[发明专利]基于量子神经网络的变分量子模型TFQ-VQA及其两级优化方法

权利要求书

1.一种基于量子神经网络的变分量子模型TFQ-VQA，其特征在于，该模型由量子神经网络模型QNN模块、期望值测量模块、循环神经网络模型RNN模块和代价函数评估模块四个模块组成；

所述量子神经网络模型QNN模块用于根据输入的量子数据集建立参数化量子线路模型，对输入的量子数据集执行量子计算，对存储在量子子空间中的隐藏状态的信息进行查询并提取；

所述期望值测量模块用于对量子神经网络模型QNN模块查询时的代价函数期望估计值进行测量；

所述循环神经网络模型RNN模块用于接收前一个查询的代价函数期望估计值，还用于接收来自前一时间步长提取的存储在量子子空间中的隐藏状态的信息；

所述代价函数评估模块用于评估代价函数，并通过梯度下降按照预期的方向更新参数化量子线路控制参数，并输出最佳控制参数。

2.根据权利要求1所述的基于量子神经网络的变分量子模型TFQ-VQA，其特征在于，所述参数化量子线路模型为三层量子神经网络模型，第一层包括固定的量子门和参数化的量子门；第二层包括多个单参数门形成的多参数酉矩阵；第三层包括由多个多参数酉矩阵的乘积生成的量子模型。

3.一种基于量子神经网络的变分量子模型TFQ-VQA的两级优化方法，其特征在于，包括：

在第一阶段，对量子线路深度p＝1的VQA实例用逐层迭代的网格搜索方法，并将输出反馈到经典优化器BFGS全局优化算法中得到最佳控制参数取值；

在第二阶段，利用预先训练的TFQ-VQA模型，以及第一阶段产生的最佳控制参数取值和量子线路目标深度p_t来预测p_t深度的VQA实例的控制参数初始值；

局部优化器根据控制参数初始值优化控制变量，以找到目标解决方案。