[发明专利]量子神经网络

说明书

一种量子神经网络架构。在一个方面，被训练来执行机器学习任务的量子神经网络包括：输入量子神经网络层包括(i)在初始量子状态下准备的、编码机器学习任务数据输入的多个量子比特，以及(ii)目标量子比特；中间量子神经网络层序列，每个中间量子神经网络层包括对多个量子比特和目标量子比特进行操作的多个量子逻辑门；和输出量子神经网络层，包括测量量子门，该测量量子门对目标量子比特进行操作，并且提供表示机器学习任务的解决方案的数据作为输出。

背景技术

本说明书涉及神经网络架构和量子计算。

神经网络是机器学习模型，其采用一层或多层非线性单元来预测所接收的输入的输出。一些神经网络除了输出层之外还包括一个或多个隐藏层。网络中每个隐藏层的输出被用作下一层(即，下一隐藏层或输出层)的输入。网络的每一层根据相应参数集的当前值从所接收的输入生成输出。

发明内容

本说明书描述了由一个或多个量子处理器实施的神经网络架构。

一般而言，本说明书中描述的主题的一个创新方面可以体现在由一个或多个量子处理器实施的量子神经网络中，该量子神经网络包括：输入量子神经网络层，该输入量子神经网络层包括(i)在初始量子状态下准备、并且编码机器学习任务数据输入的多个量子比特，以及(ii)在初始状态下准备的目标量子比特；中间量子神经网络层序列，每个中间量子神经网络层包括对多个量子比特和目标量子比特进行操作的多个量子逻辑门；以及输出量子神经网络层，该输出量子神经网络层包括测量量子门，该测量量子门对目标量子比特进行操作，并且提供表示量子神经网络已经被训练来执行的机器学习任务的解决方案的数据作为输出。

这一方面的其他实施例包括记录在一个或多个计算机存储设备上的对应计算机系统、装置和计算机程序。一个或多个经典或量子计算机的系统可以被配置为凭借安装在系统上的软件、固件、硬件或其任意组合来执行特定的操作或动作，这些安装在系统上的软件、固件、硬件或其任意组合在操作中(in operation)可以使系统执行动作。一个或多个计算机程序可以被配置为凭借包括指令来执行特定的操作或动作，当这些指令由数据处理装置执行时，使装置执行动作。

前述和其他实施例每一个可以可选地包括一个或多个以下特征，单独或组合地。在一些实施方式中，机器学习任务包括二进制分类任务。

在一些实施方式中，机器学习任务数据输入包括布尔(Boolean)函数输入{0,1}ⁿ，并且机器学习任务的解决方案包括布尔函数输出{0,1}。

在一些实施方式中，每个中间量子神经网络层包括(i)单量子比特量子逻辑门，(ii)双量子比特量子逻辑门，或者(iii)单量子比特量子逻辑门和双量子比特量子逻辑门两者。

在一些实施方式中，单量子比特量子门包括形式为exp(-iθX_j)的单量子比特门。

在一些实施方式中，双量子比特量子门包括形式为exp(iθZ_jZ_k)的双量子比特门。

在一些实施方式中，中间量子神经网络层序列将编码的机器学习任务数据输入映射到目标量子比特的演化状态(evolved state)。

在一些实施方式中，将编码的机器学习任务数据输入映射到目标量子比特的演化状态包括将酉算子(unitary operator)应用于初始量子状态，该酉算子由量子逻辑门的量子逻辑门参数进行参数化。

在一些实施方式中，在初始状态下准备多个量子比特包括设置多个量子比特中每一个量子比特的z方向。

在一些实施方式中，测量量子门测量目标量子比特的y方向。

在一些实施方式中，量子神经网络替换被训练来执行机器学习任务的经典深度神经网络的顶部n层(n top layer)。