介质制造方法及图纸

本发明专利技术公开一种量子数据加载方法、装置、设备和可读存储介质，属于量子计算技术领域。方法包括：当接收到数据加载请求时，根据待加载数据获取数据加载矩阵；根据数据加载矩阵进行量子门拆解，获得基本量子门线路；将基本量子门线路接入量子计算线路，完成量子数据加载。通过实施本发明专利技术公开的一种量子数据加载方法，使各个量子比特通过基本量子门的组合实现相互耦合，再接入量子计算线路，从底层物理角度控制各量子比特在计算过程中保持特有的相干性；接入量子神经网络，可以提高该量子神经网络的训练效率和抗噪声性能。网络的训练效率和抗噪声性能。网络的训练效率和抗噪声性能。

【技术实现步骤摘要】
一种量子数据加载方法、装置、设备和可读存储介质


[0001]本专利技术涉及量子计算
，特别涉及一种量子数据加载方法、装置、设备和可读存储介质。

技术介绍

[0002]量子计算是一种利用量子力学性质进行运算的新型运算，在某些领域具有远超经典计算的计算能力。在量子计算体系中，信息以量子比特的形式进行存储。与经典比特类似，量子比特也有状态，可以是|0>或|1>这两种基态，也可以是|0>和|1>的线性组合，称为叠加态。但量子比特的状态|φ>可表示为：，其中α，β为复数，且|α|2+|β|2=1。故单量子比特状态也可以表示成向量(α，β)
T
，该向量的模为1。对量子系统的测量操作会使系统随机地坍缩到基态，概率取决于每个基态前的系数。例如对于上述量子态|φ>有|α|2的概率坍缩到|0>，|β|2的概率坍缩到|1>。当多个量子比特纠缠在一起时，对应的基态数会呈指数上升。N个量子比特纠缠的系统有2
N
种基态，系统状态可表示为基态的线性叠加。量子计算机储存信息的能力随比特数增加而呈指数级上升。正是利用量子比特叠加这一性质，使得量子计算在某些情况下可以远超经典计算。量子机器学习是如今热门的一个研究领域，其基本思路与经典机器学习类似，即通过一定方式编码原始数据成为待处理的数据，然后通过一些列机器学习计算过程，实现对数据的分类、处理、分析等过程。由于此过程具有鲁棒性、泛化性等特点，因此量子机器学习有望被最先应用于含噪声的中等规模量子计算机上。
[0003]尽管量子机器学习具有一定的应用潜力，目前还没有比较明确有效的方案被提出。其中对经典数据的加载本身也存在一些问题。前文提到，想要实现量子机器学习过程，需要通过一定方式将经典数据预先编码成为特定的数据，随后再对这些数据进行操作，实现计算分析。量子数据目前主要都是通过旋转门加载到量子态上，或是通过门操作加载到量子叠加态的振幅上，这是目前两种最主流的数据加载方法。图1示出了通过旋转门加载量子态的方法，其中(2.1，3.5，7.0，1.6)为待加载的数据通过四个量子比特、四个旋转门R实现数据加载入量子线路中，后续再使用系列U门实现量子计算过程。M为测量操作，通过测量，实现对数据的处理。然而这种加载方法存在一些缺陷。如旋转门直接加载的数据不是叠加态，一个量子比特只加载一个数据，对量子计算性能造成浪费。
[0004]另一种常见方法是通过一系列门操作U
load
，将数据加载到量子叠加态的振幅上，如图2所示。加载数据后的量子态为：，其中，f
i
(x)为所需加载的数据，仍以(2.1，3.5，7.0，1.6)为例，则f1=2.1，f2=3.5，f3=7.0，f4=1.6。|i>为第i个量子比特，因此此时的量子态是|x>=2.1|0>+3.5|1>+7.0|2>+1.6|3>，为符合量子原理只需再将系数f全部进行归一化处理即可。这种加载数据的方法也被广泛采用，然而此方法在不引入辅助比特的情况下，会导致后续的系列操作只能是线性的，这可能会限制量子计算的应用。
[0005]因此，亟需一种量子数据加载方法，使数据加载和后续操作呈现非线性关系，以充
分发挥量子计算的优势。并且具有可兼容性，能够与量子线路集成，直接应用于现有的量子相位估计、HHL算法、量子机器学习等量子数据处理过程。

技术实现思路

[0006]为了解决现有技术的问题，本专利技术实施例提供了一种压力测试方法和装置，以克服现有技术中由数据加载方式导致量子计算收到限制的问题。
[0007]为了解决上述的一个或多个技术问题，本专利技术采用的技术方案如下：第一方面，提供一种量子数据加载方法，方法包括：当接收到数据加载请求时，根据待加载数据获取数据加载矩阵；根据数据加载矩阵进行量子门拆解，获得基本量子门线路；将基本量子门线路接入量子计算线路，完成量子数据加载。
[0008]进一步地，一种量子数据加载方法前还包括：接收数据加载请求以及随数据加载请求同时发送的待加载数据。
[0009]进一步地，根据待加载数据获取数据加载矩阵包括：将待加载数据嵌入对角矩阵，通过嵌入待加载数据的对角矩阵获取数据加载矩阵。
[0010]进一步地，将待加载数据嵌入对角矩阵，通过嵌入待加载数据的对角矩阵获取数据加载矩阵包括：根据待加载数据获取第一对角矩阵；其中，待加载数据依次设置于第一对角矩阵的主对角线，第一对角矩阵的阶数与待加载数据的数量相等；归一化第一对角矩阵，获得第一归一化对角矩阵；根据第一归一化矩阵构造第二对角矩阵；其中，第二对角矩阵表示为：，I为单位矩阵；获取任意正交矩阵；其中，任意正交矩阵的阶数与第一对角矩阵的阶数相同；获取数据加载矩阵U；其中，，，，为任意正交矩阵相应的转置矩阵。
[0011]进一步地，若量子计算线路为量子神经网络线路，则采用待加载数据训练量子神经网络。
[0012]进一步地，训练量子神经网络包括：使用待加载数据对应的标签对量子神经网络参数进行训练；测量获取量子神经网络的分类结果；获取分类结果与标签的差异，并将差异进行反向传播，获取训练完成的量子神经网络。
[0013]进一步地，上述方法还包括使用测试集数据评估训练完成的量子神经网络。
[0014]第二方面，提供一种量子数据加载装置，装置包括：数据加载模块，矩阵拆解模块，线路接入模块；数据加载模块，用于当接收到数据加载请求时，根据待加载数据获取数据加载矩阵；矩阵拆解模块，用于根据数据加载矩阵进行量子门拆解，获得基本量子门线路；线路接入模块，用于将基本量子门线路接入量子计算线路。
[0015]第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行上述计算机程序时实现上述第一方面所记载方法的步骤。
[0016]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所记载方法的步骤。
[0017]本专利技术实施例提供的技术方案带来的有益效果是：1. 通过实施本专利技术公开的一种量子数据加载方法，使各个量子比特通过基本量子门组合实现相互耦合，再接入量子计算线路，从底层物理角度控制各量子比特在计算过程中保持特有的相干性；2. 使用本专利技术公开的一种量子数据加载方法加载数据并接入量子神经网络，可以提高该量子神经网络的训练效率；3. 使用本专利技术公开的一种量子数据加载方法加载数据并接入量子神经网络，可以提高该量子神经网络的抗噪声性能。
附图说明
[0018]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量子数据加载方法，其特征在于，所述方法包括：当接收到数据加载请求时，根据待加载数据获取数据加载矩阵；根据所述数据加载矩阵进行量子门拆解，获得基本量子门线路；将所述基本量子门线路接入量子计算线路，完成量子数据加载。2.根据权利要求1所述的一种量子数据加载方法，其特征在于，所述方法前还包括：接收所述数据加载请求以及随所述数据加载请求同时发送的所述待加载数据。3.根据权利要求1所述的一种量子数据加载方法，其特征在于，所述根据待加载数据获取数据加载矩阵包括：将待加载数据嵌入对角矩阵，通过嵌入待加载数据的对角矩阵获取所述数据加载矩阵。4.根据权利要求3所述的一种量子数据加载方法，其特征在于，所述将待加载数据嵌入对角矩阵，通过嵌入待加载数据的对角矩阵获取所述数据加载矩阵包括：根据待加载数据获取第一对角矩阵；其中，所述待加载数据依次设置于所述第一对角矩阵的主对角线，所述第一对角矩阵的阶数与所述待加载数据的数量相等；归一化所述第一对角矩阵，获得第一归一化对角矩阵；根据所述第一归一化矩阵构造第二对角矩阵；其中，第二对角矩阵表示为：，I为单位矩阵；获取任意正交矩阵；其中，任意正交矩阵的阶数与所述第一对角矩阵的阶数相同；获取所述数据加载矩阵U；其中，，，，为任意正交矩阵相应的转置矩阵。5.根据权利要求1所述的一种量子数...

【专利技术属性】
技术研发人员：李辰，姜金哲，张新，李红珍，赵雅倩，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：