CN119416903A 变分量子线路和量子态振幅编码方法、装置、设备及介质 （国开启科量子技术(安徽)有限公司）

路900号中安创谷科技园一期A4栋三变分量子线路和量子态振幅编码方法、装本发明公开了变分量子线路和量子态振幅每个第一非受控RY门分别设置在第2个量子比特至第n个量子比特上；线路模块包括多个第二操作列，每个第二操作列均包括1个第二非受控RY个量子比特上；每个受控RY门分别设置在第2个发明能够在减少使用量子线路的量子门数量的2的控制位为与受控RY门的目标量子比特相邻的线路模块位于第一操作列和第三操作列之间，每个非受控RY门线路模块的两端分别与第一操作列的一端和第三操作列的一训练量子态为通过将预设参数作为训练参数代入所述变分量子线路而输出的经过所将参数初始值作为训练参数代入所述变分量子线路，以输出经过计算归一化的待编码实向量与训练量子态之间的损失构建量子_经典混合神经网络，通过经典优化器训练和优响应于训练参数或损失值收敛于设定的阈值而输出经过所述变分量子线路演化后的3代入模块，其用于将参数初始值作为训练参数代入所述变分计算模块，其用于计算归一化的待编码实向量与训练量值为归一化的待编码实向量与训练量子态的保优化模块，其用于构建量子_经典混合神经网的存储器；所述电子设备执行所述计算机程序指令时实现如权利要求5_7中任一项所述的45[0008]进一步地，线路模块的两端分别与第一操作列的一端和响应于训练参数或损失值收敛于设定的阈值而输出经过所述变分量子线路演化若待编码实向量的元素个数未满足2n，则进6损失值为归一化的待编码实向量与训练量子态子经典混合神经网络中的所述变分量子线路的训练参数，直到训练参数或损失值收敛于本发明实施例提供的变分量子线路中只设置了单量子比特非受控RY门和双量子7的任何元素及其数量均用于示例而非限制，附图中的任何命名均仅用于区分，而不具有任何限制含义。[0030]以下参考本发明的若干示例性或代表性实施方式，详细阐释本发明的原理和精[0031]若使用现有的振幅编码方案对一组维度为25=32个元素的待编码实向量x进行编C^3RY门表示有3个控制位的多量子比特RY门，C^2RY门表示有2个控制位的多量子比特RYyy8可用n个量子比特对N=2n维的待编码实向量进行振幅编码；由于每一组待编码实向量的维分量子线路中只设置了单量子比特非受控RY门和双量子比特受控RY门两种类型的量子门，为2n9[0040]图5示出了本发明实施例的一种量子态振幅编码方法的流程示意图，基于上述本失值为归一化的待编码实向量与训练量子态[0043]具体的，当归一化处理后的待编码实向量的元素个数满足2n时，待编码实向量得到量子态如下：[0049]其中，上述损失函数loss可定义为待编码实向量和演化后训练量子态的保真度练和优化量子经典混合神经网络中的所述变分量子线路的训练参数，直到训练参数或损个量子比特至第n个量子比特上，受控RY门的控制位为与受控位相邻的前一个低位量子比1个第二操作列中第二非受控RY门携带的训练参数可表示为alpha_d0_n0，第1个第二操作列中受控RY门携带的训练参数可依次表示为theta_d0_n0、参数可表示为theta_d1_n0，第2个第二操作列中受控RY门携带的训练参数可依次表示为[0060]步骤S5：构建一个完整的量子一经典混合神经网络。通过经典优化器（如Adam、失值可等于或接近于一1，训练停止。最终，得到参数固定的目标变分量子线路ansatz_[0065]由以上数据不难看出，本发明技术方案在MindSporeQuantum量子计算软件平台[0066]若使用现有的振幅编码方案对上述步骤S1中的维度为25=32的待编码实向量x进技术方案的变分量子线路仅依赖于单量子比特门RY和双量子比特门CRY的操作，完全避免述损失值为归一化的待编码实向量与训练量子态的保真量子_经典混合神经网络中的所述变分量子线路的训练参数，直到训练参数或损失值收敛响应模块560，其用于响应于训练参数或损失值收敛于设定的阈值而输出经过所电路（ApplicationSpecificIntegratedCircuit，ASIC或者可以被配置成实施本发明实施例的一个或多个集成电路。存储器602可以包括用于数据或指令的存储器。举例来码方法。[0076]以上示例性地描述了本发明实施例的方法和系统的流程图和/或框图，并描述了