CN114676837B 基于量子模拟器的进化量子神经网络架构搜索方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114676837B(45)授权公告日2025.01.10

(21)申请号202210362448.2

(22)申请日2022.04.07

(65)同一申请的已公布的文献号申请公布号CN114676837A

(43)申请公布日2022.06.28

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人李阳阳郝晓斌赵裴翔刘睿娇焦李成尚荣华马文萍缑水平

(74)专利代理机构陕西电子工业专利中心61205

专利代理师王品华

(51)Int.CI.

GO6N10/60(2022.01)

GO6N10/80(2022.01)

GO6V10/764(2022.01)

GO6N3/126(2023.01)

GO6F17/16(2006.01)

(56)对比文件

CN111898689A,2020.11.06CN112446432A,2021.03.05

审查员张谦

权利要求书5页说明书11页附图6页

(54)发明名称

基于量子模拟器的进化量子神经网络架构搜索方法

(57)摘要

CN114676837B本发明公开了一种基于量子模拟器的进化量子神经网络架构搜索方法，主要解决现有技术设计的量子神经网络模型精度低、复杂度高的问题。其实现方案为：对图像数据进行量子化编码；设计量子神经网络基本框架；利用量子编码后的图像数据采用量子进化算法搜索量子神经网络基本框架下的最优结构参数，在量子进化算法中，量子神经网络被编码为量子染色体，利用量子观测、量子旋转门更新、全干扰交叉操作寻找最优结构参数；基于最优结构参数构建最优量子神经网络。本发明搜索得到的量子神经网络具有更高的模型精度和更低的复杂度，并能将其部署在量子模拟器或者真实的量子系统上，充分利用

CN114676837B

CN114676837B权利要求书1/5页

2

1.一种基于量子模拟器的进化量子神经网络架构搜索方法，其特征在于，包括如下：

(1)采用Qubit-Lattice的编码方式对图像数据进行量子化编码：

(1a)对图像进行灰度化处理，生成RGB三通道彩色图像所对应的单通道灰度图像，表示

为Im*n={p1,P??··P?n,P21·Pij…P},其中m和n是图像中像素的行数和列数，p是第i行

和第j列位置的像素值；

(1b)将灰度图像的每一个像素用一个量子比特表示，其包括用量子态的基态所表示的灰度图像像素位置，及用量子态的概率振幅表示的图像像素值，得到量子编码后的量子图像数据|ψ:

lψ=l41?+lV12+…+lV1n+l421+lyij…+lym

其中，14?=a:;;1O+3;11表示量子图像第1行和第j列的像素位置，α:;和β,分别表示量子比特在不同基态|0和|1上的概率振幅，两者共同表示该位置的像素值；

(2)设计量子神经网络基本框架：

(2a)设辅助量子比特的初始状态为1,将其与上述编码后的k位量子图像数据|ψ进行拼接，得到k+1位的量子输入状态|y,1,其中k的大小由原始图像分辨率所决定；

(2b)设计量子逻辑门数量，即对k+1位的量子输入状态中的k位数据量子比特的每一位设计m个量子逻辑门，并将其依次作用于k位数据量子比特和辅助量子比特上，得到m*k个待设计的量子逻辑门；

(2c)设计量子逻辑门种类，即设待选的量子逻辑门类型数为t,得到t*种量子神经网络的结构；

(3)搜索上述量子神经网络基本框架下的最优结构：

(3a)设计量子神经网络结构的搜索空间：

设计量子输入状态共有k位量子比特，对每一位量子比特执行2次量子逻辑门变换操作，设计所采用的量子逻辑门类型为XX门、YY门、ZZ门以及用于恒等变换的量子逻辑门I门，得到由量子神经网络所有结构所组成大小为42k的搜索空间；

//

(3b)采用量子进化算法QEA作为搜索策略对搜索空间进行搜索得到最优结构参数p

best:

pbest是一个二进制编码的染色体，其中，为第j个量子逻辑门的类型对应的二进制串染色体基因，,δ1、δ2∈{0,1},n为量子逻辑门数量；

(4)基于最优结构参数p”best构建最优量子神经网络QNN:

(4a)对pbest进行解码得到二进制串染