二维量子卷积计算

发布时间：2024-03-17 17:30

　　目前一维量子卷积计算不能满足当前机器学习、图像识别等算法的要求。由于量子卷积神经网络模型主要是处理多维信息,有必要将一维量子卷积的维数推广到二维,进行二维量子卷积计算的研究,使得量子卷积计算不受维数的影响,可以更好地应用于量子卷积神经网络。在量子计算中,量子态的叠加和纠缠使量子计算具有并行计算的能力,与一维量子卷积相比,二维量子卷积在并行计算中具有更高的优势,二维量子卷积计算更适合目前量子卷积神经网络中量子卷积层的研究与设计。在一维量子卷积计算的基础上,基于量子图像表示方法,探究了二维量子卷积计算的量子线路设计,设计了通用的二维量子卷积线路模型。由于经典信息不能直接用于量子计算,首先将经典信息进行量子化编码,处理后的量子信息输入到二维量子卷积计算的量子电路中,完成概率幅和加法计算,最后通过测量得到量子卷积的结果。二维量子卷积算法大大减少了卷积计算的步骤,提高了计算速度,增加了信息的存储空间。为量子卷积神经网络模型中量子卷积层的设计规则提供了理论依据,为高维量子卷积计算提供了参考和可能的途径。

【文章页数】：7 页

【部分图文】：

图1量子卷积线路模型流程

一维量子卷积计算[14]是根据经典卷积计算原理设计出的量子卷积线路模型,在该模型中首先进行量子信息化编码将经典信息编码为量子信息,线路包括量子态张量积、概率幅置换、加法计算,其分别对应经典卷积计算中的相乘、移位、求和功能。由于在QCNN模型中针对的是多维信息的处理,一维量子卷积计....

图2信息量子化编码

通过上述量子信息编码方式,将目标信息和卷积核编码为如图3所示的量子信息,目标信息长宽各2-qubit共含有4-qubit的量子信息,记为|f4?=∑i=015ai|i?=a0|0?+a1|1?+?+a15|15?=(a0,a1,?,a15....

图34-qubit与2-qubit卷积示意图

图2信息量子化编码为求得上述卷积结果,将量子态|f4〉=(a0,a1,a2,…,a15)T和量子态|f2〉=(b0,b1,b2,b3)T输入进量子线路模型图中,如图4所示,由于量子态的叠加原理,当|f4〉与|f2〉输入进量子线路中时量子态张量积有|f4〉?|f2〉=|f6〉,即....

图44-qubit与2-qubit量子卷积线路图

表1概率幅具体置换方法Table1Specificpermutationmethodofprobabilityamplitude置换前Q6运算D6运算量子态概率幅量子态基态量子态概率幅量子态基态量子态概率幅量子态基态a0b0000000....

本文编号：3931383