[发明专利]一种基于条件约束的量子生成对抗网络算法

权利要求书

1.一种基于条件约束的量子生成对抗网络算法，其特征在于，包括以下步骤：

(1)准备真实样本，并根据生成任务的目标和样本数据的数值特征引入合适的条件约束，样本数据和条件变量共同构成生成对抗网络的训练数据集；

(2)将训练数据集中的数据对制备成量子态；再设计量子生成器G的参数化量子电路，并设置相应的超参数

(3)设计量子判别器D的参数化量子电路，并设置相应的超参数

(4)设置对抗训练的相关参数；

(5)固定量子生成器G的参数θ_G，计算量子判别器D的损失函数的梯度，对参数θ_D进行优化；

(6)固定量子判别器D的参数θ_D，计算量子生成器G的损失函数的梯度，对参数θ_G进行优化；

(7)在步骤(5)和步骤(6)完成一个训练周期的参数交替优化后，计算当前参数下量子生成器G和量子判别器D的损失函数，判断生成对抗网络是否达到纳什平衡；

(8)训练结束得到具有分类生成数据能力的量子生成器G，根据目标选择对应的条件约束值，将条件约束值输入到训练好的量子生成器G，测量量子生成器G最终态得到符合条件约束特征的新数据。

2.根据权利要求1所述的基于条件约束的量子生成对抗网络算法，其特征在于：步骤(4)中，设置对抗训练的相关参数具体为，将所有样本数据经过生成对抗网络进行训练的次数记为epoch、每个epoch中包含量子判别器D进化的次数记为d_step、每个epoch中包含量子生成器G进化的次数为g_step、每次更新量子判别器D参数时选取真实样本的最小批量为m_b。

3.根据权利要求1所述的基于条件约束的量子生成对抗网络算法，其特征在于：步骤(5)中，固定量子生成器G的参数θ_G后，从训练数据集中随机抽取m_b个真实的样本数据对制备成量子态|r，将|r作为量子判别器D的输入，测量量子判别器D的输出；再将量子生成器G和量子判别器D级联，将|z|y作为量子生成器G的输入，测量量子判别器D的输出。

4.根据权利要求3所述的基于条件约束的量子生成对抗网络算法，其特征在于：所述量子判别器D的输入|r的计算公式为：

式中，x_i∈X；c_i∈y；i＝1,2,…,m_b；X表示样本数据集合；y表示根据生成任务的目标和样本数据的数值特征所引入的条件约束。

5.根据权利要求3所述的基于条件约束的量子生成对抗网络算法，其特征在于：所述量子生成器G的输入|z|y的计算公式为：

式中，1/α_j表示条件概率p(x|y_j)的平方根，且满足归一化条件N_x表示为制备真实样本数据x_i所需的最大量子比特数。

6.根据权利要求3所述的基于条件约束的量子生成对抗网络算法，其特征在于：根据两次测量到的量子判别器D的输出来计算量子判别器D的损失函数L_D的梯度；量子判别器D的损失函数L_D为：

7.根据权利要求1所述的基于条件约束的量子生成对抗网络算法，其特征在于：步骤(6)中，所述量子生成器G的损失函数L_G的计算公式为：

L_G(θ_G)＝E_zlog(D(G(|z||y)))。

8.根据权利要求1所述的基于条件约束的量子生成对抗网络算法，其特征在于：步骤(7)中，若生成对抗网络已达到纳什平衡状态则训练提前结束；否则进入下一个训练周期的迭代优化，直至生成对抗网络达到纳什平衡或完成整个训练周期的迭代训练。