[发明专利]量子多通道卷积神经分类方法、系统、终端及存储介质

权利要求书

1.一种量子多通道卷积神经网络对二维图像的分类方法，其特征在于，包括：

将传统二维数据转化为量子态输入数据，具体包括将输入的所述二维图像的样本中的每个像素点的数值，转换为量子计算机的输入量子比特；

根据计算场景需求设置通道数，并生成与通道数同等数量的量子卷积核，所述量子卷积核由一定数量的量子旋转门构成；

量子通道内的卷积核对量子态输入数据进行量子计算，输出的每个通道的量子态为：

,，为卷积核中对应位置的参数值，为量子态输入数据；

将量子卷积核计算输出的量子比特的概率值作为所属量子通道的输出标签概率；

根据各量子通道的输出标签概率确定识别结果，以实现对所述二维图像的分类；

其中，最终输出为m个量子比特，表征m个输出标签，取每个量子比特为|1的概率值作为该通道表示的输出标签概率，选取其中概率最高的标签为最终模型给出的预测标签，进行分类任务；

其中，所述量子态输入数据的维度为n×n,所述通道数的数量为m，所述量子卷积核为n×n×m量子卷积核。

2.根据权利要求1所述的方法，其特征在于，所述将传统二维数据转化为量子态输入数据，包括：

预先存储多种映射方法；

选取与所述传统二维数据匹配的映射方法将所述传统二维数据转化为量子态输入数据。

3.根据权利要求1所述的方法，其特征在于，所述生成与通道数同等数量的量子卷积核，所述量子卷积核由一定数量的量子旋转门构成，包括：

根据量子态输入数据维度和量子旋转门数量设置量子卷积核，且每个量子旋转门的角度为可训练数。

4.一种量子多通道卷积神经网络对二维图像的分类系统，其特征在于，包括：

数据转化单元，配置用于将传统二维数据转化为量子态输入数据，具体包括将输入的所述二维图像的样本中的每个像素点的数值，转换为量子计算机的输入量子比特；

通道设置单元，配置用于根据计算场景需求设置通道数，并生成与通道数同等数量的量子卷积核，所述量子卷积核由一定数量的量子旋转门构成；

通道计算单元，配置用于量子通道内的卷积核对量子态输入数据进行量子计算，输出的每个通道的量子态为：

,，为卷积核中对应位置的参数值，为量子态输入数据；

概率设置单元，配置用于将量子卷积核计算输出的量子比特的概率值作为所属量子通道的输出标签概率；

标签识别单元，配置用于根据各量子通道的输出标签概率确定识别结果，以实现对所述二维图像的分类；

其中，最终输出为m个量子比特，表征m个输出标签，取每个量子比特为|1的概率值作为该通道表示的输出标签概率，选取其中概率最高的标签为最终模型给出的预测标签，进行分类任务；

其中，所述量子态输入数据的维度为n×n,所述通道数的数量为m，所述量子卷积核为n×n×m量子卷积核。

5.根据权利要求4所述的系统，其特征在于，所述数据转化单元包括：

映射存储模块，配置用于预先存储多种映射方法；

映射转化模块，配置用于选取与所述传统二维数据匹配的映射方法将所述传统二维数据转化为量子态输入数据。

6.根据权利要求4所述的系统，其特征在于，所述通道设置单元包括：

卷积设置模块，配置用于根据量子态输入数据维度和量子旋转门数量设置量子卷积核，且每个量子旋转门的角度为可训练数。

7.一种终端，其特征在于，包括：

处理器；

用于存储处理器的执行指令的存储器；

其中，所述处理器被配置为执行权利要求1-3任一项所述的方法。

8.一种存储有计算机程序的计算机可读存储介质，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一项所述的方法。