[发明专利]基于机器学习框架的量子自动编码方法及相关装置

权利要求书

1.一种基于机器学习框架的量子自动编码方法，其特征在于，所述机器学习框架包括量子模块，所述方法包括：

调用所述量子模块创建量子自动编码线路，所述量子自动编码线路用于将初始量子态演化至压缩量子态和垃圾量子态，所述初始量子态表示的输入数据与所述压缩量子态表示的输出数据之间的偏差小于预设阈值，且所述初始量子态对应的第一量子比特数量大于所述压缩量子态对应的第二量子比特的数量，所述垃圾量子态表示的输出数据为所述输入数据中的待丢弃数据，所述垃圾量子态对应第三量子比特，所述第一量子比特包括所述第二量子比特和所述第三量子比特；

将待编码数据作为所述输入数据输入至所述量子自动编码线路，以及运行所述量子自动编码线路得到所述压缩量子态表示的输出数据。

2.如权利要求1所述的方法，其特征在于，所述量子模块包括量子态演化逻辑门单元，所述调用所述量子模块创建量子自动编码线路，包括：

调用所述量子态演化逻辑门单元获取单量子旋转逻辑门和受控单量子旋转逻辑门，以及将所述单量子旋转逻辑门和所述受控单量子旋转逻辑门作用于所述第一量子比特，得到量子自动编码线路。

3.如权利要求2所述的方法，其特征在于，所述第一量子比特的数量为N，所述单量子旋转逻辑门的数量为2N，所述受控单量子旋转逻辑门的数量为N×（N-1）；所述将所述单量子旋转逻辑门和所述受控单量子旋转逻辑门作用于所述第一量子比特，包括：

将其中N个所述单量子旋转逻辑门分别作用于N个所述第一量子比特，将N×（N-1）个所述受控单量子旋转逻辑门作用于每两个所述第一量子比特，以及将另外N个所述单量子旋转逻辑门分别作用于N个所述第一量子比特。

4.如权利要求2或3所述的方法，其特征在于，所述机器学习框架还包括经典模块，所述将待编码数据作为所述输入数据输入至所述量子自动编码线路之前，所述方法还包括：

调用所述量子态演化逻辑门单元创建SWAP测试线路；

调用所述经典模块基于所述SWAP测试线路对所述量子自动编码线路进行优化，得到优化后的所述量子自动编码线路。

5.如权利要求4所述的方法，其特征在于，所述调用所述量子态演化逻辑门单元创建SWAP测试线路，包括：

调用所述量子态演化逻辑门单元获取H门和受控SWAP门；

将所述H门作用于辅助量子比特，将所述受控SWAP门作用于所述辅助量子比特和所述第三量子比特，以及将所述H门作用于所述辅助量子比特，得到SWAP测试线路。

6.如权利要求4所述的方法，其特征在于，所述经典模块包括损失函数单元和优化器单元，所述调用所述经典模块基于所述SWAP测试线路对所述量子自动编码线路进行优化，包括：

运行所述SWAP测试线路，得到所述SWAP测试线路的输出数据；

基于所述SWAP测试线路的输出数据确定所述初始量子态与所述压缩量子态的保真度；

调用所述损失函数单元基于所述保真度计算损失函数；

调用所述优化器单元基于所述损失函数对所述量子自动编码线路中的参数进行优化。

7.一种基于机器学习框架的量子自动编码装置，其特征在于，所述机器学习框架包括量子模块，所述装置包括：

线路创建单元，用于调用所述量子模块创建量子自动编码线路，所述量子自动编码线路用于将初始量子态演化至压缩量子态和垃圾量子态，所述初始量子态表示的输入数据与所述压缩量子态表示的输出数据之间的偏差小于预设阈值，且所述初始量子态对应的第一量子比特数量大于所述压缩量子态对应的第二量子比特的数量，所述垃圾量子态表示的输出数据为所述输入数据中的待丢弃数据，所述垃圾量子态对应第三量子比特，所述第一量子比特包括所述第二量子比特和所述第三量子比特；

线路运行单元，用于将待编码数据作为所述输入数据输入至所述量子自动编码线路，以及运行所述量子自动编码线路得到所述压缩量子态表示的输出数据。

8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。