[發(fā)明專利]基于機器學習框架的二分類方法及相關裝置

有效

• 申請?zhí)枺?/td>: 202210282550.1
• 申請日: 2022-03-22
• 公開（公告）號: CN114358295B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設計）人: 方圓;李蕾;王漢超
• 申請（專利權）人: 合肥本源量子計算科技有限責任公司
• 主分類號: G06N10/20
• 分類號: G06N10/20;G06N10/40;G06N20/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于機器學習框架的二分類方法及相關裝置，該機器學習框架包括量子模塊和經(jīng)典模塊，本發(fā)明通過調用量子模塊構建量子計算層，調用經(jīng)典模塊構建經(jīng)典全連接層，調用經(jīng)典模塊將量子計算層與經(jīng)典全連接層進行連接，得到二分類機器學習模型。該二分類機器學習模型中的量子計算層用于通過從輸入數(shù)據(jù)中提取局部特征，利用量子計算中量子疊加的性質，可以減少比特等資源的占用，提高計算效率；經(jīng)典全連接層用于通過局部特征對輸入數(shù)據(jù)進行分類，利用經(jīng)典全連接層“分類器”的作用實現(xiàn)了根據(jù)局部特征進行二分類。量子與經(jīng)典的有機結合，在減少計算資源占用率的同時，擴大了二分類機器學習模型的應用范圍。

技術領域

本發(fā)明屬于量子計算技術領域，特別是涉及一種基于機器學習框架的二分類方法及相關裝置。

背景技術

經(jīng)典的機器學習徹底改變了人工智能的許多子領域，并取得了重大成功。近年來，隨著信息時代的到來，機器學習得到了迅速的發(fā)展。電子數(shù)據(jù)量的快速增長導致了機器學習模型的訓練數(shù)據(jù)的大量增加。與此同時，電子計算機計算能力的迅速發(fā)展，特別是以圖形處理單元（GPU）為代表的一系列新型電子計算設備的出現(xiàn)，使得機器學習模型的大規(guī)模訓練成為現(xiàn)實。因此，機器學習已經(jīng)大大超越了之前的傳統(tǒng)算法，并在許多領域得到了廣泛的應用。機器學習在數(shù)字圖像分類、手寫字符識別、視頻分析等領域的表現(xiàn)已經(jīng)達到或超過了人類。

然而，隨著樣本數(shù)量和特征數(shù)量的增大，經(jīng)典的二分類機器學習模型會非常占用計算資源，一定程度上限制了其應用范圍。量子計算的發(fā)展為解決該問題帶來了曙光，如能將量子計算與經(jīng)典機器學習相結合，利用量子計算機遠超經(jīng)典計算機的效率，結合大數(shù)據(jù)時代快速發(fā)展的機器學習算法，將進一步提高了大數(shù)據(jù)的處理能力。因此，如何實現(xiàn)量子二分類機器學習模型是一個需要解決的技術問題。

發(fā)明內容

本發(fā)明的目的是提供一種基于機器學習框架的二分類方法及相關裝置，旨在減少進行二分類機器學習時計算資源的占用率。

本發(fā)明的一個實施例提供了一種基于機器學習框架的二分類方法，所述機器學習框架包括量子模塊和經(jīng)典模塊，所述方法包括：

調用所述量子模塊構建量子計算層，調用所述經(jīng)典模塊構建經(jīng)典全連接層，以及調用所述經(jīng)典模塊將所述量子計算層與所述經(jīng)典全連接層進行連接，得到二分類機器學習模型，所述量子計算層用于從輸入數(shù)據(jù)中提取局部特征，所述經(jīng)典全連接層用于通過所述局部特征對所述輸入數(shù)據(jù)進行二分類；

將待分類數(shù)據(jù)作為所述輸入數(shù)據(jù)輸入所述二分類機器學習模型，得到所述待分類數(shù)據(jù)的分類結果。

可選的，所述量子計算層包括級聯(lián)的數(shù)據(jù)編碼量子線路、可變分量子線路和測量量子線路，所述量子模塊包括量子邏輯門子模塊和量子測量子模塊，所述量子邏輯門子模塊包括量子態(tài)編碼邏輯門單元和量子態(tài)演化邏輯門單元，所述調用所述量子模塊構建量子計算層，包括：

調用所述量子態(tài)編碼邏輯門單元創(chuàng)建所述數(shù)據(jù)編碼量子線路，所述數(shù)據(jù)編碼量子線路用于將所述輸入數(shù)據(jù)編碼至量子比特的量子態(tài)；

調用所述量子態(tài)演化邏輯門單元創(chuàng)建所述可變分量子線路，所述可變分量子線路用于將所述量子比特的量子態(tài)演化至目標量子態(tài)；

調用所述量子測量子模塊創(chuàng)建所述測量量子線路，所述測量量子線路用于測量得到所述量子比特的目標量子態(tài)，所述目標量子態(tài)用于表示所述局部特征。

可選的，所述數(shù)據(jù)編碼量子線路包括P個量子比特，所述調用所述量子態(tài)演化邏輯門單元創(chuàng)建所述可變分量子線路，包括：

調用所述量子態(tài)演化邏輯門單元創(chuàng)建局部特征提取邏輯門；

將所述局部特征提取邏輯門作用所述P個量子比特上，得到可變分量子線路。

可選的，所述將所述局部特征提取邏輯門作用所述P個量子比特上，得到可變分量子線路，包括：