[發明專利]一種基于量子生成對抗網絡的信道建模方法

有效

• 申請號: 202110981529.6
• 申請日: 2021-08-25
• 公開（公告）號: CN113676266B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 余旭濤;拱翟銳;孟凡旭;李澤通;萬之璠;張在琛;史惠萍;韋崢;趙良圓
• 申請（專利權）人: 東南大學;江蘇亨通光電股份有限公司;江蘇亨通問天量子信息研究院有限公司
• 主分類號: H04B17/00
• 分類號: H04B17/00;H04B17/391;G06N3/04;G06N3/08;G06N10/00;H04B10/70
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 秦秋星

1.一種基于量子生成對抗網絡的信道建模方法，其特征在于，包括如下步驟：

步驟1，構建量子生成對抗網絡模型，量子生成模型包括若干層量子生成電路；初始化量子生成對抗網絡模型的參數；

步驟2，根據量子生成電路比特數對隨機信道進行采樣，獲得信道數據樣本；

步驟3，計算信道數據樣本數據集間的互信息量，構建Chow-Liu Tree，并依此選取糾纏比特；

步驟4，構造量子生成模型中的量子生成電路結構和判別模型；

步驟5，通過代價函數的梯度下降迭代更新判別模型參數；

步驟6，通過代價函數的梯度下降迭代更新量子生成模型參數；

步驟7，判斷是否達到預設的訓練周期，達到則輸出最后得到的量子生成模型的參數向量得到所需的量子生成網絡模型參數，輸出最終信道建模結果，否則更新參數跳轉至步驟4。

2.根據權利要求1所述的量子生成對抗網絡的信道建模方法，其特征在于，步驟3中采用Chow-Liu樹作為選取糾纏比特對的拓撲結構的方法：

步驟31，在構造數據集比特間的Chow-Liu樹時，將數據集中的每一個比特看作樹的一個節點；

步驟32，計算出數據集中所有比特間的互信息量，以此作為邊的權重；

步驟33，獲得權重后，構建節點間的最大生成樹；

步驟34，構建Chow-Liu樹時，生成樹是一種無向結構，一個比特對中的控制比特和受控比特也是隨機選擇的；

步驟35，使用交換門和受控非門的組合使理想量子電路變為可編譯量子電路。

3.根據權利要求1所述的量子生成對抗網絡的信道建模方法，其特征在步驟4中量子生成模型的結構：

量子生成模型參考量子玻恩機模型由多層的量子生成電路構成，每層量子生成電路由旋轉層以及糾纏層構成；

每層旋轉層由可調參酉量子門構建，每層糾纏層由不包含可學習參數的受控非門構成。

4.根據權利要求1所述的量子生成對抗網絡的信道建模方法，其特征在步驟5中通過批量的代價函數的梯度下降迭代更新判別模型參數的方法：

量子生成模型擬合的分布使用量子本身的波函數幅值平方進行模擬，輸出端進行采樣；

步驟51，從生成的分布中采樣預設大小的樣本；

步驟52，從真實數據集中采樣預設大小的樣本；

步驟53，通過隨機梯度的下降更新判別模型參數，判別模型的代價函數其中，D(x)表示數據來自真實數據集的概率，n_D為每一次批量梯度下降時的樣本數據量，x_i代表訓練數據樣本集，z_i代表生成網絡模型G輸入端的輸入量子比特，G(z_i)代表生成網絡模型G生成的生成數據樣本集，M為訓練數據樣本集中樣本數量；

步驟54，判斷是否達到預設的迭代次數，是則進入步驟6，否則跳轉至步驟51。

5.根據權利要求1所述的量子生成對抗網絡的信道建模方法，其特征在于，步驟6中通過批量的代價函數的梯度下降迭代更新量子生成模型參數的方法：

使用兩批由量子生成電路模型參數為θ⁺和θ^-分別產生的數據x⁺和x^-來估計梯度：

步驟61，從參數為θ⁺的量子生成模型分布中采樣預設大小的樣本x⁺；

步驟62，從參數為θ^-的量子生成模型分布中采樣預設大小的樣本x^-；

步驟63，通過隨機梯度的下降更新量子生成模型參數，量子生成模型的代價函數為其中n_G為每一次批量梯度下降時的樣本數據量，數據x⁺和x^-為由兩批電路參數θ⁺、θ^-分別產生的數據；

步驟64，判斷是否達到預設的迭代次數，是則進入步驟7，否則跳轉至步驟61。