CN109740758B - 一种基于量子计算的核方法 - Google Patents
一种基于量子计算的核方法 Download PDFInfo
- Publication number
- CN109740758B CN109740758B CN201910019690.8A CN201910019690A CN109740758B CN 109740758 B CN109740758 B CN 109740758B CN 201910019690 A CN201910019690 A CN 201910019690A CN 109740758 B CN109740758 B CN 109740758B
- Authority
- CN
- China
- Prior art keywords
- quantum
- data
- qram
- gate
- register
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
技术领域
本发明涉及一种基于量子计算的核方法。
背景技术
近年来,量子机器学习引起了越来越多的计算机科学家和物理学家的关注。在量子算法(HHL)提出求解线性方程组之后,许多研究集中于通过量子计算加速经典学习算法。例如,量子原理分析、量子支持向量机、量子岭回归等。这些算法的共同基本思想是,原始学习任务可以公式化为线性方程组,而线性方程组可以通过HHL算法有效地求解。然而,所有这些方法都很少考虑机器学习中强大的工具——核技巧,它使我们能够在高维空间中操作数据,并将线性不可分问题转变为线性可分问题。
机器学习中核方法kernel methods是一类重要工具,其目的是对原始特征数据进行非线性映射,将原始低维数据映射到新的高维特征空间中。实现原本无法在低维空间中,用线性超平面分类的问题,转化到高维空间中实现。整个过程将原数据点隐式的嵌入进高维的希尔伯特空间Hilbert Space。如:
因此,在本申请致力于提供一种量子版本的核方法。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于量子计算的核方法。
本发明的目的是通过以下技术方案来实现的:一种基于量子计算的核方法,包括以下步骤:
其中,H为Hardmard门,k为索引index,k的取值为0~(2^n)-1;n为量子比特数;
并将使用CNOT门进行将该量子态拷贝至第二量子寄存器;
S2:使用量子随机存储器QRAM,通过所述QRAM的操作U得到已编码到量子态上的经典数据θk:
S3:将θk通过二进制串表示:
k=2n-1k1+2n-2k2+...+20kn=k1k2...kn
对第i个量子比特上使用双控制量子旋转门的Ri:
式中,Z为量子Z门;
通过对每个量子比特进行旋转操作,得到:
故得到量子态:
S4:将不必要的中间辅助量子比特置零,则可得:
使用第一量子寄存器:
该量子态的密度矩阵即为所要映射得到的核矩阵。
进一步地,在步骤S1中,所述核函数为径向基核函数:
式中,σ表示自由变量;
所述径向基核函数表示为:
进一步地,所述的核方法用于图片的处理;首先将图片数据作为输入存储于第一量子寄存器QRAM,通过QRAM将景点数据转化成量子数据,然后根据步骤S1~S4将编码于量子态概率幅上的景点数据映射到高维空间。
本发明的有益效果是:
(1)本发明将核方法拓展到量子计算,借助量子计算的高并行性特点,可达到对原有经典算法提速的效果。经典算法需要对每一条数据的每个特征进行计算,但量子算法可同时对该条数据的所有特征进行并行计算,从而达到加速的目的。
(2)本发明优选实施例可以将该方法应用于图片数据的处理,首先需要将经典图片数据作为输入,先存储于QRAM中(通过QRAM将经典数据转化成量子数据),然后根据步骤S1~4即可将编码于量子态概率幅上的景点数据映射到高维空间。对于高维映射借助于量子算法可实现复杂度为O(logN)操作。
附图说明
图1为本发明步骤S1~S4所采用的量子电路示意图;
图2为图1中步骤S1的量子电路局部示意图;
图3为图2的详细连接示意图;
图4为步骤S3的详细连接示意图;
图5为图1中步骤S4的量子电路局部示意图。
具体实施方式
下面结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于核函数可以近似表示为以下形式,
k(xi,xj)≈<φ(xi),φ(xj)>
其中xi为第i条数据,且
这样我们可以将每个矩阵(即上式中每个加号之间的矩阵)视为不同量子态(密度矩阵ρl)的线性组合。
这样我们即可将原量子态中的数据,通过RBF映射到高维特征空间,其中l表示维度。
如图1所示,一种基于量子计算的核方法的步骤S1~S4可以采用图1中量子电路实现。其中,每一行分别代表第一量子寄存器、第二量子计算器和第三量子寄存器,其中第三量子寄存器的量子比特主要用于辅助计算。
其中,H为Hardmard门,k为索引index,k的取值为0~(2^n)-1;n为量子比特数;
并将使用CNOT门进行将该量子态拷贝至第二量子寄存器。
具体地,图2的实线框部分示出了量子电路关于该步骤的部分,而图3示出了该实线框部分的实际实现方式。
如图3所示,图中方框H表示Hardmard门,圆圈与垂直线表示CNOT门。图中上部分表示第一量子寄存器,每一行分别代表第一量子寄存器的第i个量子比特;图中下部分表示第二量子寄存器,每一行分别代表第二量子寄存器的第i个量子比特。
S2:使用量子随机存储器QRAM,通过该QRAM的操作U得到已编码到量子态上的经典数据θk:
该步骤对应于图中即为图1中的U方框,如图所示,所述操作U是针对第二量子寄存器和第三量子寄存器进行。即QRAM作用于第二量子寄存器和第三量子寄存器。
其中,量子随机存储器QRAM可采用Giovannetti V,Lloyd S,Maccone L.Quantumrandom access memory[J].Physical review letters,2008,100(16):160501.中的记载。
S3:将θk通过二进制串表示:
k=2n-1k1+2n-2k2+...+20kn=k1k2...kn
式中,Z为量子Z门;
通过对每个量子比特进行旋转操作,得到:
CC表示控制-控制门(control-control-gate),需要两个量子比特作为控制位。
故得到量子态:
具体地,该步骤对应于图中即为图1中的V方框。
如图4,X表示X门,Ri表示双控制量子旋转门,V方框可具体表示为:V作用于第一量子寄存器的第一量子比特,第二量子寄存器的第一量子比特及第三量子寄存器的第一量子比特;对第二量子寄存器的第一量子作用X门,再根据第三量子寄存器和第二量子寄存器的相应量子比特共同控制,实现控制-控制旋转门Ri,并作用于第一量子寄存器的第一量子比特。以此类推。
S6:将不必要的中间辅助量子比特置零,则可得:
使用第一量子寄存器:
该量子态的密度矩阵即为所要映射得到的核矩阵。
具体地,该步骤对应部分为图5中的实线框部分。
更优地,在所述的核方法用于图片的处理,即xi表示图片数据;首先将将图片数据作为输入存储于第一量子寄存器QRAM,通过QRAM将景点数据转化成量子数据,然后根据步骤S1~S4将编码于量子态概率幅上的景点数据映射到高维空间。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (2)
1.一种基于量子计算的核方法,其特征在于:包括以下步骤:
其中,H为Hardmard门,k为索引index,k的取值为0~(2^n)-1;n为量子比特数;
并将使用CNOT门进行将该量子态拷贝至第二量子寄存器;
S2:使用量子随机存储器QRAM,通过所述QRAM的操作U得到已编码到量子态上的经典数据θk:
S3:将θk通过二进制串表示:
k=2n-1k1+2n-2k2+...+20kn=k1k2...kn
对第i个量子比特上使用双控制量子旋转门的Ri:
式中,Z为量子Z门;
通过对每个量子比特进行旋转操作,得到:
故得到量子态:
S4:将不必要的中间辅助量子比特置零,则可得:
使用第一量子寄存器:
该量子态的密度矩阵即为所要映射得到的核矩阵;
所述的核方法用于图片的处理;首先将图片数据作为输入存储于QRAM,通过QRAM将经典数据转化成量子数据,然后根据步骤S1~S4将编码于量子态概率幅上的经典数据映射到高维空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910019690.8A CN109740758B (zh) | 2019-01-09 | 2019-01-09 | 一种基于量子计算的核方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910019690.8A CN109740758B (zh) | 2019-01-09 | 2019-01-09 | 一种基于量子计算的核方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740758A CN109740758A (zh) | 2019-05-10 |
CN109740758B true CN109740758B (zh) | 2023-04-07 |
Family
ID=66364099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910019690.8A Active CN109740758B (zh) | 2019-01-09 | 2019-01-09 | 一种基于量子计算的核方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740758B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111626424B (zh) * | 2020-05-21 | 2023-08-18 | 宿迁学院 | 面向嘈杂中型量子计算架构的量子寄存器分配方法和系统 |
CN112068798B (zh) * | 2020-08-14 | 2023-11-03 | 本源量子计算科技(合肥)股份有限公司 | 一种实现网络节点重要性排序的方法及装置 |
WO2022110704A1 (zh) * | 2020-11-30 | 2022-06-02 | 合肥本源量子计算科技有限责任公司 | 数据读取方法、装置、存储介质及电子装置 |
CN113554118B (zh) * | 2021-08-20 | 2024-02-09 | 四川元匠科技有限公司 | 量子金融票据分类方法、系统、存储介质和终端 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118608A (zh) * | 2007-08-23 | 2008-02-06 | 清华大学 | 任意量子比特门的分解方法 |
CN103414477A (zh) * | 2013-07-12 | 2013-11-27 | 西安电子科技大学 | 一种构造量子卷积码状态转移图和网格图的方法 |
CN103871017A (zh) * | 2014-03-25 | 2014-06-18 | 北京工业大学 | 基于量子散列函数的新型图像加密方法 |
CN103942460A (zh) * | 2014-05-13 | 2014-07-23 | 华南师范大学 | 一种容错实现通用量子计算的方法 |
CN106650808A (zh) * | 2016-12-20 | 2017-05-10 | 北京工业大学 | 一种基于量子近邻算法的图像分类方法 |
CN106919797A (zh) * | 2017-03-03 | 2017-07-04 | 电子科技大学 | 一种量子拉普拉斯特征映射方法 |
CN108154240A (zh) * | 2017-12-29 | 2018-06-12 | 合肥本源量子计算科技有限责任公司 | 一种低复杂度的量子线路模拟系统 |
CN108255784A (zh) * | 2018-01-15 | 2018-07-06 | 广西师范大学 | 多层量子d(4)小波包变换和逆变换实现量子线路设计的方法 |
CN108416445A (zh) * | 2018-03-13 | 2018-08-17 | 广西师范大学 | 一种量子实信号的存储与量子线路实现的设计方法 |
CN109074518A (zh) * | 2015-12-30 | 2018-12-21 | 谷歌有限责任公司 | 多个本征值的量子相位估计 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005059699A2 (en) * | 2003-12-15 | 2005-06-30 | Quantum Matrix Holdings, Llc | System and method for multi-dimensional organization, management, and manipulation of data |
US20200278050A1 (en) * | 2017-11-09 | 2020-09-03 | Hydra-Zorb Co. | Saddle pipe support |
-
2019
- 2019-01-09 CN CN201910019690.8A patent/CN109740758B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118608A (zh) * | 2007-08-23 | 2008-02-06 | 清华大学 | 任意量子比特门的分解方法 |
CN103414477A (zh) * | 2013-07-12 | 2013-11-27 | 西安电子科技大学 | 一种构造量子卷积码状态转移图和网格图的方法 |
CN103871017A (zh) * | 2014-03-25 | 2014-06-18 | 北京工业大学 | 基于量子散列函数的新型图像加密方法 |
CN103942460A (zh) * | 2014-05-13 | 2014-07-23 | 华南师范大学 | 一种容错实现通用量子计算的方法 |
CN109074518A (zh) * | 2015-12-30 | 2018-12-21 | 谷歌有限责任公司 | 多个本征值的量子相位估计 |
CN106650808A (zh) * | 2016-12-20 | 2017-05-10 | 北京工业大学 | 一种基于量子近邻算法的图像分类方法 |
CN106919797A (zh) * | 2017-03-03 | 2017-07-04 | 电子科技大学 | 一种量子拉普拉斯特征映射方法 |
CN108154240A (zh) * | 2017-12-29 | 2018-06-12 | 合肥本源量子计算科技有限责任公司 | 一种低复杂度的量子线路模拟系统 |
CN108255784A (zh) * | 2018-01-15 | 2018-07-06 | 广西师范大学 | 多层量子d(4)小波包变换和逆变换实现量子线路设计的方法 |
CN108416445A (zh) * | 2018-03-13 | 2018-08-17 | 广西师范大学 | 一种量子实信号的存储与量子线路实现的设计方法 |
Non-Patent Citations (2)
Title |
---|
Parallelizing the QUDA Library for Multi-GPU Calculations in Lattice Quantum Chromodynamics;Ronald Babich等;《IEEE》;20101129;第1-11页 * |
T型魔幻态纯化速度之研究;於亚飞等;《量子光学学报》;20131125;第330-334页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109740758A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740758B (zh) | 一种基于量子计算的核方法 | |
Ruan et al. | Quantum algorithm for k-nearest neighbors classification based on the metric of hamming distance | |
CN112464003B (zh) | 一种图像分类方法及相关装置 | |
US10824373B2 (en) | Effective quantum RAM architecture for quantum database | |
CN109002894B (zh) | 一种基于量子叠加态的量子加法器设计方法 | |
Ali et al. | Modeling global geometric spatial information for rotation invariant classification of satellite images | |
EP3841529A1 (en) | Scalable and compressive neural network data storage system | |
DE102019103319A1 (de) | Stochastisches runden von zahlenwerten | |
Chen et al. | SSL++: Improving self-supervised learning by mitigating the proxy task-specificity problem | |
CN115795065A (zh) | 基于带权哈希码的多媒体数据跨模态检索方法及系统 | |
CN113255747B (zh) | 量子多通道卷积神经分类方法、系统、终端及存储介质 | |
CN108108769A (zh) | 一种数据的分类方法、装置及存储介质 | |
Iqbal et al. | Improving classification on images by extracting and transferring knowledge in genetic programming | |
CN114334028A (zh) | 基于图神经网络的不定3d结构生成方法、系统及存储介质 | |
Gushanskiy et al. | Implementation of Classic Image Transformation Algorithm to Quantum State, Boundary Extraction and Transformation of Half-Tone Image to Binary | |
Wang et al. | A quantum segmentation algorithm based on local adaptive threshold for NEQR image | |
CN116187454A (zh) | 基于量子线路的量子注意力机制方法 | |
Phalak et al. | Optimization of quantum read-only memory circuits | |
CN114219092A (zh) | 数据处理方法及系统 | |
CN114974405A (zh) | 基于量子gnn的结合能预测方法 | |
CN114550849A (zh) | 基于量子图神经网络解决化学分子性质预测的方法 | |
Zhou et al. | A multi-classification classifier based on variational quantum computation | |
Bhabhatsatam et al. | Hybrid Quantum Encoding: Combining Amplitude and Basis Encoding for Enhanced Data Storage and Processing in Quantum Computing | |
CN114764620B (zh) | 一种量子卷积操作器 | |
CN109993111B (zh) | 一种基于增量式受限非负矩阵分解的人脸识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |