[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

说明书

本发明公开了一种基于机器学习框架的量子自动编码方法及相关装置，本发明通过调用量子模块创建量子自动编码线路，该量子自动编码线路用于将初始量子态演化至压缩量子态，初始量子态表示的输入数据与压缩量子态表示的输出数据之间的偏差小于预设阈值，且初始量子态对应的第一量子比特数量大于压缩量子态对应的第二量子比特的数量；将待编码数据作为输入数据输入至该量子自动编码线路，以及运行该量子自动编码线路得到压缩量子态表示的输出数据，实现了量子数据的压缩和自动编码，同时利用量子叠加的性质，减少了经典自动编码器对计算资源的占用率，提升了自动编码器的速度。

技术领域

本发明属于量子计算技术领域，特别是涉及一种基于机器学习框架的量子自动编码方法及相关装置。

背景技术

自动编码器是一种无监督的神经网络模型，可以学习到输入数据的隐含特征，称为编码，同时可以用学习到的新特征重构出原始输入数据，称为解码。它既可以用于特征降维，又可以用于特征提取。作为无监督学习模型，自动编码器还可以用于生成与训练样本不同的新数据，这样自动编码器就是生成式模型。

随着待编码数据的增大，经典的自动编码器会非常占用计算资源，计算速度越来越慢。量子计算的发展为解决该问题带来了曙光，如能将量子计算与自动编码器相结合，利用量子计算机远超经典计算机的效率，将进一步提高自动编码器的数据处理能力。因此，如何实现量子自动编码器是一个需要解决的技术问题。

发明内容

本发明的目的是提供一种基于机器学习框架的量子自动编码方法及相关装置，旨在减少经典自动编码器对计算资源的占用率，提升自动编码器的速度。

本发明的一个实施例提供了一种基于机器学习框架的量子自动编码方法，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，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；

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。

可选的，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。

可选的，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：

将所述单量子旋转逻辑门作用于所述第一量子比特，将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，以及将所述单量子旋转逻辑门作用于所述第一量子比特。

可选的，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。

可选的，所述量子自动编码线路还用于将所述初始量子态演化至垃圾量子态，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。

可选的，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；