本申請涉及量子計算，更具體而言，涉及到一種基于unet結(jié)構(gòu)的量子經(jīng)典混合模型和量子經(jīng)典混合模型的設(shè)計方法。

背景技術(shù)：

1、卷積神經(jīng)網(wǎng)絡(luò)是一類功能強大的神經(jīng)網(wǎng)絡(luò)，被廣泛應(yīng)用于圖像、音頻處理、視頻處理等諸多領(lǐng)域。unet是一種卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，該結(jié)構(gòu)由一個不斷對特征進行下采樣的編碼器，和對特征進行上采樣的解碼器構(gòu)成，該“編碼器-解碼器”結(jié)構(gòu)允許網(wǎng)絡(luò)在多個尺度上整合上下文信息。

2、在相關(guān)技術(shù)中，unet在編碼器和解碼器后連接卷積層以對解碼器輸出進行降維得到目標輸出，但是，通過卷積層實現(xiàn)降維會導致不同通道之間的信息的交互較少，模型的表達能力較弱。

技術(shù)實現(xiàn)思路

1、本申請實施方式提供一種基于unet結(jié)構(gòu)的量子經(jīng)典混合模型和量子經(jīng)典混合模型的設(shè)計方法。

2、本申請實施方式提供一種基于unet結(jié)構(gòu)的量子經(jīng)典混合模型，所述量子經(jīng)典混合模型包括編碼器、解碼器和量子神經(jīng)網(wǎng)絡(luò)，所述編碼器配置為提取輸入圖像的特征，得到特征圖像；所述解碼器配置為對所述特征圖像進行上采樣處理，得到經(jīng)典特征圖像，所述經(jīng)典特征圖像包括多個通道；所述量子神經(jīng)網(wǎng)絡(luò)配置為將所述經(jīng)典特征圖像進行降維后得到目標結(jié)果并輸出，所述目標結(jié)果的通道數(shù)量低于所述處理圖像的通道數(shù)量。

3、如此，本發(fā)明實施方式的量子經(jīng)典混合模型和量子經(jīng)典混合模型的設(shè)計方法，通過編碼器完成對特征的提取，再使用解碼器通過上采樣完成對特征的恢復(fù)，得到處理圖像，再采用量子神經(jīng)網(wǎng)絡(luò)進行降維，加強了不同通道的信息交互，增強了模型對不同通道信息的篩選、學習能力。

4、在某些實施方式中，所述量子神經(jīng)網(wǎng)絡(luò)包括編碼單元，所述編碼單元用于將所述經(jīng)典特征圖像的通道數(shù)據(jù)編碼為量子態(tài)。

5、如此，通過編碼單元將經(jīng)典特征圖像的通道數(shù)據(jù)編碼為量子態(tài)，實現(xiàn)了經(jīng)典特征圖像向量子態(tài)的轉(zhuǎn)換。

6、在某些實施方式中，所述編碼單元配置為根據(jù)增強密集角度編碼線路將所述通道數(shù)據(jù)編碼至多個量子比特上，以將所述通道數(shù)據(jù)轉(zhuǎn)換為量子態(tài)，所述增強密集角度編碼線路包括cnot門，所述cnot門配置為對至少兩個所述量子比特引入糾纏。

7、如此，通過根據(jù)增強密集角度編碼線路將通道數(shù)據(jù)編碼至多個量子比特上，并在強密集角度編碼線路中，通過引入cnot門使得一個量子比特可以編碼至少兩個通道數(shù)據(jù)。

8、在某些實施方式中，所述增強密集角度編碼線路包括rz門、ry門和cnot門，一個所述cnot門配置為對兩個所述量子比特引入糾纏，被所述cnot門引入糾纏的所述量子比特所在的線路上還包括兩個所述rz門和兩個所述ry門，所述rz門和所述ry門能夠用于將所述通道數(shù)據(jù)編碼至所述量子比特上。

9、如此，通過rz門和ry門可以將通道數(shù)據(jù)編碼至量子比特上，通過cnot對兩個量子比特引入糾纏，可以使得一個量子比特上能夠編碼四個通道數(shù)據(jù)，進一步提高了量子比特的利用率。

10、在某些實施方式中，所述量子比特的數(shù)量為偶數(shù)，每兩個所述量子比特通過所述cnot門引入糾纏。

11、如此，量子比特的數(shù)量為偶數(shù)時，每兩個量子比特通過cnot門引入糾纏，可以使得量子比特能夠編碼的通道數(shù)據(jù)的數(shù)量翻倍。

12、在某些實施方式中，n個所述量子比特能夠編碼4n個所述通道數(shù)據(jù)。

13、如此，通過引入cnot門可以使得每個量子比特上能夠編碼的通道數(shù)據(jù)超過2個，提高了量子比特的利用率。

14、在某些實施方式中，若n個所述量子比特共同被所述cnot門引入糾纏，則一個所述量子比特能夠編碼2n個所述通道數(shù)據(jù)。

15、如此，通過引入cnot門對多個量子比特進行糾纏，可以使得一個量子比特上能夠編碼多個通道數(shù)據(jù)，提高了量子比特的利用率。

16、在某些實施方式中，所述量子神經(jīng)網(wǎng)絡(luò)還包括量子電路和測量單元，所述量子電路包括擬設(shè)單元，所述擬設(shè)單元用于對量子態(tài)的所述通道數(shù)據(jù)進行處理，得到量子數(shù)據(jù)；所述測量單元配置為將所述量子數(shù)據(jù)轉(zhuǎn)換為經(jīng)典態(tài)，得到所述目標結(jié)果。

17、如此，根據(jù)擬設(shè)單元和測量單元可以實現(xiàn)對量子態(tài)的通道數(shù)據(jù)的處理和輸出，從而實現(xiàn)對經(jīng)典特征圖像的降維，以獲得通道數(shù)更低的目標結(jié)果。

18、在某些實施方式中，所述經(jīng)典特征圖像的通道數(shù)量與所述量子神經(jīng)網(wǎng)絡(luò)的量子比特的數(shù)量成正比。

19、本申請實施方式提供一種如上述任一實施方式的量子經(jīng)典混合模型的設(shè)計方法，其特征在于，所述設(shè)計方法包括：

20、提供編碼器，以提取輸入圖像的特征，得到特征圖像；

21、提供解碼器，以對所述特征圖像進行上采樣處理，得到經(jīng)典特征圖像，所述經(jīng)典特征圖像包括多個通道；

22、提供量子神經(jīng)網(wǎng)絡(luò)，以將所述經(jīng)典特征圖像進行降維后得到目標結(jié)果并輸出，所述目標結(jié)果的通道數(shù)量低于所述處理圖像的通道數(shù)量。

23、本申請的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本申請的實踐了解到。

技術(shù)特征：

1.一種基于unet結(jié)構(gòu)的量子經(jīng)典混合模型，其特征在于，所述量子經(jīng)典混合模型包括：

2.根據(jù)權(quán)利要求1所述的量子經(jīng)典混合模型，其特征在于，所述量子神經(jīng)網(wǎng)絡(luò)包括：

3.根據(jù)權(quán)利要求2所述的量子經(jīng)典混合模型，其特征在于，所述編碼單元配置為根據(jù)增強密集角度編碼線路將所述通道數(shù)據(jù)編碼至多個量子比特上，以將所述通道數(shù)據(jù)轉(zhuǎn)換為量子態(tài)，所述增強密集角度編碼線路包括cnot門，所述cnot門配置為對至少兩個所述量子比特引入糾纏。

4.根據(jù)權(quán)利要求3所述的量子經(jīng)典混合模型，其特征在于，所述增強密集角度編碼線路包括rz門、ry門和cnot門，一個所述cnot門配置為對兩個所述量子比特引入糾纏，被所述cnot門引入糾纏的所述量子比特所在的線路上還包括兩個所述rz門和兩個所述ry門，所述rz門和所述ry門能夠用于將所述通道數(shù)據(jù)編碼至所述量子比特上。

5.根據(jù)權(quán)利要求3所述的量子經(jīng)典混合模型，其特征在于，所述量子比特的數(shù)量為偶數(shù)，每兩個所述量子比特通過所述cnot門引入糾纏。

6.根據(jù)權(quán)利要求5所述的量子經(jīng)典混合模型，其特征在于，n個所述量子比特能夠編碼4n個所述通道數(shù)據(jù)。

7.根據(jù)權(quán)利要求3所述的量子經(jīng)典混合模型，其特征在于，若n個所述量子比特共同被所述cnot門引入糾纏，則一個所述量子比特能夠編碼2n個所述通道數(shù)據(jù)。

8.根據(jù)權(quán)利要求1所述的量子經(jīng)典混合模型，其特征在于，所述量子神經(jīng)網(wǎng)絡(luò)還包括：

9.根據(jù)權(quán)利要求1所述的量子經(jīng)典混合模型，其特征在于，所述經(jīng)典特征圖像的通道數(shù)量與所述量子神經(jīng)網(wǎng)絡(luò)的量子比特的數(shù)量成正比。

10.一種如權(quán)利要求1-9任意一項所述的量子經(jīng)典混合模型的設(shè)計方法，其特征在于，所述設(shè)計方法包括：

技術(shù)總結(jié)
本申請公開了一種基于UNet結(jié)構(gòu)的量子經(jīng)典混合模型和量子經(jīng)典混合模型的設(shè)計方法。本申請的量子經(jīng)典混合模型包括編碼器、解碼器和量子神經(jīng)網(wǎng)絡(luò)，編碼器配置為提取輸入圖像的特征，得到特征圖像；解碼器配置為對特征圖像進行上采樣處理，得到經(jīng)典特征圖像，經(jīng)典特征圖像包括多個通道；量子神經(jīng)網(wǎng)絡(luò)配置為將經(jīng)典特征圖像進行降維后得到目標結(jié)果并輸出，目標結(jié)果的通道數(shù)量低于處理圖像的通道數(shù)量。本申請的量子經(jīng)典混合模型通過編碼器完成對特征的提取，再使用解碼器通過上采樣完成對特征的恢復(fù)，得到處理圖像，再采用量子神經(jīng)網(wǎng)絡(luò)進行降維，加強了不同通道的信息交互，增強了模型對不同通道信息的篩選、學習能力。

技術(shù)研發(fā)人員：王振,王乾坤,李兆威,胡嘉晟
受保護的技術(shù)使用者：中電信量子信息科技集團有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6