[发明专利]一种量子图像识别方法及装置

说明书

本发明公开了一种量子图像识别方法及装置，方法包括：接收目标图像数据；将所述目标图像数据输入预先训练完成的、用于量子卷积操作的一层或多层量子卷积神经网络，运行所述量子卷积神经网络，获得并测量携带所述目标图像数据的特征信息的量子态，其中，所述量子卷积神经网络由包含可调参数的量子线路构建；将所述量子态的测量结果输入预选训练完成的经典神经网络，输出所述目标图像数据的识别结果。利用本发明实施例，能够实现量子计算在图像识别神经网络的应用，以发挥量子计算的并行优势，并补充相关技术的空白。

技术领域

本发明属于量子计算技术领域，特别是一种量子图像识别方法及装置。

背景技术

量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。当某个装置处理和计算的是量子信息，运行的是量子算法时，它就是量子计算机。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。

在经典计算机领域，神经网络可以用于图像识别、自然语言处理、语音识别等领域，旨在提取图像、语言、语音等信息载体中的特征信息。然而，量子计算的技术如何应用于神经网络图像识别等领域亟需探索解决。

发明内容

本发明的目的是提供一种量子图像识别方法及装置，以解决现有技术中的不足，它能够实现量子计算在图像识别神经网络的应用，以发挥量子计算的并行优势，并补充相关技术的空白。

本申请的一个实施例提供了一种量子图像识别方法，包括：

接收目标图像数据；

将所述目标图像数据输入预先训练完成的、用于量子卷积操作的一层或多层量子卷积神经网络，运行所述量子卷积神经网络，获得并测量携带所述目标图像数据的特征信息的量子态，其中，所述量子卷积神经网络由包含可调参数的量子线路构建；

将所述量子态的测量结果输入预选训练完成的经典神经网络，输出所述目标图像数据的识别结果。

可选的，所述目标图像数据包括：灰度图像数据或彩色图像数据。

可选的，所述量子卷积神经网络包括：量子态编码子线路、量子纠缠子线路和量子卷积核子线路；其中，

所述量子态编码子线路用于将所述目标图像数据的像素点信息编码到量子态上；

所述量子纠缠子线路用于关联量子比特的量子态信息；

所述量子卷积核子线路用于提取量子态信息携带的像素点对应的特征信息。

可选的，所述将所述目标图像数据输入预先训练完成的、用于量子卷积操作的一层或多层量子卷积神经网络，包括：

根据所述目标图像数据的像素点信息，确定所述量子态编码子线路中量子逻辑门的待输入参数值；

将所述待输入参数值，输入所述量子态编码子线路。

可选的，所述运行所述量子卷积神经网络，获得并测量携带所述目标图像数据的特征信息的量子态，包括：

在所述一层或多层量子卷积神经网络为一层的情况下，依次运行所述量子态编码子线路、量子纠缠子线路和量子卷积核子线路；

对所述量子卷积核子线路中的预设量子比特进行测量，得到测量出的各量子态及其概率，作为所述量子卷积神经网络的测量结果；

在所述一层或多层量子卷积神经网络为多层的情况下，依次运行各层量子卷积神经网络，对每一层量子卷积神经网络中量子卷积核子线路的预设量子比特进行测量，直至得到最后一层量子卷积神经网络的测量结果，其中，下一层量子卷积神经网络的输入根据上一层量子卷积神经网络的测量结果确定。