目前一維量子卷積計(jì)算不能滿足當(dāng)前機(jī)器學(xué)習(xí)、圖像識(shí)別等算法的要求。由于量子卷積神經(jīng)網(wǎng)絡(luò)模型主要是處理多維信息,有必要將一維量子卷積的維數(shù)推廣到二維,進(jìn)行二維量子卷積計(jì)算的研究,使得量子卷積計(jì)算不受維數(shù)的影響,可以更好地應(yīng)用于量子卷積神經(jīng)網(wǎng)絡(luò)。在量子計(jì)算中,量子態(tài)的疊加和糾纏使量子計(jì)算具有并行計(jì)算的能力,與一維量子卷積相比,二維量子卷積在并行計(jì)算中具有更高的優(yōu)勢(shì),二維量子卷積計(jì)算更適合目前量子卷積神經(jīng)網(wǎng)絡(luò)中量子卷積層的研究與設(shè)計(jì)。在一維量子卷積計(jì)算的基礎(chǔ)上,基于量子圖像表示方法,探究了二維量子卷積計(jì)算的量子線路設(shè)計(jì),設(shè)計(jì)了通用的二維量子卷積線路模型。由于經(jīng)典信息不能直接用于量子計(jì)算,首先將經(jīng)典信息進(jìn)行量子化編碼,處理后的量子信息輸入到二維量子卷積計(jì)算的量子電路中,完成概率幅和加法計(jì)算,最后通過(guò)測(cè)量得到量子卷積的結(jié)果。二維量子卷積算法大大減少了卷積計(jì)算的步驟,提高了計(jì)算速度,增加了信息的存儲(chǔ)空間。為量子卷積神經(jīng)網(wǎng)絡(luò)模型中量子卷積層的設(shè)計(jì)規(guī)則提供了理論依據(jù),為高維量子卷積計(jì)算提供了參考和可能的途徑。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1量子卷積線路模型流程

一維量子卷積計(jì)算[14]是根據(jù)經(jīng)典卷積計(jì)算原理設(shè)計(jì)出的量子卷積線路模型,在該模型中首先進(jìn)行量子信息化編碼將經(jīng)典信息編碼為量子信息,線路包括量子態(tài)張量積、概率幅置換、加法計(jì)算,其分別對(duì)應(yīng)經(jīng)典卷積計(jì)算中的相乘、移位、求和功能。由于在QCNN模型中針對(duì)的是多維信息的處理,一維量子卷積計(jì)....

圖2信息量子化編碼

通過(guò)上述量子信息編碼方式,將目標(biāo)信息和卷積核編碼為如圖3所示的量子信息,目標(biāo)信息長(zhǎng)寬各2-qubit共含有4-qubit的量子信息,記為|f4?=∑i=015ai|i?=a0|0?+a1|1?+?+a15|15?=(a0,a1,?,a15....

圖34-qubit與2-qubit卷積示意圖

圖2信息量子化編碼為求得上述卷積結(jié)果,將量子態(tài)|f4〉=(a0,a1,a2,…,a15)T和量子態(tài)|f2〉=(b0,b1,b2,b3)T輸入進(jìn)量子線路模型圖中,如圖4所示,由于量子態(tài)的疊加原理,當(dāng)|f4〉與|f2〉輸入進(jìn)量子線路中時(shí)量子態(tài)張量積有|f4〉?|f2〉=|f6〉,即....

圖44-qubit與2-qubit量子卷積線路圖

表1概率幅具體置換方法Table1Specificpermutationmethodofprobabilityamplitude置換前Q6運(yùn)算D6運(yùn)算量子態(tài)概率幅量子態(tài)基態(tài)量子態(tài)概率幅量子態(tài)基態(tài)量子態(tài)概率幅量子態(tài)基態(tài)a0b0000000....

本文編號(hào)：3931383