[发明专利]基于量子孪生神经网络的二分类方法及其人脸识别方法

权利要求书

1.一种基于量子孪生神经网络的二分类方法，包括如下步骤：

S1.设定分类模型的输入数据；

S2.构建量子神经网络模型；

S3.根据步骤S2构建的量子神经网络模型，构建量子孪生神经网络模型；

S4.构建用于训练的损失函数模型；

S5.根据步骤S4构建的损失函数模型，对步骤S3构建的量子孪生神经网络模型进行学习和训练，从而得到最终的量子孪生神经网络分类模型；

S6.采用步骤S5得到的量子孪生神经网络分类模型，对待分类的数据进行二分类。

2.根据权利要求1所述的基于量子孪生神经网络的二分类方法，其特征在于步骤S1所述的设定分类模型的输入数据，对由二值等长字符串构成的经典数据集分类，其中任意字符串z_i的任意字符z_ij表示为+1或-1；从数据集中取出两个已知类别的字符串z₁＝z₁₁z₁₂...z_1n和z₂＝z₂₁z₂₂...z_2n，且若字符串z₁和z₂的类别相同，则记标签l(z)＝0，否则记标签l(z)＝1；然后，分类模型作用于2(n+1)个量子比特；对于字符串z₁和z₂构造计算基态：

|z₁,1＝|z₁₁z₁₂...z_1n,1

|z₂,1＝|z₂₁z₂₂...z_2n,1

设定辅助量子比特为1，使得模型输入的|z₁,1和|z₂,1经过分类模型并测量后分别得到一维向量和

3.根据权利要求2所述的基于量子孪生神经网络的二分类方法，其特征在于步骤S2所述的构建量子神经网络模型，具体为设定每个酉矩阵只由一个连续参数θ控制，从基本酉矩阵集合{U_a(θ)}中挑选L个酉矩阵组成特定的网络该网络由L个参数构成的向量决定，且设定每一个酉矩阵形式为U_k(θ_k)＝exp(iθ_kΣ_k)；其中Σ_k为从泡利矩阵集合{σ_x,σ_y,σ_z}中挑选的运算符的张量积。

4.根据权利要求3所述的基于量子孪生神经网络的二分类方法，其特征在于步骤S3所述的构建量子孪生神经网络模型，具体为输入样本经过共享参数的网络分别得到输出结果和然后对输出结果测量一个泡利运算符σ_y并定义为Y_n+1，从而得到测量结果为然后对两个测量结果度量欧式距离，得到量子版本的能量函数标量表示对量子态|z₁,1、|z₂,1之间的相容性的度量，且定义网络参数满足：

使得

其中正数m为设定的阈值，字符串z₁、z₂和z₂'来自数据集(z₁,z₂)表示输入字符串类别相同，(z₁,z₂')表示输入字符串类别不同。

5.根据权利要求4所述的基于量子孪生神经网络的二分类方法，其特征在于步骤S4所述的构建用于训练的损失函数模型，具体为采用如下算式作为损失函数：

其中l(z)为标签；为能量函数