【技术实现步骤摘要】
一种基于量子线路的图注意力机制实现装置
[0001]分案申请信息
[0002]本申请是申请日为2022年02月07日、申请号为202210116508.2、专利技术名称为“一种基于量子线路的图注意力机制实现方法”的专利申请的分案申请。
[0003]本专利技术涉及量子计算
,具体涉及一种基于量子线路的图注意力机制实现装置。
技术介绍
[0004]图神经网络GNN把深度学习应用到图结构(Graph)中,其中的图卷积网络GCN可以在Graph上进行卷积操作。GCN的成功让图领域的深度学习风生水起,随着研究的深入,GCN的缺点也愈专利技术显:依赖拉普拉斯矩阵,不能直接用于有向图;模型训练依赖于整个图结构,不能用于动态图;卷积的时候没办法为邻居节点分配不同的权重。因此2018年图注意力网络GAT(Graph Attention Network)被提出,解决GCN存在的问题。
[0005]Graph Convolutional Network(GCN)告诉我们将局部的图结构和节点特征结合可以在节点分类任务中获得不错的表现。美中不足的是GCN结合邻近节点特征的方式和图的结构息息相关,这局限了训练所得模型在其他图结构上的泛化能力,GCN有两大局限经常被他人所诟病:
[0006]1.无法完成归纳任务,即处理动态图问题;
[0007]2.处理有向图的瓶颈,不容易实现分配不同的学习权重给不同的邻居节点;
[0008]3.GCN不能为每个邻居分配不同的权重,GCN在卷积时对所有邻居节点均 ...
【技术保护点】
【技术特征摘要】
1.一种基于量子线路的图注意力机制实现装置,其特征在于,包括:初始节点特征向量x
i
获取模块,用于获取目标图像对应的邻接矩阵A及构成该图像的每个节点i对应的初始节点特征向量x
i
;处理特征向量x
′
i
获取模块,用于将所述节点i的邻近节点j对应的初始邻近节点特征向量x
j
及所述初始节点特征向量x
i
输入至构建好的量子GAT中进行纠缠演化和分值计算,从而输出所述节点i对应的处理特征向量x'
i
;其中,所述量子GAT包括第一量子线路和第二量子线路;所述第一量子线路用于分别将所述x
i
及所述x
j
编码为对应的节点量子态和邻近节点量子态,在酉变换模块的作用下进行纠缠演化,并测量二者演化后的相似度e
ij
;所述第二量子线路用于对所述邻近节点量子态进行纠缠演化,经测量后在预定范围内对所述邻近节点量子态的维度进行缩放,输出节点j对应的邻近节点处理特征向量x'
j
;其中,将所述相似度e
ij
通过LeakyReLU层和SoftMax层得到所述节点i与任意邻近节点j对应的注意力得分α
ij
,并依次遍历所述节点i对应的所有邻近节点j对应的所有注意力得分α
ij
;将所述节点i的所有所述邻近节点j均经过所述第二量子线路后,输出所有邻近节点对应的邻近节点处理特征向量x'
j
;所述节点i对应的所述...
【专利技术属性】
技术研发人员:徐晓俊,
申请(专利权)人:上海图灵智算量子科技有限公司,
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。