【技术实现步骤摘要】
本专利技术属于量子计算，尤其是涉及一种真机流水线量子线路并行执行方法及相关装置。
技术介绍
1、在传统深度神经网络模型的训练过程中，训练大规模的网络模型可以在多种学习任务上取得较好的效果，如提升图像分类任务的准确率等。然而，训练更大规模的网络模型会消耗更多的显存资源，甚至是超过单个设备的显存容量，从而导致模型无法训练。
2、随着技术的不断进步和模型复杂度的增加，仍然面临着计算能力和资源利用率的挑战，尤其是在处理某些特定问题或者执行复杂计算时，传统的计算方法容易达到其物理极限。此时，量子计算作为一种全新的计算范式，提供了前所未有的计算潜力和处理能力，可以在更短的时间内训练和评估更大规模的量子神经网络模型，进而解决传统方法难以处理的复杂问题。
3、目前量子计算仍处于发展初期，训练大规模的量子机器学习模型可以在多种学习任务上取得较好的效果，然而，随着参数规模的扩大，在单个真机上执行相关学习任务仍然存在运行速度较慢的问题。
技术实现思路
1、本专利技术的目的是提供一种真机流...
【技术保护点】
1.一种真机流水线量子线路并行执行方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述输入数据批次为1时，所述当前所述量子线路模块的执行时序等于上一所述量子线路模块的梯度计算时序。
3.根据权利要求1所述的方法，其特征在于，所述输入数据批次大于1时，每个所述量子线路模块按照所述输入数据的批次顺序执行完毕之后再计算各批次所述输入数据的梯度，所述输入数据的批次相同时，当前所述量子线路模块的执行时序晚于上一所述量子线路模块的执行时序。
4.根据权利要求1所述的方法，其特征在于，所述输入数据批次大于1时，每个所述量子线路...
【技术特征摘要】
1.一种真机流水线量子线路并行执行方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述输入数据批次为1时，所述当前所述量子线路模块的执行时序等于上一所述量子线路模块的梯度计算时序。
3.根据权利要求1所述的方法，其特征在于，所述输入数据批次大于1时，每个所述量子线路模块按照所述输入数据的批次顺序执行完毕之后再计算各批次所述输入数据的梯度，所述输入数据的批次相同时，当前所述量子线路模块的执行时序晚于上一所述量子线路模块的执行时序。
4.根据权利要求1所述的方法，其特征在于，所述输入数据批次大于1时，每个所述量子线路模块按照所述输入数据的批次顺序交替执行和计算梯度，所述输入数据的批次相同时，当前所述量子线路模块的执行时序晚于上一所述量子线路模块的执行时序。
5.根据权利要求1...
【专利技术属性】
技术研发人员：窦猛汉，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
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。