JP2020522805A - 量子ニューラルネットワーク - Google Patents
量子ニューラルネットワーク Download PDFInfo
- Publication number
- JP2020522805A JP2020522805A JP2019566260A JP2019566260A JP2020522805A JP 2020522805 A JP2020522805 A JP 2020522805A JP 2019566260 A JP2019566260 A JP 2019566260A JP 2019566260 A JP2019566260 A JP 2019566260A JP 2020522805 A JP2020522805 A JP 2020522805A
- Authority
- JP
- Japan
- Prior art keywords
- quantum
- neural network
- machine learning
- qubit
- learning task
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 205
- 239000002096 quantum dot Substances 0.000 claims abstract description 112
- 238000010801 machine learning Methods 0.000 claims abstract description 97
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 58
- 230000006870 function Effects 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 36
- 238000013507 mapping Methods 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000009471 action Effects 0.000 description 29
- 230000008569 process Effects 0.000 description 23
- 238000004590 computer program Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000005283 ground state Effects 0.000 description 4
- 238000013515 script Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000005281 excited state Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B82—NANOTECHNOLOGY
- B82Y—SPECIFIC USES OR APPLICATIONS OF NANOSTRUCTURES; MEASUREMENT OR ANALYSIS OF NANOSTRUCTURES; MANUFACTURE OR TREATMENT OF NANOSTRUCTURES
- B82Y10/00—Nanotechnology for information processing, storage or transmission, e.g. quantum computing or single electron logic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/34—Encoding or coding, e.g. Huffman coding or error correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Nanotechnology (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Optimization (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Neurology (AREA)
- Computational Mathematics (AREA)
- Electromagnetism (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Crystallography & Structural Chemistry (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Image Analysis (AREA)
- Superconductor Devices And Manufacturing Methods Thereof (AREA)
Abstract
Description
図1は、機械学習タスクを実施するための例示的量子ニューラルネットワークアーキテクチャ100を示す。量子ニューラルネットワークアーキテクチャ100は、1つまたは複数の位置にある1つまたは複数の古典的コンピュータまたは量子コンピューティングデバイス上の古典的または量子コンピュータプログラムとして実装されたシステムの一例であり、そこに下で説明するシステム、コンポーネント、および技法を実装することができる。
図2は、分類タスクを実施するように量子ニューラルネットワークをトレーニングするための例示的プロセス200の流れ図である。例えば、この例示的プロセスは、上で図1を参照して説明した量子ニューラルネットワーク100をトレーニングするために使用されてよい。簡単のため、プロセス200については、1つまたは複数の位置に位置する1つまたは複数の古典的および/または量子コンピュータのシステムによって実施されるものとして説明する。
Loss(s,θ)=(<ψ(θ,zs)|σy out|ψ(θ,zs)>-ys)2
によって与えられてよく、ただしθは、量子ゲートパラメータを表し、ψ(θ,zs)は、複数の量子ビットおよびターゲット量子ビットの進展量子状態を表し、σy outは、測定量子ゲートを表し、ysは、既知の分類を表す。この損失関数に対して勾配降下法、例えば確率的勾配降下法を次いで実施して、ゲートパラメータの調整値を決定してよい。
102 量子ニューラルネットワーク
104 入力量子ニューラルネットワーク層
106a 第1の中間量子ニューラルネットワーク層
106b 中間量子ニューラルネットワーク層
106c 中間量子ニューラルネットワーク層
106d 中間量子ニューラルネットワーク層
106e 中間量子ニューラルネットワーク層
108 出力量子ニューラルネットワーク層
110 量子ビット
112 単一量子ビットゲート
114 制御デバイス
116 古典的プロセッサ
118 二量子ビットゲート
120 測定ゲート、測定量子ゲート
150 入力データ、機械学習タスクデータ入力
152 出力データ
200 例示的プロセス
300 例示的プロセス
Claims (33)
(i)初期量子状態で準備され機械学習タスクデータ入力を符号化した複数の量子ビット、および(ii)初期状態で準備されたターゲット量子ビットを備える、入力量子ニューラルネットワーク層と、
前記複数の量子ビットおよび前記ターゲット量子ビットに作用する複数の量子論理ゲートを各々が備える、一連の中間量子ニューラルネットワーク層と、
前記ターゲット量子ビットに作用して前記量子ニューラルネットワークが実施するようにトレーニングされた機械学習タスクに対する解を表すデータを出力として提供する測定量子ゲートを備える、出力量子ニューラルネットワーク層と
を備える、システム。
初期量子状態において、入力量子ニューラルネットワーク層の複数の量子ビットを初期量子状態で準備して、機械学習タスクデータ入力を符号化するステップと、
1つまたは複数の中間量子ニューラルネットワーク層を使用して前記機械学習タスクデータ入力を処理するステップであって、各中間量子ニューラルネットワーク層が、前記複数の量子ビットおよびターゲット量子ビットに作用する複数の量子論理ゲートを備え、前記ターゲット量子ビットが、前記入力量子ニューラルネットワーク層内にもあり、前記処理するステップが、各中間量子ニューラルネットワーク層について順番に、前記中間量子ニューラルネットワーク層の量子論理ゲートを、前記複数の量子ビットおよび前記ターゲット量子ビットを表す現在の量子状態に適用するステップを含む、ステップと、
前記ターゲット量子ビットを、出力量子ニューラルネットワーク層内の測定量子ゲートによって測定して、前記機械学習タスクに対する解を表す出力を生成するステップと
を含む、方法。
機械学習タスク入力と、それとペアにされた、前記機械学習タスク入力についての既知の分類とをそれぞれのトレーニング例が備える、複数のトレーニング例を取得するステップと、
前記トレーニング例に対して前記量子ニューラルネットワークをトレーニングするステップであって、各トレーニング例について、
初期量子状態において、入力量子ニューラルネットワーク層の複数の量子ビットを初期量子状態で準備して、前記機械学習タスク入力を符号化するステップと、
1つまたは複数の中間量子ニューラルネットワーク層を使用して前記機械学習タスク入力を処理するステップであって、各中間量子ニューラルネットワーク層が、前記複数の量子ビットおよびターゲット量子ビットに作用する複数の量子論理ゲートを備え、前記ターゲット量子ビットが、前記入力量子ニューラルネットワーク層内にもあり、前記処理するステップが、各中間量子ニューラルネットワーク層について順番に、前記中間量子ニューラルネットワーク層の量子論理ゲートを、前記複数の量子ビットおよび前記ターゲット量子ビットを表す現在の量子状態に適用するステップを含む、ステップと、
前記ターゲット量子ビットを、出力量子ニューラルネットワーク層内の測定量子ゲートによって測定して、前記機械学習タスクに対する解を表す出力を生成するステップ、および、
前記生成された出力を前記既知の分類と比較して、1つまたは複数のゲートパラメータ調整値を決定するステップ、および
ゲートパラメータの値を初期値からトレーニング後の値に調整するステップ
を含む、ステップと
を含む、方法。
前記生成された出力、および前記機械学習タスクについての前記既知の分類を使用して、損失関数を計算するステップと、
勾配降下法を実施して、ゲートパラメータの調整値を決定するステップと、
を含む、請求項26に記載の方法。
Loss(s,θ)=(<ψ(θ,zs)|σy out|ψ(θ,zs)>-ys)2
によって与えられ、ただしθは、前記量子ゲートパラメータを表し、ψ(θ,zs)は、前記複数の量子ビットおよび前記ターゲット量子ビットの進展量子状態を表し、σy outは、前記測定量子ゲートを表し、ysは、前記既知の分類を表す、請求項31に記載の方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021078683A JP7362692B2 (ja) | 2017-06-02 | 2021-05-06 | 量子ニューラルネットワーク |
JP2023172891A JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762514475P | 2017-06-02 | 2017-06-02 | |
US62/514,475 | 2017-06-02 | ||
PCT/US2018/035665 WO2018223037A1 (en) | 2017-06-02 | 2018-06-01 | Quantum neural network |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021078683A Division JP7362692B2 (ja) | 2017-06-02 | 2021-05-06 | 量子ニューラルネットワーク |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020522805A true JP2020522805A (ja) | 2020-07-30 |
JP6882533B2 JP6882533B2 (ja) | 2021-06-02 |
Family
ID=62705739
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019566260A Active JP6882533B2 (ja) | 2017-06-02 | 2018-06-01 | 量子ニューラルネットワーク |
JP2021078683A Active JP7362692B2 (ja) | 2017-06-02 | 2021-05-06 | 量子ニューラルネットワーク |
JP2023172891A Pending JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021078683A Active JP7362692B2 (ja) | 2017-06-02 | 2021-05-06 | 量子ニューラルネットワーク |
JP2023172891A Pending JP2023184526A (ja) | 2017-06-02 | 2023-10-04 | 量子ニューラルネットワーク |
Country Status (7)
Country | Link |
---|---|
US (2) | US11601265B2 (ja) |
EP (1) | EP3619655A1 (ja) |
JP (3) | JP6882533B2 (ja) |
CN (1) | CN110692067A (ja) |
AU (2) | AU2018278348B2 (ja) |
CA (1) | CA3065859C (ja) |
WO (1) | WO2018223037A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021192291A (ja) * | 2020-12-23 | 2021-12-16 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子もつれ状態処理方法、装置、電子デバイス、記憶媒体、及びプログラム |
JP2022071108A (ja) * | 2021-04-21 | 2022-05-13 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子ニューラルネットワークの訓練方法及び装置、電子機器並びに媒体 |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110692067A (zh) * | 2017-06-02 | 2020-01-14 | 谷歌有限责任公司 | 量子神经网络 |
US11551127B1 (en) | 2018-05-09 | 2023-01-10 | Rigetti & Co, Llc | Using a quantum processor unit to preprocess data |
US10903413B2 (en) | 2018-06-20 | 2021-01-26 | Equal!.Labs Inc. | Semiconductor process optimized for quantum structures |
WO2019244078A1 (en) | 2018-06-20 | 2019-12-26 | equal1.labs Inc. | Quantum structure incorporating electric and magnetic angle control |
US11568293B2 (en) | 2018-07-18 | 2023-01-31 | Accenture Global Solutions Limited | Quantum formulation independent solver |
WO2020033807A1 (en) * | 2018-08-09 | 2020-02-13 | Rigetti & Co, Inc. | Quantum streaming kernel |
CN109800883B (zh) * | 2019-01-25 | 2020-12-04 | 合肥本源量子计算科技有限责任公司 | 量子机器学习框架构建方法、装置及量子计算机 |
CN109615079B (zh) * | 2019-01-30 | 2022-12-06 | 合肥本源量子计算科技有限责任公司 | 一种量子比特控制信号生成*** |
WO2020168158A1 (en) * | 2019-02-15 | 2020-08-20 | Rigetti & Co, Inc. | Automated synthesizing of quantum programs |
US20200285947A1 (en) * | 2019-03-07 | 2020-09-10 | International Business Machines Corporation | Classical neural network with selective quantum computing kernel components |
US11748665B2 (en) * | 2019-04-03 | 2023-09-05 | International Business Machines Corporation | Quantum feature kernel alignment |
WO2020245013A1 (en) * | 2019-06-04 | 2020-12-10 | Universita' Degli Studi Di Pavia | Artificial neural network on quantum computing hardware |
US11562279B2 (en) * | 2019-06-18 | 2023-01-24 | Xanadu Quantum Technologies Inc. | Apparatus and methods for quantum computing and machine learning |
US20210150402A1 (en) * | 2019-11-18 | 2021-05-20 | Raytheon Bbn Technologies Corp. | Machine learning assisted qubit state readout |
JP2021082130A (ja) * | 2019-11-21 | 2021-05-27 | 株式会社日立製作所 | 電子回路、ニューラルネットワーク及びニューラルネットワークの学習方法 |
US11816535B1 (en) * | 2019-12-03 | 2023-11-14 | Google Llc | Multi-state qubit readout with permutation sequences |
CN113222161B (zh) * | 2020-01-21 | 2023-06-02 | 合肥本源量子计算科技有限责任公司 | 一种自定义量子逻辑门的实现方法、装置 |
CN111599414B (zh) * | 2020-03-25 | 2022-05-06 | 清华大学 | 一种基于量子计算机的全量子分子模拟方法 |
KR20210137767A (ko) * | 2020-05-11 | 2021-11-18 | 삼성에스디에스 주식회사 | 파라미터 기반 양자 회로 구성 장치 및 방법 |
JP7450220B2 (ja) * | 2020-06-26 | 2024-03-15 | 国立大学法人東京工業大学 | 量子計算機、プログラム、量子計算方法及び量子回路 |
CN112001498B (zh) * | 2020-08-14 | 2022-12-09 | 苏州浪潮智能科技有限公司 | 基于量子计算机的数据识别方法、装置及可读存储介质 |
CN114187598B (zh) * | 2020-08-25 | 2024-02-09 | 本源量子计算科技(合肥)股份有限公司 | 手写数字识别方法、设备及计算机可读存储介质 |
US11687817B2 (en) * | 2020-09-28 | 2023-06-27 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for providing data computation via quantum computers |
US11533046B2 (en) | 2020-11-12 | 2022-12-20 | equal1.labs Inc. | System and method of generating quantum unitary noise using silicon based quantum dot arrays |
CN112381233A (zh) * | 2020-11-20 | 2021-02-19 | 北京百度网讯科技有限公司 | 数据压缩方法、装置、电子设备和存储介质 |
CN112529202B (zh) * | 2020-12-23 | 2021-09-24 | 北京百度网讯科技有限公司 | 量子纠缠态分配方法、装置、设备、存储介质及产品 |
CN112561069B (zh) * | 2020-12-23 | 2021-09-21 | 北京百度网讯科技有限公司 | 模型处理方法、装置、设备及存储介质 |
CN112668242B (zh) * | 2021-01-05 | 2023-01-24 | 南方科技大学 | 量子控制波形的优化方法、装置、计算机设备及存储介质 |
CN114764619B (zh) * | 2021-04-29 | 2023-08-08 | 本源量子计算科技(合肥)股份有限公司 | 一种基于量子线路的卷积操作方法及装置 |
CN113052317B (zh) * | 2021-03-09 | 2023-10-13 | 本源量子计算科技(合肥)股份有限公司 | 量子态信息的获取方法和装置、量子测控***和计算机 |
CN113449778B (zh) * | 2021-06-10 | 2023-04-21 | 北京百度网讯科技有限公司 | 用于量子数据分类的模型训练方法以及量子数据分类方法 |
CN113517984B (zh) * | 2021-06-22 | 2021-12-17 | 南京大学 | 基于反向传播神经网络的cv-qkd协议码率预测方法及*** |
WO2023287333A1 (en) * | 2021-07-13 | 2023-01-19 | Telefonaktiebolaget Lm Ericsson (Publ) | A quantum neural network for noisy intermediate scale quantum devices |
CN113792881B (zh) * | 2021-09-17 | 2022-04-05 | 北京百度网讯科技有限公司 | 模型训练方法及装置、电子设备和介质 |
CN114219076B (zh) * | 2021-12-15 | 2023-06-20 | 北京百度网讯科技有限公司 | 量子神经网络训练方法及装置、电子设备和介质 |
CN114496227B (zh) * | 2022-01-26 | 2023-04-28 | 电子科技大学 | 基于量子神经网络的病情发展预测***及平台 |
CN114511094B (zh) * | 2022-01-27 | 2023-08-04 | 本源量子计算科技(合肥)股份有限公司 | 一种量子算法的优化方法、装置、存储介质与电子装置 |
CN114444704B (zh) * | 2022-02-22 | 2023-09-05 | 合肥本源量子计算科技有限责任公司 | 将原始数据编码到量子线路的方法、装置及存储介质 |
CN114358317B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的数据分类方法及相关设备 |
CN114358318B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的分类方法及相关装置 |
CN114358295B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的二分类方法及相关装置 |
CN114372582B (zh) * | 2022-03-22 | 2022-06-21 | 合肥本源量子计算科技有限责任公司 | 基于机器学习框架的量子自动编码方法及相关装置 |
WO2023212802A1 (en) * | 2022-05-05 | 2023-11-09 | Photonic Inc. | Systems and methods for distributing quantum entanglement |
CN115018078A (zh) * | 2022-05-13 | 2022-09-06 | 北京百度网讯科技有限公司 | 量子电路操作方法及装置、电子设备和介质 |
CN114912608B (zh) * | 2022-05-16 | 2023-04-07 | 南京邮电大学 | 一种适用于双场量子密钥分发***的全局相位跟踪预测方法 |
CN115828999B (zh) * | 2022-10-21 | 2023-09-19 | 中国人民解放军战略支援部队信息工程大学 | 基于量子态振幅变换的量子卷积神经网络构建方法及*** |
CN115640838B (zh) * | 2022-12-26 | 2023-04-07 | 逻安科技(天津)有限责任公司 | 一种基于延拓神经网络的可重构逻辑门实现方法及处理器 |
CN116167407A (zh) * | 2023-01-06 | 2023-05-26 | 合肥本源量子计算科技有限责任公司 | 一种基于量子循环神经网络的数据预测方法及相关设备 |
CN116611458B (zh) * | 2023-05-31 | 2024-06-14 | 本源量子计算科技(合肥)股份有限公司 | 一种文本翻译方法、装置、介质及电子装置 |
CN117669753B (zh) * | 2024-01-31 | 2024-04-16 | 北京航空航天大学杭州创新研究院 | 量子模型训练方法、多模态数据处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317558A1 (en) * | 2014-05-01 | 2015-11-05 | Lockheed Martin Corporation | Quantum-assisted training of neural networks |
CN106127300A (zh) * | 2016-07-04 | 2016-11-16 | 哈尔滨理工大学 | 一种旋转机械健康状态预测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110692067A (zh) * | 2017-06-02 | 2020-01-14 | 谷歌有限责任公司 | 量子神经网络 |
WO2019055847A1 (en) * | 2017-09-15 | 2019-03-21 | President And Fellows Of Harvard College | QUANTUM ARTIFICIAL NEURONAL NETWORK |
US10755188B2 (en) * | 2017-10-18 | 2020-08-25 | Nxgen Partners Ip, Llc | Unified nonlinear modeling approach for machine learning and artificial intelligence (attractor assisted AI) |
EP3740909A1 (en) * | 2018-01-18 | 2020-11-25 | Microsoft Technology Licensing, LLC | Phase arithmetic for quantum computation |
CA3103471A1 (en) * | 2018-07-02 | 2020-01-09 | Zapata Computing, Inc. | Compressed unsupervised quantum state preparation with quantum autoencoders |
US11568293B2 (en) * | 2018-07-18 | 2023-01-31 | Accenture Global Solutions Limited | Quantum formulation independent solver |
WO2020037301A1 (en) * | 2018-08-17 | 2020-02-20 | Zapata Computing, Inc. | Hybrid quantum-classical computer system and method for performing function inversion |
US10622978B1 (en) * | 2019-04-05 | 2020-04-14 | IonQ, Inc. | Quantum logic gate design and optimization |
US11537928B2 (en) * | 2019-05-03 | 2022-12-27 | Zapata Computing, Inc. | Quantum-classical system and method for matrix computations |
US11836572B2 (en) * | 2019-09-24 | 2023-12-05 | Qualcomm Incorporated | Quantum inspired convolutional kernels for convolutional neural networks |
US11562284B1 (en) * | 2019-10-18 | 2023-01-24 | Rigetti & Co, Llc | Gate formation for a quantum processor |
-
2018
- 2018-06-01 CN CN201880036533.1A patent/CN110692067A/zh active Pending
- 2018-06-01 US US16/618,713 patent/US11601265B2/en active Active
- 2018-06-01 WO PCT/US2018/035665 patent/WO2018223037A1/en unknown
- 2018-06-01 AU AU2018278348A patent/AU2018278348B2/en active Active
- 2018-06-01 JP JP2019566260A patent/JP6882533B2/ja active Active
- 2018-06-01 EP EP18733461.0A patent/EP3619655A1/en not_active Withdrawn
- 2018-06-01 CA CA3065859A patent/CA3065859C/en active Active
-
2021
- 2021-05-06 JP JP2021078683A patent/JP7362692B2/ja active Active
- 2021-05-11 AU AU2021202981A patent/AU2021202981B2/en active Active
-
2023
- 2023-03-03 US US18/117,232 patent/US11924334B2/en active Active
- 2023-10-04 JP JP2023172891A patent/JP2023184526A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317558A1 (en) * | 2014-05-01 | 2015-11-05 | Lockheed Martin Corporation | Quantum-assisted training of neural networks |
CN106127300A (zh) * | 2016-07-04 | 2016-11-16 | 哈尔滨理工大学 | 一种旋转机械健康状态预测方法 |
Non-Patent Citations (6)
Title |
---|
DA SILVA, ADENILTON J. ET AL.: "Classical and superposed learning for quantum weightless neural networks", NEUROCOMPUTING, vol. 75, no. 1, JPN5020006878, 31 July 2011 (2011-07-31), NL, pages 52 - 60, XP028327512, ISSN: 0004475635, DOI: 10.1016/j.neucom.2011.03.055 * |
FARHI, EDWARD ET AL.: "Quantum Algorithms for Fixed Qubit Architectures", ARXIV.ORG, JPN6021011268, 17 March 2017 (2017-03-17), US, pages 1 - 20, ISSN: 0004475631 * |
LI, PANCHI ET AL.: "Model and algorithm of quantum-inspired neural network with sequence input based on controlled rotat", APPLIED INTELLIGENCE, vol. 40, no. 1, JPN5020006877, 30 May 2013 (2013-05-30), CH, pages 107 - 126, XP035341086, ISSN: 0004475634, DOI: 10.1007/s10489-013-0447-3 * |
ROMERO, JONATHAN ET AL.: "Quantum autoencoders for efficient compression of quantum data", ARXIV.ORG, JPN6021011269, 10 February 2017 (2017-02-10), US, pages 1 - 10, ISSN: 0004475632 * |
WAN, KWOK HO ET AL.: "Quantum generalisation of feedforward neural networks", ARXIV.ORG, JPN6021011270, 4 December 2016 (2016-12-04), US, pages 1 - 10, XP055553781, ISSN: 0004475633, DOI: 10.1038/s41534-017-0032-4 * |
松井伸之: "量子ニューロコンピューティング", システム/制御/情報, vol. 第52巻,第5号, JPN6021011271, 15 May 2008 (2008-05-15), JP, pages 13 - 18, ISSN: 0004475636 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021192291A (ja) * | 2020-12-23 | 2021-12-16 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子もつれ状態処理方法、装置、電子デバイス、記憶媒体、及びプログラム |
JP7141507B2 (ja) | 2020-12-23 | 2022-09-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子もつれ状態処理方法、装置、電子デバイス、記憶媒体、及びプログラム |
JP2022071108A (ja) * | 2021-04-21 | 2022-05-13 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子ニューラルネットワークの訓練方法及び装置、電子機器並びに媒体 |
JP7369810B2 (ja) | 2021-04-21 | 2023-10-26 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 量子ニューラルネットワークの訓練方法及び装置、電子機器並びに媒体 |
Also Published As
Publication number | Publication date |
---|---|
WO2018223037A1 (en) | 2018-12-06 |
JP6882533B2 (ja) | 2021-06-02 |
AU2021202981A1 (en) | 2021-06-03 |
JP2021121946A (ja) | 2021-08-26 |
AU2018278348A1 (en) | 2020-01-02 |
AU2018278348B2 (en) | 2021-02-11 |
AU2021202981B2 (en) | 2022-04-07 |
CA3065859C (en) | 2023-01-24 |
JP7362692B2 (ja) | 2023-10-17 |
US20230299951A1 (en) | 2023-09-21 |
EP3619655A1 (en) | 2020-03-11 |
JP2023184526A (ja) | 2023-12-28 |
US11924334B2 (en) | 2024-03-05 |
US11601265B2 (en) | 2023-03-07 |
CN110692067A (zh) | 2020-01-14 |
US20200169396A1 (en) | 2020-05-28 |
CA3065859A1 (en) | 2018-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7362692B2 (ja) | 量子ニューラルネットワーク | |
US11763187B2 (en) | Training quantum evolutions using sublogical controls | |
AU2021203130B2 (en) | Quantum computation through reinforcement learning | |
CN109074518B (zh) | 多个本征值的量子相位估计 | |
US12008433B2 (en) | Variational quantum state preparation | |
AU2016427834B2 (en) | Simulating materials using quantum computation | |
AU2023200020A1 (en) | Error corrected variational algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200108 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210225 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210506 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6882533 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |