[发明专利]量子机器学习框架构建方法、装置及量子计算机

说明书

本发明提供的量子机器学习框架构建方法、装置及量子计算机，方法包括，获得设定问题对应的哈密顿量和该设定问题所需的量子比特数，并根据量子比特数获得目标比特，基于目标比特和哈密顿量获得设定问题的含参量子线路，从目标比特中确定待测量子比特，基于待测量子比特、哈密顿量以及含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类，针对设定问题，调用插设在预设机器学习框架中的量子操作节点类所具备的求梯度接口和求期望值接口求解设定问题，以构建量子机器学习框架。通过上述方法，以使该量子机器学习框架能够应用于量子计算机中，进而实现神经网络和量子计算进行混合编程的效果，以及使量子计算机能够进行机器学习。

技术领域

本发明涉及量子技术领域，具体而言，涉及一种量子机器学习框架构建方法、装置及量子计算机。

背景技术

量子计算机因其具有相对普通计算机更高效的处理数学问题的能力，例如能将破解RSA密钥的时间从数百年加速到数小时，故成为一种正在研究中的关键技术，且近年来机器学习领域的技术突破使得越来越多的大型商业公司加大了对其人工智能应用的投入研发。为了推进研发进度，各个公司推出了不同的机器学习框架来充分利用物理计算机集群的计算资源。

发明人经研究发现，在传统的机器学习框架中，通常训练多层神经网络，因而会用到梯度和期望值来优化各个输入参数，但是传统的机器学习框架通常只能应用到普通的计算机中，无法应用到量子计算机中，因此无法实现神经网络和量子计算进行混合编程的效果，进而无法采用量子计算机以实现机器学习，因此，提供一种能够应用到量子计算机的量子机器学习框架是亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种量子机器学习框架构建方法、装置及量子计算机，以有效解决上述技术问题。

为实现上述目的，本发明实施例采用如下技术方案：

一种量子机器学习框架构建方法，所述方法包括：

针对一设定问题，获得所述设定问题对应的哈密顿量；

获得该设定问题所需的量子比特数，根据所述量子比特数获得目标比特；

基于所述目标比特和所述哈密顿量获得所述设定问题的含参量子线路；

从所述目标比特中确定待测量子比特，基于所述待测量子比特、所述哈密顿量以及所述含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类；

针对所述设定问题，调用插设在预设机器学习框架中的所述量子操作节点类所具备的求梯度接口和求期望值接口求解所述设定问题，以构建量子机器学习框架。

可选的，在上述量子机器学习框架构建方法中，所述基于所述目标比特和所述哈密顿量获得所述设定问题的含参量子线路，具体包括：

获得所述哈密顿量对应的量子算符，作为目标算符；

基于所述目标算符和预设量子逻辑门转化器构建所述含参量子线路，其中，所述预设量子逻辑门转化器在接收到所述目标算符时，获得该目标算符对应的矩阵，将该矩阵转化为一组预设基矢，并获得该组预设基矢对应的多个量子逻辑门，以将所述目标算符转化为含参量子线路。

可选的，在上述量子机器学习框架构建方法中，所述量子逻辑门为含固定参数量子逻辑门或含变化参数量子逻辑门，且所述含参量子线路包括所述固定参数量子逻辑门和至少一个所述含变化参数量子逻辑门。

可选的，在上述量子机器学习框架构建方法中，所述基于所述待测量子比特、所述哈密顿量以及所述含参量子线路构建提供求期望值接口和求梯度接口的量子操作节点类的步骤包括：

基于所述待测量子比特、所述哈密顿量以及所述含参量子线路生成量子程序接口，其中，所述量子程序接口提供的量子程序中包括针对所述待测量子比特的测量操作命令；