[發明專利]一種基于量子支持向量機預估量子線路真實輸出的方法

在審

• 申請號: 202210587147.X
• 申請日: 2022-05-26
• 公開（公告）號: CN114943341A
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 程學云;李響;曹可欣;陳新宇;朱明強;馮世光;朱鵬程;管致錦
• 申請（專利權）人: 南通大學
• 主分類號: G06N10/40
• 分類號: G06N10/40;G06N10/60;G06N10/20;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 張俊俊

1.一種基于量子支持向量機預估量子線路真實輸出的方法，其特征在于，包括以下步驟：

S1、Cnot量子線路初始映射并生成正反向電路

利用量子運算可逆的特性，并將其擴展到整個量子電路，在原正向電路的末端附加反向電路，執行正向和反向電路，反向電路預估整個電路固有的正確輸出，所有的輸出狀態需要準確到原始輸入狀態的信息，以獲得訪問和利用；

S2、分析數據模型特點

邏輯層的量子電路運行操作時，映射到真實物理機器上，由于物理機器的約束，無法完全呈現正確輸出，先建立最優電路圖，通過邏輯層改善錯誤來提高程序輸出準確率，這是要考慮的一部分數據類型；在物理機器層要考慮物理機器影響的量子位的相干時間、偏轉錯誤、操作門的錯誤和測量門物理機器上產生的錯誤率，在選擇模型建立的時候，要考慮這些相關因素；

S3、量子退火模擬器作為采樣器采樣；

使用量子退火器作為采樣器來支持經典模型的經典訓練，在所謂的受限玻爾茲曼機(RBM)的訓練中，每一步需要從吉布斯分布中找到更好的候選參數，在多體物理中，RBM和Ising(伊辛)模型之間的密切聯系表明，基于相互作用自旋的量子退火從這樣的吉布斯分布中產生樣本，從真實的量子分布，具有橫向場的Ising模型中提取樣本來訓練量子RBM；

RBM在這方面與現代量子退火裝置相匹配，它們的特點是二部連通圖，量子位之間的可調耦合圖起連接權值的作用，退火過程根據應用程序的需要，從圖配置中取樣，為圖中的可見節點使用夾緊值或未夾緊值，從而來確定退火范圍，在退火范圍內提取高保真率的數據，剔除無用數據；

RBMs是生成模型，它將可見二進制變量數組上的目標分布近似為連接到另一組隱藏二進制變量的二部圖的邊緣分布，分布由

對于某些參數(偏差)向量和一個連接權矩陣W；

RBMs的訓練是通過更新偏差和權重參數來最大化數據分布的對數似然，將損失(L)定義為負對數似然，模型參數的導數為

這些導數構成了一個梯度，用于和W的梯度下降調整，期望是在有夾緊值的數據和無夾緊值的模型上計算的值，這些步驟也被稱為積極和消極階段；

利用這種方式在線路中進行特征提取，下一個階段將分析這些數據；

S4、建立QSVM預測模型

通過步驟S3中RBMs提供的數據的特征，總共分為三類數據如表1所示：

采用QSVM量子支持向量機的模型對采集數據集進行處理，量子支持向量機提供了一種有吸引力的方法，SVM是一種有監督的機器學習方法，它輸出一個最優的超平面，對兩類之間的樣本進行分類，對數據點進行分類，支持向量機的量子增強核將輸入向量映射到指數希爾伯特空間，將這些數據按照相關性排序總結出一個權重比例；

收集的數據集被隨機分成85％:15％用于訓練或測試，該模型是訓練使用5倍交叉驗證魯棒性對抽樣偏差，采用帶期望改進獲取函數的貝葉斯優化方法對模型超參數進行調整。