[发明专利]量子数据存储方法、读取方法、装置及计算设备

权利要求书

1.一种量子数据存储方法，其特征在于，包括：

将第一量子神经网络作用在初始态上，获得输出的量子态；

基于目标量子态和所述第一量子神经网络输出的量子态计算损失函数，其中所述第一量子神经网络的维度与所述目标量子态的维度相关，所述损失函数对应于所述目标量子态与所述第一量子神经网络输出的量子态之间的距离；

根据所述损失函数调整所述第一量子神经网络的参数，以对所述第一量子神经网络进行迭代训练，直至达到预设的迭代停止条件；

将训练后的第一量子神经网络的参数保存在硬件设备中，其中，所述训练后的第一量子神经网络的参数的值能够表征量子数据的信息。

2.根据权利要求1所述的方法，其特征在于，其中，

所述第一量子神经网络包括参数化量子电路；

所述根据所述损失函数调整所述第一量子神经网络的参数，包括：根据所述损失函数调整所述参数化量子电路的参数的值。

3.根据权利要求1所述的方法，其特征在于，其中，

所述目标量子态为n维的量子态；

所述第一量子神经网络包括基于AR复合量子系统的参数化量子电路，所述AR复合量子系统是A系统和R系统的纠缠系统，其中，A系统为n维的量子系统，R系统为m维的量子系统，m≤n，m和n均为正整数。

4.根据权利要求1至3中任一项所述的方法，其特征在于，其中，

所述损失函数是基于所述目标量子态与所述第一量子神经网络输出的量子态的重合度确定的。

5.根据权利要求4所述的方法，其特征在于，其中，

所述损失函数包括第一子函数和第二子函数，

所述第一子函数对应于第一量子态与第二量子态的重合度，

所述第二子函数对应于第三量子态与所述目标量子态的重合度，其中，

所述第一量子态是所述第一量子神经网络作用在第一初始态上输出的量子态；

所述第二量子态是所述第一量子神经网络作用在第二初始态上输出的量子态；

所述第三量子态是所述第一量子神经网络作用在第三初始态上输出的量子态。

6.根据权利要求5所述的方法，其特征在于，其中，

所述第一子函数包括：

所述第二子函数包括：

所述损失函数包括：L＝L₁+L₂，

其中，表示所述第一量子态，表示所述第二量子态，表示所述第三量子态，ρ_A表示所述目标量子态，tr()表示矩阵的迹。

7.根据权利要求6所述的方法，其特征在于，其中，

所述第一量子态所述第二量子态和所述第三量子态为基于AR复合量子系统的参数化量子电路分别作用在第一初始态、第二初始态和第三初始态上，并在A系统上输出的量子态；所述目标量子态的维度与所述A系统的维度相同；其中所述AR复合量子系统是A系统和R系统的纠缠系统。

8.根据权利要求1至3以及5至7中任一项所述的方法，其特征在于，其中，所述第一量子神经网络包括参数化量子电路U(θ)；

所述将第一量子神经网络作用在初始态上，获得输出的量子态；基于目标量子态和所述第一量子神经网络输出的量子态计算损失函数；根据所述损失函数调整所述第一量子神经网络的参数，以对所述第一量子神经网络进行迭代训练，直至达到预设的迭代停止条件，包括：

S10，将U(θ)分别作用在第一初始态、第二初始态和第三初始态上，获得分别输出的第一量子态第二量子态和第三量子态

S20，按照下式计算损失函数L：

L＝L₁+L₂，

其中，ρ_A表示所述目标量子态，tr()表示矩阵的迹；

S30，通过对损失函数L进行最小化，更新参数θ的值，并以更新后的参数θ返回S10；

重复S10-S30，对损失函数L和参数θ进行迭代更新，当相邻两次迭代中得到的损失函数的差的绝对值小于或等于预定门限值时，停止迭代。