JP7362692B2 - 量子ニューラルネットワーク - Google Patents
量子ニューラルネットワーク Download PDFInfo
- Publication number
- JP7362692B2 JP7362692B2 JP2021078683A JP2021078683A JP7362692B2 JP 7362692 B2 JP7362692 B2 JP 7362692B2 JP 2021078683 A JP2021078683 A JP 2021078683A JP 2021078683 A JP2021078683 A JP 2021078683A JP 7362692 B2 JP7362692 B2 JP 7362692B2
- Authority
- JP
- Japan
- Prior art keywords
- quantum
- neural network
- qubits
- machine learning
- gate
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B82—NANOTECHNOLOGY
- B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
- B82Y10/00—Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/34—Encoding or coding, e.g. Huffman coding or error correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Nanotechnology (AREA)
- Chemical & Material Sciences (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Neurology (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Image Analysis (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Description
図1は、機械学習タスクを実施するための例示的量子ニューラルネットワークアーキテクチャ100を示す。量子ニューラルネットワークアーキテクチャ100は、1つまたは複数の位置にある1つまたは複数の古典的コンピュータまたは量子コンピューティングデバイス上の古典的または量子コンピュータプログラムとして実装されたシステムの一例であり、そこに下で説明するシステム、コンポーネント、および技法を実装することができる。
図2は、分類タスクを実施するように量子ニューラルネットワークをトレーニングするための例示的プロセス200の流れ図である。例えば、この例示的プロセスは、上で図1を参照して説明した量子ニューラルネットワーク100をトレーニングするために使用されてよい。簡単のため、プロセス200については、1つまたは複数の位置に位置する1つまたは複数の古典的および/または量子コンピュータのシステムによって実施されるものとして説明する。
Loss(s,θ)=(<ψ(θ,zs)|σy out|ψ(θ,zs)>-ys)2
によって与えられてよく、ただしθは、量子ゲートパラメータを表し、ψ(θ,zs)は、複数の量子ビットおよびターゲット量子ビットの進展量子状態を表し、σy outは、測定量子ゲートを表し、ysは、既知の分類を表す。この損失関数に対して勾配降下法、例えば確率的勾配降下法を次いで実施して、ゲートパラメータの調整値を決定してよい。
102 量子ニューラルネットワーク
104 入力量子ニューラルネットワーク層
106a 第1の中間量子ニューラルネットワーク層
106b 中間量子ニューラルネットワーク層
106c 中間量子ニューラルネットワーク層
106d 中間量子ニューラルネットワーク層
106e 中間量子ニューラルネットワーク層
108 出力量子ニューラルネットワーク層
110 量子ビット
112 単一量子ビットゲート
114 制御デバイス
116 古典的プロセッサ
118 二量子ビットゲート
120 測定ゲート、測定量子ゲート
150 入力データ、機械学習タスクデータ入力
152 出力データ
200 例示的プロセス
300 例示的プロセス
Claims (11)
- 量子ニューラルネットワークをトレーニングするためにコンピューティングシステムにより実行される方法であって、
複数のトレーニング例を取得するステップであって、前記トレーニング例の各々が、機械学習タスク入力についての既知の分類とペアにされた機械学習タスク入力を含む、ステップと、
前記トレーニング例で前記量子ニューラルネットワークをトレーニングするステップであって、トレーニングするステップは、前記トレーニング例の各々に対して、
初期量子状態において、初期量子状態の入力量子ニューラルネットワーク層の複数の量子ビットを準備して、前記機械学習タスク入力を符号化するステップと、
1つまたは複数の量子ニューラルネットワーク層を用いて前記機械学習タスク入力を処理するステップであって、前記量子ニューラルネットワーク層の各々が、前記複数の量子ビットに作用する複数の量子論理ゲートと、前記入力量子ニューラルネットワーク層の中にもあるターゲット量子ビットとを含み、前記処理するステップは、量子ニューラルネットワーク層の各々について順番に、前記量子ニューラルネットワーク層についての量子論理ゲートを、前記複数の量子ビットおよび前記ターゲット量子ビットを表す現在の量子状態に適用するステップを含む、処理するステップと、
出力量子ニューラルネットワーク層における測定量子ゲートにより前記ターゲット量子ビットを測定して、機械学習タスクに対する解を表す出力を生成するステップと、
前記生成された出力を前記既知の分類と比較して、1つまたは複数のゲートパラメータ調整値を決定するステップと、
ゲートパラメータの値を初期値からトレーニング後の値に調整するステップと
を含む、トレーニングするステップと
を含み、
前記生成された出力を前記既知の分類と比較して、1つまたは複数のゲートパラメータ調整値を決定するステップは、
前記生成された出力と、前記機械学習タスクについての前記既知の分類とを用いて、損失関数を計算するステップと、
前記決定された1つまたは複数のゲートパラメータ調整値に基づき、勾配降下法を実施して、前記ゲートパラメータの調整された値を決定するステップと
を含む、方法。 - 量子コンピューティングシステムに実行される請求項1に記載の方法であって、前記量子コンピューティングシステムは、
複数の量子ビットと、前記複数の量子ビットに結合され、前記量子論理ゲートの前記複数の量子ビットへの適用を制御するように構成された1つまたは複数の制御デバイスとを備える、方法。 - 前記機械学習タスク入力の処理の間に、前記量子論理ゲートの量子論理ゲートパラメータによってパラメータ化されたユニタリ演算子が前記初期量子状態に適用される、請求項1または2に記載の方法。
- 前記測定が、前記1つまたは複数の制御デバイスによって行われる、請求項2に記載の方法。
- トレーニング例のサブセットを処理した後で、正規化を実施するステップをさらに含む、請求項1から4のうちのいずれか一項に記載の方法。
- 前記正規化が、0-ノルムまたは1-ノルム正則化を含む、請求項5に記載の方法。
- 機械学習タスクを実施するように量子ニューラルネットワークをトレーニングすることが、ブール関数f:{0,1}n→{0,1}を学習するように量子ニューラルをトレーニングすることを含む、請求項1から6のうちのいずれか一項に記載の方法。
- 前記損失関数が、
Loss(s,θ)=(<ψ(θ, zs)|σy out|ψ(θ, zs)> - ys)2
によって与えられ、ここでθは、量子論理ゲートパラメータを表し、ψ(θ, zs)は、前記複数の量子ビットおよびターゲット量子ビットの進展量子状態を表し、σy outは、前記測定量子ゲートを表し、ysは、前記既知の分類を表す、請求項1から7のうちのいずれか一項に記載の方法。 - 前記ブール関数は、パリティ関数、サブセットパリティ関数、サブセット多数決関数、または論理AND関数を含む、請求項7に記載の方法。
- 請求項1から9のうちのいずれか一項に記載の方法を実行するように構成されたシステムであって、
複数の量子ビットと1つまたは複数の制御デバイスとを備え、
前記1つまたは複数の制御デバイスは、前記複数の量子ビットに結合されるとともに、量子論理ゲートの前記複数の量子ビットへの適用を制御するように構成される、システム。 - コンピュータ可読命令を含むコンピュータプログラムであって、
前記コンピュータ可読命令は、コンピューティングシステムにより実行されたときに、前記コンピューティングシステムに、請求項1から9のうちのいずれか一項に記載の方法を実行させ、
前記コンピューティングシステムは、複数の量子ビットと、前記複数の量子ビットに結合されるとともに、量子論理ゲートの前記複数の量子ビットへの適用を制御するように構成された1つまたは複数の制御デバイスとを備える、コンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023172891A JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762514475P | 2017-06-02 | 2017-06-02 | |
US62/514,475 | 2017-06-02 | ||
JP2019566260A JP6882533B2 (ja) | 2017-06-02 | 2018-06-01 | 量子ニューラルネットワーク |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019566260A Division JP6882533B2 (ja) | 2017-06-02 | 2018-06-01 | 量子ニューラルネットワーク |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023172891A Division JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021121946A JP2021121946A (ja) | 2021-08-26 |
JP7362692B2 true JP7362692B2 (ja) | 2023-10-17 |
Family
ID=62705739
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019566260A Active JP6882533B2 (ja) | 2017-06-02 | 2018-06-01 | 量子ニューラルネットワーク |
JP2021078683A Active JP7362692B2 (ja) | 2017-06-02 | 2021-05-06 | 量子ニューラルネットワーク |
JP2023172891A Pending JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019566260A Active JP6882533B2 (ja) | 2017-06-02 | 2018-06-01 | 量子ニューラルネットワーク |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023172891A Pending JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Country Status (7)
Country | Link |
---|---|
US (2) | US11601265B2 (ja) |
EP (1) | EP3619655A1 (ja) |
JP (3) | JP6882533B2 (ja) |
CN (1) | CN110692067A (ja) |
AU (2) | AU2018278348B2 (ja) |
CA (1) | CA3065859C (ja) |
WO (1) | WO2018223037A1 (ja) |
Families Citing this family (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3619655A1 (en) * | 2017-06-02 | 2020-03-11 | Google LLC | Quantum neural network |
US11551127B1 (en) | 2018-05-09 | 2023-01-10 | Rigetti & Co, Llc | Using a quantum processor unit to preprocess data |
US10903413B2 (en) | 2018-06-20 | 2021-01-26 | Equal!.Labs Inc. | Semiconductor process optimized for quantum structures |
US10822231B2 (en) | 2018-06-20 | 2020-11-03 | equal1.labs Inc. | Semiconductor controlled quantum ancillary interaction gate |
US11568293B2 (en) * | 2018-07-18 | 2023-01-31 | Accenture Global Solutions Limited | Quantum formulation independent solver |
WO2020033807A1 (en) * | 2018-08-09 | 2020-02-13 | Rigetti & Co, Inc. | Quantum streaming kernel |
CN109800883B (zh) * | 2019-01-25 | 2020-12-04 | 合肥本源量子计算科技有限责任公司 | 量子机器学习框架构建方法、装置及量子计算机 |
CN109615079B (zh) * | 2019-01-30 | 2022-12-06 | 合肥本源量子计算科技有限责任公司 | 一种量子比特控制信号生成系统 |
WO2020168158A1 (en) * | 2019-02-15 | 2020-08-20 | Rigetti & Co, Inc. | Automated synthesizing of quantum programs |
US20200285947A1 (en) * | 2019-03-07 | 2020-09-10 | International Business Machines Corporation | Classical neural network with selective quantum computing kernel components |
US11748665B2 (en) * | 2019-04-03 | 2023-09-05 | International Business Machines Corporation | Quantum feature kernel alignment |
WO2020245013A1 (en) * | 2019-06-04 | 2020-12-10 | Universita' Degli Studi Di Pavia | Artificial neural network on quantum computing hardware |
US11562279B2 (en) * | 2019-06-18 | 2023-01-24 | Xanadu Quantum Technologies Inc. | Apparatus and methods for quantum computing and machine learning |
US20210150402A1 (en) * | 2019-11-18 | 2021-05-20 | Raytheon Bbn Technologies Corp. | Machine learning assisted qubit state readout |
JP2021082130A (ja) * | 2019-11-21 | 2021-05-27 | 株式会社日立製作所 | 電子回路、ニューラルネットワーク及びニューラルネットワークの学習方法 |
US11816535B1 (en) * | 2019-12-03 | 2023-11-14 | Google Llc | Multi-state qubit readout with permutation sequences |
CN113222161B (zh) * | 2020-01-21 | 2023-06-02 | 合肥本源量子计算科技有限责任公司 | 一种自定义量子逻辑门的实现方法、装置 |
CN111599414B (zh) * | 2020-03-25 | 2022-05-06 | 清华大学 | 一种基于量子计算机的全量子分子模拟方法 |
KR20210137767A (ko) * | 2020-05-11 | 2021-11-18 | 삼성에스디에스 주식회사 | 파라미터 기반 양자 회로 구성 장치 및 방법 |
JP7450220B2 (ja) * | 2020-06-26 | 2024-03-15 | 国立大学法人東京工業大学 | 量子計算機、プログラム、量子計算方法及び量子回路 |
CN112001498B (zh) * | 2020-08-14 | 2022-12-09 | 苏州浪潮智能科技有限公司 | 基于量子计算机的数据识别方法、装置及可读存储介质 |
CN114187598B (zh) * | 2020-08-25 | 2024-02-09 | 本源量子计算科技(合肥)股份有限公司 | 手写数字识别方法、设备及计算机可读存储介质 |
US11687817B2 (en) * | 2020-09-28 | 2023-06-27 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for providing data computation via quantum computers |
US20220147824A1 (en) | 2020-11-12 | 2022-05-12 | equal1.labs Inc. | Accelerated Learning In Neural Networks Incorporating Quantum Unitary Noise And Quantum Stochastic Rounding Using Silicon Based Quantum Dot Arrays |
CN112381233A (zh) * | 2020-11-20 | 2021-02-19 | 北京百度网讯科技有限公司 | 数据压缩方法、装置、电子设备和存储介质 |
CN112561069B (zh) * | 2020-12-23 | 2021-09-21 | 北京百度网讯科技有限公司 | 模型处理方法、装置、设备及存储介质 |
CN112529202B (zh) * | 2020-12-23 | 2021-09-24 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、装置、设备、存储介质及产品 |
CN113792882B (zh) * | 2020-12-23 | 2022-05-06 | 北京百度网讯科技有限公司 | 量子纠缠态的处理方法、装置、设备、存储介质及产品 |
CN112668242B (zh) * | 2021-01-05 | 2023-01-24 | 南方科技大学 | 量子控制波形的优化方法、装置、计算机设备及存储介质 |
CN114764619B (zh) * | 2021-04-29 | 2023-08-08 | 本源量子计算科技(合肥)股份有限公司 | 一种基于量子线路的卷积操作方法及装置 |
CN113052317B (zh) * | 2021-03-09 | 2023-10-13 | 本源量子计算科技(合肥)股份有限公司 | 量子态信息的获取方法和装置、量子测控系统和计算机 |
CN113033703B (zh) * | 2021-04-21 | 2021-10-26 | 北京百度网讯科技有限公司 | 量子神经网络训练方法及装置、电子设备和介质 |
CN113449778B (zh) * | 2021-06-10 | 2023-04-21 | 北京百度网讯科技有限公司 | 用于量子数据分类的模型训练方法以及量子数据分类方法 |
CN113517984B (zh) * | 2021-06-22 | 2021-12-17 | 南京大学 | 基于反向传播神经网络的cv-qkd协议码率预测方法及系统 |
WO2023287333A1 (en) * | 2021-07-13 | 2023-01-19 | Telefonaktiebolaget Lm Ericsson (Publ) | A quantum neural network for noisy intermediate scale quantum devices |
CN113792881B (zh) * | 2021-09-17 | 2022-04-05 | 北京百度网讯科技有限公司 | 模型训练方法及装置、电子设备和介质 |
CN114219076B (zh) * | 2021-12-15 | 2023-06-20 | 北京百度网讯科技有限公司 | 量子神经网络训练方法及装置、电子设备和介质 |
CN114496227B (zh) * | 2022-01-26 | 2023-04-28 | 电子科技大学 | 基于量子神经网络的病情发展预测系统及平台 |
CN114511094B (zh) * | 2022-01-27 | 2023-08-04 | 本源量子计算科技(合肥)股份有限公司 | 一种量子算法的优化方法、装置、存储介质与电子装置 |
CN114444704B (zh) * | 2022-02-22 | 2023-09-05 | 合肥本源量子计算科技有限责任公司 | 将原始数据编码到量子线路的方法、装置及存储介质 |
CN114358318B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的分类方法及相关装置 |
CN114358317B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的数据分类方法及相关设备 |
CN114372582B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的量子自动编码方法及相关装置 |
CN114358295B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的二分类方法及相关装置 |
WO2023212802A1 (en) * | 2022-05-05 | 2023-11-09 | Photonic Inc. | Systems and methods for distributing quantum entanglement |
CN114912608B (zh) * | 2022-05-16 | 2023-04-07 | 南京邮电大学 | 一种适用于双场量子密钥分发系统的全局相位跟踪预测方法 |
CN115828999B (zh) * | 2022-10-21 | 2023-09-19 | 中国人民解放军战略支援部队信息工程大学 | 基于量子态振幅变换的量子卷积神经网络构建方法及系统 |
CN115640838B (zh) * | 2022-12-26 | 2023-04-07 | 逻安科技(天津)有限责任公司 | 一种基于延拓神经网络的可重构逻辑门实现方法及处理器 |
CN116167407A (zh) * | 2023-01-06 | 2023-05-26 | 合肥本源量子计算科技有限责任公司 | 一种基于量子循环神经网络的数据预测方法及相关设备 |
CN116611458B (zh) * | 2023-05-31 | 2024-06-14 | 本源量子计算科技(合肥)股份有限公司 | 一种文本翻译方法、装置、介质及电子装置 |
CN117669753B (zh) * | 2024-01-31 | 2024-04-16 | 北京航空航天大学杭州创新研究院 | 量子模型训练方法、多模态数据处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317558A1 (en) | 2014-05-01 | 2015-11-05 | Lockheed Martin Corporation | Quantum-assisted training of neural networks |
CN106127300A (zh) | 2016-07-04 | 2016-11-16 | 哈尔滨理工大学 | 一种旋转机械健康状态预测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3619655A1 (en) * | 2017-06-02 | 2020-03-11 | Google LLC | Quantum neural network |
US20200272930A1 (en) * | 2017-09-15 | 2020-08-27 | President And Fellows Of Harvard College | Quantum Artificial Neural Networks |
US10755188B2 (en) * | 2017-10-18 | 2020-08-25 | Nxgen Partners Ip, Llc | Unified nonlinear modeling approach for machine learning and artificial intelligence (attractor assisted AI) |
US20190220497A1 (en) * | 2018-01-18 | 2019-07-18 | Microsoft Technology Licensing, Llc | Phase arithmetic for quantum computation |
CA3103471A1 (en) * | 2018-07-02 | 2020-01-09 | Zapata Computing, Inc. | Compressed unsupervised quantum state preparation with quantum autoencoders |
US11568293B2 (en) * | 2018-07-18 | 2023-01-31 | Accenture Global Solutions Limited | Quantum formulation independent solver |
EP3837647A4 (en) * | 2018-08-17 | 2022-05-25 | Zapata Computing, Inc. | HYBRID QUANTUM-CLASSICAL COMPUTER SYSTEM AND METHOD FOR ACHIEVING FUNCTION INVERSION |
US10622978B1 (en) * | 2019-04-05 | 2020-04-14 | IonQ, Inc. | Quantum logic gate design and optimization |
US11537928B2 (en) * | 2019-05-03 | 2022-12-27 | Zapata Computing, Inc. | Quantum-classical system and method for matrix computations |
US11836572B2 (en) * | 2019-09-24 | 2023-12-05 | Qualcomm Incorporated | Quantum inspired convolutional kernels for convolutional neural networks |
US11562284B1 (en) * | 2019-10-18 | 2023-01-24 | Rigetti & Co, Llc | Gate formation for a quantum processor |
-
2018
- 2018-06-01 EP EP18733461.0A patent/EP3619655A1/en not_active Withdrawn
- 2018-06-01 JP JP2019566260A patent/JP6882533B2/ja active Active
- 2018-06-01 CA CA3065859A patent/CA3065859C/en active Active
- 2018-06-01 CN CN201880036533.1A patent/CN110692067A/zh active Pending
- 2018-06-01 WO PCT/US2018/035665 patent/WO2018223037A1/en unknown
- 2018-06-01 AU AU2018278348A patent/AU2018278348B2/en active Active
- 2018-06-01 US US16/618,713 patent/US11601265B2/en active Active
-
2021
- 2021-05-06 JP JP2021078683A patent/JP7362692B2/ja active Active
- 2021-05-11 AU AU2021202981A patent/AU2021202981B2/en active Active
-
2023
- 2023-03-03 US US18/117,232 patent/US11924334B2/en active Active
- 2023-10-04 JP JP2023172891A patent/JP2023184526A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317558A1 (en) | 2014-05-01 | 2015-11-05 | Lockheed Martin Corporation | Quantum-assisted training of neural networks |
CN106127300A (zh) | 2016-07-04 | 2016-11-16 | 哈尔滨理工大学 | 一种旋转机械健康状态预测方法 |
Non-Patent Citations (5)
Title |
---|
DA SILVA, Adenilton J. et al.,Classical and superposed learning for quantum weightless neural networks,Neurocomputing,NL,Elsevier,2011年07月31日,Vol.75, No.1,pp.52-60,http://dx.doi.org/10.1016/j.neucom.2011.03.055 |
FARHI, Edward et al.,Quantum Algorithms for Fixed Qubit Architectures,arXiv.org,米国,Cornell University,2017年03月17日,pp.1-20,https://arxiv.org/pdf/1703.06199.pdf |
LI, Panchi et al.,Model and algorithm of quantum-inspired neural network with sequence input based on controlled rotat,Applied Intelligence,スイス,Springer,2013年05月30日,Vol.40, No.1,pp.107-126,http://dx.doi.org/10.1007/s10489-013-0447-3 |
ROMERO, Jonathan et al.,Quantum autoencoders for efficient compression of quantum data,arXiv.org,米国,Cornell University,2017年02月10日,pp.1-10,https://arxiv.org/pdf/1612.02806.pdf |
WAN, Kwok Ho et al.,Quantum generalisation of feedforward neural networks,arXiv.org,米国,Cornell University,2016年12月04日,pp.1-10,https://arxiv.org/pdf/1612.01045.pdf |
Also Published As
Publication number | Publication date |
---|---|
CA3065859A1 (en) | 2018-12-06 |
AU2021202981B2 (en) | 2022-04-07 |
US20200169396A1 (en) | 2020-05-28 |
WO2018223037A1 (en) | 2018-12-06 |
JP2023184526A (ja) | 2023-12-28 |
US11924334B2 (en) | 2024-03-05 |
JP2021121946A (ja) | 2021-08-26 |
US11601265B2 (en) | 2023-03-07 |
AU2018278348A1 (en) | 2020-01-02 |
US20230299951A1 (en) | 2023-09-21 |
JP6882533B2 (ja) | 2021-06-02 |
CA3065859C (en) | 2023-01-24 |
EP3619655A1 (en) | 2020-03-11 |
CN110692067A (zh) | 2020-01-14 |
AU2018278348B2 (en) | 2021-02-11 |
JP2020522805A (ja) | 2020-07-30 |
AU2021202981A1 (en) | 2021-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7362692B2 (ja) | 量子ニューラルネットワーク | |
US11900212B1 (en) | Constructing quantum processes for quantum processors | |
US11900215B2 (en) | Quantum statistic machine | |
JP6755337B2 (ja) | サブ論理制御を使用する量子進化のトレーニング | |
CN109074518B (zh) | 多个本征值的量子相位估计 | |
US12008433B2 (en) | Variational quantum state preparation | |
US10885457B2 (en) | Quantum optimization system | |
US20200065439A1 (en) | Simulating materials using quantum computation | |
AU2023200020A1 (en) | Error corrected variational algorithms | |
EP4381424A1 (en) | Methods and systems for solving a stochastic differential equation using a hybrid computer system | |
CN114519430A (zh) | 一种软量子神经网络系统及模式识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210604 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230526 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230904 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231004 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7362692 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |