使用混合经典-量子求解器求解机器学习问题的方法技术

本公开涉及使用混合经典‑量子求解器求解机器学习问题的方法。一种用于训练混合量子‑经典计算系统的方法，该系统用于逼近输入特征向量的标记函数，该系统包括变分量子电路、机器学习模型以及标记模块，该标记模块被配置为接收由该变分量子电路生成的第一输出和由该机器学习模型生成的第二输出并生成输出标签，其中，该方法包括迭代过程，该迭代过程包括以下步骤：向该变分量子电路和该机器学习模型提供样本数据集的输入特征向量，向该标记模块提供该第一输出和该第二输出，以及基于该输入特征向量的输出标签的成本函数的值确定变分参数、机器学习参数和可训练组合参数的参数更新。

【技术实现步骤摘要】

本专利技术属于量子计算领域。更确切地，本专利技术涉及一种作为可训练逼近器的一部分的混合量子-经典计算系统。

技术介绍

1、量子计算机提供了可控量子力学系统的平台，这些系统的状态和相互作用可以被控制以执行计算。计算是通过可控量子力学系统(例如，作为经典比特的量子类似物的量子比特)的确定性演化来实现的，并且可以测量量子力学系统的状态来确定计算的结果。

2、对这些量子比特的控制运算被称为量子门。量子门可以相干地作用于量子比特，以诱导单个量子比特状态的变化(所谓的单量子比特门)以及作用于多个量子比特(所谓的多量子比特门)(例如以便纠缠多个量子比特的状态)及其任何组合。例如，单量子比特门可以诱导电子的自旋态旋转可选择的值(例如，π/2)。多量子比特门可以相干地作用于两个或更多个量子比特，比如对两个量子比特的状态进行相干cnot运算。多个量子门可以并行或依次应用于量子计算机的量子比特以执行计算。最终，可以在应用一系列量子门之后重复测量量子比特的状态，以确定计算的每个可能结果的概率。

3、为了计算被认为在经典计算机上难处理的问题的解，量子计算机可本文档来自技高网...

【技术保护点】

1.一种用于训练混合量子-经典计算系统的方法，所述系统用于逼近输入特征向量的标记函数，所述系统包括：

2.如权利要求1所述的方法，其中，用于更新所述变分参数和所述机器学习参数的学习率是不同的。

3.如权利要求2所述的方法，其中，所述方法确定所述变分参数、所述机器学习参数和所述可训练组合参数的更新向量，并且其中，确定所述参数更新包括将所述更新向量与学习率向量相乘，所述学习率向量包括所述变分参数和所述机器学习参数的不同学习率因子。

4.如权利要求3所述的方法，其中，所述更新向量是所述变分参数、所述机器学习参数和所述可训练组合参数关于所述成本函数的梯度。...

【技术特征摘要】

1.一种用于训练混合量子-经典计算系统的方法，所述系统用于逼近输入特征向量的标记函数，所述系统包括：

2.如权利要求1所述的方法，其中，用于更新所述变分参数和所述机器学习参数的学习率是不同的。

3.如权利要求2所述的方法，其中，所述方法确定所述变分参数、所述机器学习参数和所述可训练组合参数的更新向量，并且其中，确定所述参数更新包括将所述更新向量与学习率向量相乘，所述学习率向量包括所述变分参数和所述机器学习参数的不同学习率因子。

4.如权利要求3所述的方法，其中，所述更新向量是所述变分参数、所述机器学习参数和所述可训练组合参数关于所述成本函数的梯度。

5.如前述权利要求中任一项所述的方法，其中，确定所述参数更新是基于所述成本函数的梯度以及学习率来进行的，特别是基于随机梯度下降和/或特别是包括动量系数，所述动量系数基于所述成本函数的先前确定梯度。

6.如前述权利要求中任一项所述的方法，其中，确定所述参数更新是基于所述成本函数的梯度上的移动平均值的更新函数以及所述成本函数的平方梯度上的移动平均值的更新函数来进行的。

7.如前述权利要求中任一项所述的方法，其中，所述方法包括利用用于更新所述变分参数和所述机器学习参数的学习率的不同比率来训练所述混合量子-经典计算系统，以关于所述标记函数确定用于更新所述变分参数和所述机器学习参数的学习率的最优比率。

8.如前述权利要求中任一项所述的方法，其中，确定所述参数更新包括确定所述变分参数的导数...

【专利技术属性】
技术研发人员：M·科德赞加内，D·科西奇娜，A·梅尔尼科夫，
申请(专利权)人：特拉量子股份公司，
类型：发明
国别省市：