JP7369810B2 - 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 - Google Patents

Description

本開示は量子計算の分野に関し、特に量子情報伝送技術の分野に関し、具体的には、量子ニューラルネットワークの訓練方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム製品に関する。

人類は新しい量子科技の急速な台頭の波の真っ只中にあり、ますます多くの量子科技は次々と出現しており、量子ハードウェアの技術も年々向上しており、量子通信及び量子インターネットも発展し続けており、この中では、最も基本的な技術は量子テレポーテーション（Ｑｕａｎｔｕｍ Ｔｅｌｅｐｏｒｔａｔｉｏｎ、ＱＴ）であり、一般に、量子もつれと古典的通信によって量子情報の伝送を実現することを指す。該技術は量子もつれ（Ｑｕａｎｔｕｍ ｅｎｔａｎｇｌｅｍｅｎｔ）を利用することで、任意の距離の量子情報伝送を実現でき、従って、量子通信、分散型量子計算及び量子ネットワークの発展にとっていずれもかけがえのない重要性を持っている。

現在、双方向量子テレポーテーションに対して一方向量子テレポーテーションを２回行う必要があるが、量子もつれリソースの準備及び割り当ては困難である。従って、どのようにできるだけ少ないもつれリソースを利用してより多くの量子情報の伝送を実現するかは、量子科技の実用にとって非常に重要である。

本開示は、量子ニューラルネットワークの訓練方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム製品を提供する。
本開示の一態様によれば、量子通信の双方のそれぞれに対して、訓練すべき第１量子ニューラルネットワーク及び少なくとも２つの第２量子ニューラルネットワークを初期化し、伝送すべきキュービットに対応する量子状態訓練セットを取得し、前記第１量子ニューラルネットワークは量子通信用のキュービットを受信するように構成され、前記少なくとも２つの第２量子ニューラルネットワークの各々は前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを受信するように構成されることと、量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定することと、各量子状態組合せについて、前記各量子状態組合せはそれぞれ２組の前記訓練セットからの１つの量子状態を含むことと、前記量子状態組合せ中の量子状態及び前記もつれ状態にあるキュービットペア中のキュービットをそれぞれに対応する前記第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力し且つ前記少なくとも２つの第２量子ニューラルネットワークの各々に入力しないキュービットを測定し、対応する量子状態を得ることと、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行し、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得することと、前記量子通信の双方のそれぞれが得た量子状態と前記量子状態組合せ中の対応する量子状態との間の誤差を計算することと、すべての前記量子状態組合せに対応する誤差に基づいて損失関数を計算することと、前記損失関数が最小値に達するように量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整して、訓練後の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークを取得することと、を含む量子ニューラルネットワークの訓練方法を提供する。

本開示の別の態様によれば、量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定することと、量子通信の双方のそれぞれに対して、量子通信用のキュービットを第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを第２量子ニューラルネットワークに入力することと、前記第１量子ニューラルネットワークが出力し且つ前記第２量子ニューラルネットワークに入力しないキュービットを測定し、対応する量子状態を得ることと、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行し、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得し、前記量子通信の双方の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークは本開示に記載の量子ニューラルネットワークの訓練方法によって取得されることと、を含む双方向量子テレポーテーション方法を提供する。

本開示の別の態様によれば、量子通信の双方のそれぞれに対して、訓練すべき第１量子ニューラルネットワーク及び少なくとも２つの第２量子ニューラルネットワークを初期化し、伝送すべきキュービットに対応する量子状態訓練セットを取得するように構成され、前記第１量子ニューラルネットワークは量子通信用のキュービットを受信するように構成され、前記少なくとも２つの第２量子ニューラルネットワークの各々は前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを受信するように構成される初期化ユニットと、量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定するように構成されるもつれ状態割り当てユニットと、各量子状態組合せについて、前記各量子状態組合せはそれぞれ２組の前記訓練セットからの１つの量子状態を含み、前記量子状態組合せ中の量子状態及び前記もつれ状態にあるキュービットペア中のキュービットをそれぞれに対応する前記第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力し且つ前記少なくとも２つの第２量子ニューラルネットワークの各々に入力しないキュービットを測定し、対応する量子状態を得て、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行し、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得し、前記量子通信の双方のそれぞれが得た量子状態と前記量子状態組合せ中の対応する量子状態との間の誤差を計算するように構成される通信ユニットと、すべての前記量子状態組合せに対応する誤差に基づいて損失関数を計算するように構成される計算ユニットと、前記損失関数が最小値に達するように量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整して、訓練後の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークを取得するように構成される訓練ユニットと、を含む量子ニューラルネットワークの訓練装置を提供する。

本開示の別の態様によれば、量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定するように構成されるもつれ状態割り当てユニットと、量子通信の双方のそれぞれに対して、量子通信用のキュービットを第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを第２量子ニューラルネットワークに入力するように構成される第１伝送ユニットと、前記第１量子ニューラルネットワークが出力し且つ前記第２量子ニューラルネットワークに入力しないキュービットを測定し、対応する量子状態を得るように構成される測定ユニットと、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行し、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得するように構成され、前記量子通信の双方の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークは本開示に記載の量子ニューラルネットワークの訓練方法によって取得される第２伝送ユニットと、を含む双方向量子テレポーテーション装置を提供する。

本開示の別の態様によれば、少なくとも１つのプロセッサと、少なくとも１つのプロセッサと通信接続されるメモリと、を含み、メモリは少なくとも１つのプロセッサによって実行可能な命令が記憶されており、該命令が少なくとも１つのプロセッサによって実行されると、少なくとも１つのプロセッサが本開示に記載の量子ニューラルネットワークの訓練方法を実行できる、電子機器を提供する。

本開示の別の態様によれば、コンピュータに本開示に記載の量子ニューラルネットワークの訓練方法を実行させるためのコンピュータ命令が記憶される非一時的なコンピュータ可読記憶媒体を提供する。

本開示の別の態様によれば、プロセッサによって実行されると本開示に記載の量子ニューラルネットワークの訓練方法を実現するコンピュータプログラムを含むコンピュータプログラム製品を提供する。

本開示の別の態様によれば、少なくとも１つのプロセッサと、少なくとも１つのプロセッサと通信接続されるメモリと、を含み、メモリは少なくとも１つのプロセッサによって実行可能な命令が記憶されており、該命令が少なくとも１つのプロセッサによって実行されると、少なくとも１つのプロセッサが本開示に記載の双方向量子テレポーテーション方法を実行できる、電子機器を提供する。

本開示の別の態様によれば、コンピュータに本開示に記載の双方向量子テレポーテーション方法を実行させるためのコンピュータ命令が記憶される非一時的なコンピュータ可読記憶媒体を提供する。

本開示の別の態様によれば、プロセッサによって実行されると本開示に記載の双方向量子テレポーテーション方法を実現するコンピュータプログラムを含むコンピュータプログラム製品を提供する。

本開示の１つ又は複数の実施例によれば、量子通信の双方のそれぞれに訓練パラメータを絶えず最適化できるいくつかの量子ニューラルネットワークを作成することによって、訓練後の量子ニューラルネットワークが双方向量子テレポーテーションとなるように達成するとともに、もつれリソースの消費をさらに減らすことができ、強い拡張性及び適応性を有する。

この部分で説明される内容は本開示の実施例のキー又は重要な特徴を識別することを目的とするものでも本開示の範囲を限定するためのものでもないと理解すべきである。本開示のほかの特徴は以下の明細書によって容易に理解できるようになる。

図面は実施例を例示的に示し、明細書の一部を構成し、明細書のテキスト記述とともに実施例の例示的な実施形態を説明することに用いられる。示される実施例は例示のみを目的としており、請求項の範囲を限定するものではない。すべての図面では、同じ符号は類似するが必ずしも同じではない要素を示す。
本開示の実施例に係る本明細書に記載される様々な方法を実施できる例示的なシステムの模式図を示す。 例示的な実施例における一方向量子テレポーテーションの模式図を示す。 例示的な実施例における双方向量子テレポーテーションの模式図を示す。 例示的な実施例における一方向量子テレポーテーションの回路テンプレートの模式図を示す。 本開示の実施例による量子ニューラルネットワークの訓練方法のフローチャートを示す。 本開示の実施例による双方向量子テレポーテーションの回路テンプレートの模式図を示す。 図６に示す回路テンプレートに基づく訓練プロセス中の損失関数変化をシミュレーションする模式図を示す。 本開示の実施例に係る３つのノイズ含有もつれを利用して４つの量子状態を双方向に伝送する回路テンプレートの模式図を示す。 本開示の実施例に係る双方向量子テレポーテーション方法のフローチャートを示す。 本開示の実施例に係る量子ニューラルネットワークの訓練装置の構成ブロック図を示す。 本開示の実施例に係る双方向量子テレポーテーション装置の構成ブロック図を示す。 本開示の実施例を実現することに使用できる例示的な電子機器の構成ブロック図である。

以下、図面を参照しながら本開示の例示的な実施例を説明し、容易に理解できるように本開示の実施例の様々な詳細が含まれており、あくまでも例示的なものであると理解すべきである。従って、当業者は、本開示の範囲を逸脱することなく、ここで説明される実施例に対して様々な変化や変更を行うことができることを理解すべきである。同様に、明確且つ簡潔にするために、以下の説明では公知の機能及び構造についての説明は省略されている。

本開示では、特に断らない限り、用語「第１」、「第２」等を使用して様々な要素を説明することは、これらの要素の位置関係、時系列関係又は重要性関係を限定することを意図せず、このような用語は単に１つの素子を別の素子と区別することに用いられる。いくつかの例では、第１要素と第２要素は該要素の同一例を指してもよく、場合によっては、コンテキストの説明に基づいて、異なる実例を指してもよい。

本開示では様々な前記例の説明に使用される用語は特定の例を限定するのではなく、説明することのみを目的とする。コンテキストに別途明記していない限り、要素の数を意図的に限定しないと、該要素は１つであってもよく複数であってもよい。また、本開示で使用される用語「及び／又は」はリストされる項目のうちのいずれか及びすべての可能な組合せ方式をカバーする。

以下、図面を参照しながら本開示の実施例を詳細に説明する。
図１は本開示の実施例に係る本明細書に記載される様々な方法及び装置を実施できる例示的なシステム１００の模式図を示す。図１に示すように、該システム１００は１つ又は複数のクライアント機器１０１、１０２、１０３、１０４、１０５及び１０６と、サーバ１２０と、１つ又は複数のクライアント機器をサーバ１２０に結合される１つ又は複数の通信ネットワーク１１０と、を含む。クライアント機器１０１、１０２、１０３、１０４、１０５及び１０６は１つ又は複数のアプリケーションプログラムを実行するように構成され得る。

本開示の実施例では、サーバ１２０は、画像充填方法を実行可能にする１つ又は複数のサービス又はソフトウェアアプリケーションを実行し得る。 いくつかの実施例では、サーバ１２０は非仮想環境及び仮想環境を含み得るほかのサービス又はソフトウェアアプリケーションをさらに提供し得る。いくつかの実施例では、これらのサービスはｗｅｂに基づくサービス又はクラウドサービスとして提供されてもよく、たとえば、ソフトウェア、即ちサービス（ＳａａＳ）モデル下でクライアント機器１０１、１０２、１０３、１０４、１０５及び／又は１０６のユーザーに提供される。

図１に示す構成では、サーバ１２０はサーバ１２０によって実行される機能を実現する１つ又は複数のコンポーネントを含み得る。これらのコンポーネントは１つ又は複数のプロセッサによって実行され得るソフトウェアコンポーネント、ハードウェアコンポーネント又はそれらの組合せを含み得る。クライアント機器１０１、１０２、１０３、１０４、１０５及び／又は１０６を操作するユーザーは１つ又は複数のクライアントアプリケーションプログラムを順に利用してサーバ１２０と対話することで、これらのコンポーネントが提供するサービスを利用することができる。様々な異なるシステム構成は可能であり、システム１００と異なってもよいと理解すべきである。従って、図１は本明細書に記載される様々な方法を実施するためのシステムの一例であり、それを限定することを目的とするものではない。

クライアント機器１０１、１０２、１０３、１０４、１０５及び／又は１０６は訓練、伝送用のデータ、命令等を提供することに用いられ得る。クライアント機器はクライアント機器のユーザーがクライアント機器と対話できるインターフェースを提供し得る。クライアント機器はさらに該インターフェースを介して情報をユーザーに出力し得る。図１は６種のクライアント機器のみを示しているが、当業者が理解できるように、本開示は任意の数のクライアント機器をサポートし得る。

クライアント機器１０１、１０２、１０３、１０４、１０５及び／又は１０６は、たとえば、ポータブルハンドヘルドデバイス、汎用コンピュータ（たとえば、パーソナルコンピュータ及びラップトップコンピュータ）、ワークステーションコンピュータ、ウェアラブルデバイス、ゲームシステム、シンクライアント、様々なメッセージ送受信機器、センサ又はほかのセンシング機器等の様々なタイプのコンピュータ機器を含み得る。これらのコンピュータ機器は、たとえば、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ、Ａｐｐｌｅ ｉＯＳ、ＵＮＩＸ（登録商標）系オペレーティングシステム、Ｌｉｎｕｘ（登録商標）又はＬｉｎｕｘ系オペレーティングシステム（たとえば、Ｇｏｏｇｌｅ Ｃｈｒｏｍｅ ＯＳ）のような様々なタイプ及びバージョンのソフトウェアアプリケーションプログラム及びオペレーティングシステムを実行でき、又は、たとえば、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ Ｍｏｂｉｌｅ ＯＳ、ｉＯＳ、Ｗｉｎｄｏｗｓ Ｐｈｏｎｅ、Ａｎｄｒｏｉｄのような様々なモバイルオペレーティングシステムを含む。ポータブルハンドヘルドデバイスはセルラ電話、スマートフォン、タブレットコンピュータ、パーソナルデジタルアシスタント（ＰＤＡ）等を含み得る。ウェアラブルデバイスはヘッドマウントディスプレイ及びほかの機器を含み得る。ゲームシステムは様々なハンドヘルドゲーム機器、インターネットをサポートするゲーム機器等を含み得る。クライアント機器は、たとえば、Ｉｎｔｅｒｎｅｔに関連する様々なアプリケーションプログラム、通信アプリケーションプログラム（たとえば、電子メールアプリケーションプログラム）、ショートメッセージサービス（ＳＭＳ）アプリケーションプログラムのような様々な異なるアプリケーションプログラムを実行でき、且つ様々な通信プロトコルを使用できる。

ネットワーク１１０は当業者が周知する任意のタイプのネットワークであってもよく、複数種の利用可能なプロトコルのうちのいずれか１種（ＴＣＰ／ＩＰ、ＳＮＡ、ＩＰＸ等を含むが、これらに限定されない）を使用してデータ通信をサポートすることができる。単なる例として、１つ又は複数のネットワーク１１０は、ローカルエリアネットワーク（ＬＡＮ）、イーサネットベースネットワーク、トークンリング、ワイドエリアネットワーク（ＷＡＮ）、インターネット、仮想ネットワーク、仮想プライベートネットワーク（ＶＰＮ）、イントラネット、エクストラネット、パブリックスイッチドテレフォンネットワーク（ＰＳＴＮ）、赤外線ネットワーク、ワイヤレスネットワーク（たとえば、ブルートゥース（登録商標）、ＷＩＦＩ）、及び／又はこれら及び／又はほかのネットワークの任意の組合せであり得る。

サーバ１２０は、１つ又は複数の汎用コンピュータ、プライベートサーバコンピュータ（たとえば、ＰＣ（パーソナルコンピュータ）サーバ、ＵＮＩＸサーバ、ミッドレンジサーバ）、ブレードサーバ、メインフレームコンピュータ、サーバクラスタ又はほかの任意の適切な配置及び／又は組合せを含み得る。サーバ１２０は仮想オペレーティングシステムを実行する１つ又は複数の仮想マシン、又は仮想化に関するほかの計算アーキテクチャ（たとえば、サーバの仮想記憶機器をメンテナンスするために仮想化され得るロジック記憶機器の１つ又は複数の柔軟なプール）を含み得る。様々な実施例では、サーバ１２０は以下に説明される機能を提供する１つ又は複数のサービス又はソフトウェアアプリケーションを実行できる。

サーバ１２０の計算ユニットは上記任意のオペレーティングシステム及び任意の商業的に利用可能なサーバオペレーティングシステムを含む１つ又は複数のオペレーティングシステムを実行できる。サーバ１２０はさらに、ＨＴＴＰサーバ、ＦＴＰサーバ、ＣＧＩサーバ、ＪＡＶＡ（登録商標）サーバ、データベースサーバ等を含む様々な追加のサーバアプリケーションプログラム及び／又は中間層アプリケーションプログラムのうちのいずれか１つを実行できる。

いくつかの実施形態では、サーバ１２０は、クライアント機器１０１、１０２、１０３、１０４、１０５及び１０６のユーザーから受信されるデータフィード及び／又はイベント更新を分析及び合併するように、１つ又は複数のアプリケーションプログラムを含み得る。サーバ１２０はクライアント機器１０１、１０２、１０３、１０４、１０５及び１０６の１つ又は複数の表示機器を介してデータフィード及び／又はリアルタイムなイベントを表示するように、１つ又は複数のアプリケーションプログラムをさらに含み得る。

いくつかの実施形態では、サーバ１２０は分散型システムのサーバ、又はブロックチェーンと組み合わされたサーバであり得る。サーバ１２０はクラウドサーバ、又は人工知能技術を備えたインテリジェントクラウド計算サーバ又はインテリジェントクラウドホストであり得る。クラウドサーバはクラウド計算サービスシステムのホスト製品であり、従来の物理ホストと仮想プライベートサーバ（ＶＰＳ、Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｓｅｒｖｅｒ）のサービスにおける管理が困難で、ビジネス拡張性が低いという欠陥を解決するためのものである。

システム１００は１つ又は複数のデータリポジトリ１３０をさらに含み得る。特定の実施例では、これらのデータリポジトリはデータ及びほかの情報を記憶することに用いられてもよい。たとえば、データリポジトリ１３０のうちの１つ又は複数は、たとえば、訓練セット、パラメータ等のデータを記憶することに用いられ得る。データリポジトリ１３０は様々な位置に駐在し得る。たとえば、サーバ１２０に使用されるデータリポジトリはサーバ１２０のローカルに位置してもよく、又はサーバ１２０から離れネットワークに基づく接続又は専用の接続を介してサーバ１２０と通信してもよい。データリポジトリ１３０は異なるタイプであり得る。いくつかの実施例では、サーバ１２０に使用されるデータリポジトリは、たとえば、関係データベースのようなデータベースであり得る。これらのデータベースのうちの１つ又は複数は命令に応答してデータベースへのデータ及びデータベースからのデータを記憶、更新及び検索することができる。

いくつかの実施例では、データリポジトリ１３０のうちの１つ又は複数はさらに、アプリケーションプログラムデータを記憶するようにアプリケーションプログラムに使用できる。アプリケーションプログラムに使用されるデータリポジトリは、たとえば、キー値リポジトリ、オブジェクトリポジトリ又はファイルシステムによりサポートされる通常のリポジトリのような異なるタイプのデータベースであり得る。

図１のシステム１００は、本開示に記載される様々な方法及び装置を適用できるように、様々な方式で構成及び操作することができる。
１キュービット（ｑｕｂｉｔ）の情報を伝送することを例として、量子通信の双方がそれぞれ送信側Ａｌｉｃｅ及び受信側Ｂｏｂであることを仮定する。図２に示すように、送信側と受信側の双方は情報を伝送する前に、一定のもつれを持つ１対のキュービットペアを共有し、Ａ及びＢと記す（複数のキュービット情報を伝送する必要がある場合、もつれリソースをその分増加させる必要がある）。最高の伝送忠実度を確保するために、もつれを持つこのキュービットペアＡＢは一般にベル状態Φ^＋（Ｂｅｌｌ ｓｔａｔｅ）として準備される。Ａｌｉｃｅが伝送すべき情報はもう１つのキュービットＣに記憶される。このようなタスクでは、通信の双方は通常、２つの場所に分散しているため、許可される物理的操作はＡｌｉｃｅとＢｏｂのそれぞれのローカル量子操作及び古典的通信（ＬＯＣＣ、ｌｏｃａｌ ｏｐｅｒａｔｉｏｎｓ ａｎｄ ｃｌａｓｓｉｃａｌ ｃｏｍｍｕｎｉｃａｔｉｏｎ）である。ここで、量子操作は通常、キュービットに作用する量子ゲート及び量子測定を指すが、ローカル量子操作はＡｌｉｃｅとＢｏｂがそれぞれの実験室におけるキュービットのみに対して量子操作を行うことができることを表し、古典的通信は通常、２人が量子測定から得られた結果を交換することに用いられる。

上記量子テレポーテーションは一方的な情報伝送プロセスであるが、より効率的な双方向伝送スキーム、即ち、双方向量子テレポーテーション（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｑｕａｎｔｕｍ Ｔｅｌｅｐｏｒｔａｔｉｏｎ、ＢＱＴ）がある。図３に示すように、双方向量子テレポーテーションは１回の伝送プロセスで通信の双方のそれぞれの量子情報を交換できる。

現在、双方向量子テレポーテーションは一般に一方向量子テレポーテーションを２回行う必要がある。具体的には、図４に示すように、ＡｌｉｃｅとＢｏｂは量子通信の双方として、予め割り当てられた１対のもつれペア、即ち、図３中のキュービットＡ及びＢを持ち、Ａ及びＢはベル状態Φ^＋にある。そして、Ａｌｉｃｅは特定の量子状態ρにある付加的なもう１つのキュービットＣを持つ。キュービットＣの量子状態をＢｏｂに伝送するために、（１）ＡｌｉｃｅはキュービットＣ及びＡに対して制御ノットゲート（ＣＮＯＴ ｇａｔｅ）を施し、その後、キュービットＣに対してＨ（Ｈａｄａｍａｒｄ）ゲートを施し、（２）ＡｌｉｃｅはキュービットＣ及びＡを測定し、測定結果ｍ_１ｍ_２∈｛００，０１，１０，１１｝を古典的通信の方式によってＢｏｂに送信し、ＢｏｂはＡｌｉｃｅが送信してきた測定結果に応じて、条件付きでＸ及びＺ回転ゲートをそのローカルのキュービットＢに施し、たとえば、ＡｌｉｃｅによるＣ及びＡの測定結果がそれぞれ０及び１であると、ＢｏｂはＺゲートを施さず、Ｘゲートのみを施す。古典的通信はメール、電話等による方式を含み得る。双方向量子テレポーテーションを実現し、即ち、Ｂｏｂもそのローカルの１つのキュービットの量子状態をＡｌｉｃｅに送信することを望む場合、双方は２対のベル状態を共有し、（１）～（３）の操作を２回繰り返す必要があり、それにより双方のそれぞれが持つ量子状態を相手方にそれぞれ送信する。

複数のキュービットについては、異なる形式のもつれリソース（たとえば、クラスタ状態（ｃｌｕｓｔｅｒ ｓｔａｔｅ）のような最大もつれ状態とは異なる）の双方向伝送状態は現在、統一されたスキームがなく、従来の文献で提案されている解決方法は依然としてケースバイケース（ｃａｓｅ－ｂｙ－ｃａｓｅ）に基づく量子回路にある。ｎ対のキュービットの量子状態を交換する応用シーンについては、従来のスキームは少なくとも２ｎ個のキュービットもつれペアのリソースを消費する必要がある。

実際の応用では、量子もつれリソースの準備及び割り当ては困難である。従って、どのようにできるだけ少ないもつれリソースを利用してより多くの量子情報の伝送を実現するかは、量子科技の実際の応用に対して非常に重要である。

従って、本開示の実施例によれば、量子ニューラルネットワークの訓練方法５００を提供し、図５に示すように、量子通信の双方のそれぞれに対して、訓練すべき第１量子ニューラルネットワーク及び少なくとも２つの第２量子ニューラルネットワークを初期化し、伝送すべきキュービットに対応する量子状態訓練セットを取得すること（ステップ５１０）と、量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定すること（ステップ５２０）と、各量子状態組合せについて、前記各量子状態組合せはそれぞれ２組の前記訓練セットからの１つの量子状態を含むみ、前記量子状態組合せ中の量子状態及び前記もつれ状態にあるキュービットペア中のキュービットをそれぞれに対応する前記第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力し且つ前記少なくとも２つの第２量子ニューラルネットワークの各々に入力しないキュービットを測定して、対応する量子状態を得ること（ステップ５３０）と、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得すること（ステップ５４０）と、前記量子通信の双方のそれぞれが得た量子状態と前記量子状態組合せ中の対応する量子状態との間の誤差を計算すること（ステップ５５０）と、すべての前記量子状態組合せに対応する誤差に基づいて損失関数を計算すること（ステップ５６０）と、前記損失関数が最小値に達するように量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整して、訓練後の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークを取得すること（ステップ５７０）と、を含む。

本開示の実施例によれば、本開示に係る方法は量子通信の双方のそれぞれで訓練パラメータを絶えず最適化できるいくつかの量子ニューラルネットワークを作成することによって、訓練後の量子ニューラルネットワークが双方向量子テレポーテーションとなるように達成するとともに、もつれリソースの消費をさらに減らすことができ、強い拡張性及び適応性を有する。

量子ニューラルネットワーク（Ｑｕａｎｔｕｍ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、ＱＮＮ）は通常、いくつかの単一キュービット回転ゲート及びＣＮＯＴゲートから構成され、いくつかの回転角度はベクトルθ、即ち調整可能なパラメータを構成する。より一般的には、量子ニューラルネットワークはパラメータ調整可能ないくつかの量子回路から構成されてもよい。量子ニューラルネットワークは様々な量子アルゴリズムに広く適用されており、たとえば、１つの量子システムの最低エネルギーを求めるＶＱＥアルゴリズムが挙げられる。本開示の方法によれば、Ａｌｉｃｅ及びＢｏｂの両方のローカルで訓練パラメータを絶えず最適化できる量子ニューラルネットワークをそれぞれ作成し、ローカルの測定結果及び古典的通信によって通信の双方にパラメータ化されたローカル操作を条件付きで一回再実行させ、それにより双方向量子テレポーテーションに達する。

いくつかの例では、量子通信用のキュービットはもつれ状態にあるキュービット及び伝送すべきキュービットを含む。
いくつかの例では、ＡｌｉｃｅとＢｏｂはまず、ローカルでパラメータ調整可能ないくつかの量子ニューラルネットワークを準備し、それぞれＡｌｉｃｅとＢｏｂのローカルで１組の量子状態｛ρ_ｉ｝_{ｉ＝１…ｎ}と｛σ_ｊ｝_{ｊ＝１…ｍ}を訓練セットとして定義する。訓練セット中の量子状態は量子通信プロセスで相互に伝送されようとする量子状態とされる。定義された訓練セット中の量子状態のキュービットの数は引用すべき量子通信プロセスで伝送されようとするキュービット数に適応し、即ち、Ａｌｉｃｅは実際に２ビットの量子状態をＢｏｂに伝送する必要がある場合、ＡｌｉｃｅとＢｏｂが準備したパラメータ調整可能な量子ニューラルネットワークを訓練する際に、Ａｌｉｃｅのローカルで１組の量子状態｛ρ_ｉ｝_{ｉ＝１…ｎ}を定義し、訓練セット中の各量子状態ρ_ｉはいずれも２ビットの量子状態であり、Ｂｏｂは同様であり、ここでは詳細な説明を省略する。

いくつかの例では、量子ニューラルネットワーク及び量子状態訓練セットを準備した後、量子ニューラルネットワークの訓練プロセスでは、ＡｌｉｃｅとＢｏｂはそれぞれの訓練セット中の量子状態を伝送されようとする量子状態として伝送すべきキュービットで順に初期化する。各回の訓練プロセスでは、ＡｌｉｃｅとＢｏｂの双方が伝送すべき量子状態は１つの量子状態組合せを形成する。たとえば、｛ρ_ｉ｝_{ｉ＝１…４}と｛σ_ｊ｝_{ｊ＝１…４}は｛ρ_１、σ_１｝、｛ρ_１、σ_２｝、｛ρ_１、σ_３｝、｛ρ_１、σ_４｝、｛ρ_２、σ_１｝…等の１６個の量子状態組合せを形成する。ほかの量子状態組合せの形式も可能であり、ここでは限定しない。

いくつかの例では、ＡｌｉｃｅとＢｏｂはそれぞれ予め定義された回路テンプレートに従って、準備した量子ニューラルネットワークをそれぞれの量子システムに作用させる。ＡｌｉｃｅとＢｏｂはそれぞれローカルのキュービットを測定し、測定結果を古典的通信の方式によって相手方に伝送し、ＡｌｉｃｅとＢｏｂは情報伝送結果に応じてローカル操作を再実行し、ＡｌｉｃｅとＢｏｂのローカルのそれぞれの量子状態の交換を実現する。

予め定義した回路テンプレートに従って、対応する第１量子ニューラルネットワーク及び第２量子ニューラルネットワークを準備する。第２量子ニューラルネットワークは少なくとも２つであってもよい。いくつかの実施例によれば、第１量子ニューラルネットワークは量子通信用のキュービットを受信するように構成され、少なくとも２つの第２量子ニューラルネットワークのうちの各々は、第１量子ニューラルネットワークが出力する、伝送すべきキュービットと同数のキュービットを受信するように構成される。

いくつかの実施例によれば、量子通信の双方のそれぞれに対して、もつれ状態にあるキュービットペアの数が伝送すべきキュービットの数よりも小さいことに応答して、少なくとも２つの第２量子ニューラルネットワークの各々は、第１量子ニューラルネットワークが出力する、設定されるもつれ状態にあるキュービット及び１つ又は複数の伝送すべきキュービットに対応するキュービットを受信するように構成される。

いくつかの実施例によれば、量子通信の双方のそれぞれに対して、もつれ状態にあるキュービットペアの数が伝送すべきキュービットの数以上であることに応答して、少なくとも２つの第２量子ニューラルネットワークの各々は、第１量子ニューラルネットワークが出力する、もつれ状態にあるキュービットに対応するキュービットを受信するように構成される。

理解できるように、もつれ状態にあるキュービットの数が伝送すべきキュービットの数以上である場合、量子情報の伝送効果は良い。しかしながら、本開示に係る方法によって訓練された回路テンプレートに基づいて量子情報伝送を行う際に、通常の一方向量子テレポーテーションよりも少なくとも半分のもつれ状態キュービットペアが節約される。

いくつかの実施例によれば、以下の式に基づいて前記損失関数を計算する。

式中、Ｌは損失関数であり、｛σ_ｊ，ρ_ｉ｝は１つの訓練セットからの量子状態σ_ｊともう１つの訓練セットからの量子状態ρ_ｉで構成される１つの量子状態組合せを表し、ｇ（σ_ｊ，θ_ｋ）及びｆ（ρ_ｉ，θ_ｋ）はそれぞれ量子ニューラルネットワークのパラメータがθ_ｋである場合、σ_ｊとρ_ｉを相手方に伝送した後に得た量子状態を表し、θ_ｋはｋ回目の訓練プロセスにおける１組のパラメータ値を表し、前記１組のパラメータ値中の各パラメータ値はそれぞれ前記量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記少なくとも２つの第２量子ニューラルネットワークの各々に対応し、Ｆ（）は忠実度関数を表し、ｍ及びｎはそれぞれ前記１つの訓練セットの量子状態の数及び前記もう１つの訓練セットの量子状態の数を表す。

ここで、すべての量子ニューラルネットワークのパラメータをθと統一して記し、θは１つのベクトルを表し、回路テンプレート中のすべての調整可能なパラメータを含む。なお、回路中の各量子ニューラルネットワークは全体的なパラメータθの一部のみを含み、異なる量子ニューラルネットワークに含まれるパラメータは互いに独立する。

いくつかの実施例によれば、最適化方法によって第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整し、勾配降下法等を含むが、これに限定されない。

本開示の１つの例示的な実施例では、図６に示すように、ＡｌｉｃｅとＢｏｂの双方はもつれを持つ１対のキュービットペアを共有し、且つＡｌｉｃｅとＢｏｂの双方は１つのキュービット情報を交換する。まず、ＡｌｉｃｅとＢｏｂはいずれもローカルで一連の単一ビット量子状態を訓練セット｛ρ_ｉ｝_{ｉ＝１…ｎ}及び｛σ_ｊ｝_{ｊ＝１…ｍ}として定義する。例示的には、密度行列を用いて１つの量子状態を示すようにしてもよい。図６に示すように、ＡｌｉｃｅとＢｏｂのローカル量子ニューラルネットワークであるＵ_Ａ（θ）、Ｖ_Ａ ^ｉ（θ）、Ｕ_Ｂ（θ）、Ｖ_Ｂ ^ｉ（θ）をそれぞれ準備し、ここで、下付き文字Ａを用いてＡｌｉｃｅのローカル回路をマークし、下付き文字Ｂを用いてＢｏｂのローカル量子ニューラルネットワークをマークする。Ｕ_Ａ（θ）とＵ_Ｂ（θ）はそれぞれＡｌｉｃｅとＢｏｂの第１量子ニューラルネットワークであり、Ｖ_Ａ ^ｉ（θ）とＶ_Ｂ ^ｉ（θ）はそれぞれＡｌｉｃｅとＢｏｂの第２量子ニューラルネットワークを表す。

図６に示すように、Ｖ_Ａ ^ｉ（θ）及びＶ_Ｂ ^ｉ（θ）はそれぞれＢ_２及びＡ_２の測定結果に応じて選択的に実行され、単一キュービットＢ_２及びＡ_２の可能な測定結果は、０又は１の２つだけであり、従って、それぞれＢ_２及びＡ_２の測定結果に応じてＶ_Ａ ^ｉ（θ）及びＶ_Ｂ ^ｉ（θ）のうちそれぞれに対応する一方を選択的に実行するために、Ｖ_Ａ ^ｉ（θ）はＶ_Ａ ^０（θ）及びＶ_Ａ ^１（θ）を含み、Ｖ_Ｂ ^ｉ（θ）はＶ_Ｂ ^０（θ）及びＶ_Ｂ ^１（θ）を含むようにする。準備したＡｌｉｃｅとＢｏｂのローカル量子ニューラルネットワーク中のパラメータθをランダムに初期化し、ここで、θは各量子ニューラルネットワークに対応する１組のパラメータ値を表す。Ａ_１、Ｂ_１をＡｌｉｃｅとＢｏｂが共有するもつれキュービットペアΨとする。量子ニューラルネットワークの訓練の流れは以下の通りである。

（１）訓練回数ｋ＝０を初期化し、パラメータをθ_ｋと記してもよい。
（２）ＡｌｉｃｅとＢｏｂはそれぞれの訓練セットから１つの量子ρ_ｉ、σ_ｊをそれぞれ選択し、Ａ_２及びＢ_２キュービットをそれぞれρ_ｉ、σ_ｊ状態に準備する。

（３）ＡｌｉｃｅとＢｏｂはそれぞれのローカルの量子ニューラルネットワークＵ_Ａ（θ_ｋ）、Ｕ_Ｂ（θ_ｋ）をそれぞれ実行する。
（４）ＡｌｉｃｅとＢｏｂはそれぞれのローカルのキュービットＡ_２、Ｂ_２をそれぞれ測定し、測定結果を古典的通信によって相手方に通知する。該測定は単一キュービットでの０１測定であるため、可能な測定結果は０又は１の２つだけである。

（５）ＡｌｉｃｅとＢｏｂはそれぞれ相手方から伝送された古典的通信結果に応じてそのローカルの第２量子ニューラルネットワークＶ_Ａ ^ｉ（θ）及びＶ_Ｂ ^ｉ（θ）を選択的に実行する。たとえば、Ａｌｉｃｅが受信したＢｏｂから伝送された測定結果が１である場合、ＡｌｉｃｅはＶ_Ａ ^１（θ）を実行し、そうではない場合、Ｖ_Ａ ^０（θ）を実行する。Ｂｏｂは同様である。

（６）ＡｌｉｃｅとＢｏｂはそれぞれＡ_１、Ｂ_１での量子状態ｇ（σ_ｊ，θ_ｋ），ｆ（ρ_ｉ，θ_ｋ）とステップ（２）ではＢ_２、Ａ_２で準備された初期状態σ_ｊ、ρ_ｉとの忠実度Ｆ（ｇ（σ_ｊ，θ_ｋ），σ_ｊ），Ｆ（ｆ（ρ_ｉ，θ_ｋ），ρ_ｉ）を計算し、Ｌ_ｉ，ｊ＝２－Ｆ（ｇ（σ_ｊ，θ_ｋ），σ_ｊ）－Ｆ（ｆ（ρ_ｉ，θ_ｋ），ρ_ｉ）を損失関数として計算する。このとき、Ａ_１、Ｂ_１でのキュービットと（２）におけるＢ_２、Ａ_２で準備された初期状態が同じである場合、即ち、伝送後の状態と伝送前の状態が一致する場合、２つの忠実度はいずれも１であり、損失関数は０である。

（７）ＡｌｉｃｅとＢｏｂは、２組の訓練セット中の量子状態のすべての可能な組合せをトラバーサルするまで、異なる状態を選択して（２）～（６）を繰り返し、且つ、各組合せの損失関数を加算して今回訓練される全体的な損失関数Ｌとする。即ち、

である。
（８）量子ニューラルネットワーク中のパラメータθ_ｋに対する損失関数Ｌの勾配

を求め、該勾配に応じてパラメータθ_ｋを更新し、損失関数Ｌを最も小さくするパラメータ組合せを徐々に見つける。たとえば、

である。上記勾配降下法によってパラメータθ_ｋを調整することを除き、ほかのオプティマイザーを用いてパラメータを更新するようにしてもよく、広義的には、θ_ｋ＋１＝ｈ（θ_ｋ）とするようにしてもよい。

（９）損失関数Ｌが変化しなくなる又は訓練回数が予め設定されたある値に達するまで、ｋ＝ｋ＋１として（２）～（８）を繰り返す。
最終的に損失関数が最も小さくなった場合、パラメータが訓練されて得られたθである上記回路テンプレートを利用して、ＡｌｉｃｅとＢｏｂがそれぞれ入力した任意の量子状態を相手方に可能な限り正確に伝送することを意味する。

訓練完了後、訓練されて得られたθを固定し、図６中の回路テンプレートと組み合わせて、訓練済みの双方向テレポーテーションプロトコルが得られた。該プロトコルは、与えられたもつれリソースの下で、双方がローカル操作及び古典的通信によって、可能な限り高精度（伝送前後の状態の忠実度が可能な限り１に近いことを指す）の量子情報交換であるＡｌｉｃｅとＢｏｂのローカルの量子状態情報の双方向伝送を実現することができる。

固定表現形式を有するもつれペアの場合、上記訓練プロセスはすべて古典的なコンピュータでシミュレーションして完成させてもよく、得られたプロトコルは実際の量子状態に対して同じ効果を有する。勿論、現在のもつれリソースに対する可能な限り最適な結果を得るために、実際の量子システムで完成させてもよい。

いくつかの例では、Ｐａｄｄｌｅ Ｑｕａｎｔｕｍ中のＬＯＣＣＮｅｔモジュールを利用して上記実施例における（１）～（９）中の訓練プロセスをシミュレーションするようにしてもよい。選択された訓練セットは、たとえば、｛ρ_１，ρ_２，ρ_３，ρ_４｝及び｛σ_１，σ_２，σ_３，σ_４｝であり、ここで、

である。
上記選択された訓練セットは単一ビットの１組の線形独立基底であり、いずれかの量子状態ρ（σ）は、この１組の基底の線形組合せとして記述できる。つまり、この１組の訓練セット上での損失関数が０である場合、該プロトコルは任意の状態の双方向伝送を行うことができる。勿論、ほかの線形独立状態を訓練セットとして選択し、又はほかの状態を訓練セットとするようにしてもよく、同様の効果を奏することができる。具体的には、シミュレーション結果は図７に示すように、損失関数Ｌが訓練によって０に達し、即ち、全体的には双方向量子テレポーテーションのタスクが完了することが分かる。

１対のもつれペアを使用して１対の量子状態を交換する上記スキームに基づいて、図４中の各回路モジュールのサイズを調整することによって、任意の数のノイズ含有もつれペアを使用して任意の数の量子状態を双方向に伝送する量子回路にさらに拡張することができる。且つ、もつれリソースが与えられた場合、ほかの方法の実現範囲を遥かに超えるより良い伝送効率を達成できる。たとえば、図８は３つのノイズ含有もつれペアを利用して４つの量子状態を双方向に伝送する回路テンプレートの模式図を示し、該例のスキームは３対のもつれ量子ペアを消費することによって、ＡとＢの間での２対の量子状態の量子情報交換を実現する。従って、パラメータ化された量子回路の柔軟で多様な構造に基づいて、訓練されて得られた双方向量子テレポーテーションは強い拡張性及び適応性を有し、様々な応用シーン及び量子機器に対して適したスキームを設計することができる。

本開示の実施例によれば、双方向量子テレポーテーション方法９００をさらに提供し、図９に示すように、量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定すること（ステップ９１０）と、量子通信の双方のそれぞれに対して、量子通信用のキュービットを第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを第２量子ニューラルネットワークに入力すること（ステップ９２０）と、前記第１量子ニューラルネットワークが出力し且つ前記第２量子ニューラルネットワークに入力しないキュービットを測定して、対応する量子状態を得ること（ステップ９３０）と、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得すること（ステップ９４０）と、を含む。量子通信の双方の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークは上記いずれか一項に記載の訓練方法によって取得される。

いくつかの例では、量子通信用のキュービットはもつれ状態にあるキュービット及び伝送すべきキュービットを含む。
本開示の実施例によれば、量子ニューラルネットワークの訓練装置１０００をさらに提供し、図１０に示すように、量子通信の双方のそれぞれに対して、訓練すべき第１量子ニューラルネットワーク及び少なくとも２つの第２量子ニューラルネットワークを初期化し、伝送すべきキュービットに対応する量子状態訓練セットを取得するように構成され、前記第１量子ニューラルネットワークは量子通信用のキュービットを受信するように構成され、前記少なくとも２つの第２量子ニューラルネットワークの各々は前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを受信するように構成される初期化ユニット１０１０と、前記量子通信用の１つ又は複数のキュービットをもつれ状態に準備するように構成されるもつれ状態割り当てユニット１０２０と、各量子状態組合せについて、前記各量子状態組合せはそれぞれ２組の前記訓練セットからの１つの量子状態を含み、前記量子状態組合せ中の量子状態及び前記もつれ状態にあるキュービットペア中のキュービットをそれぞれに対応する前記第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力し且つ前記少なくとも２つの第２量子ニューラルネットワークの各々に入力しないキュービットを測定して、対応する量子状態を得て、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得し、前記量子通信の双方のそれぞれが得た量子状態と前記量子状態組合せ中の対応する量子状態との間の誤差を計算するように構成される通信ユニット１０３０と、すべての前記量子状態組合せに対応する誤差に基づいて損失関数を計算するように構成される計算ユニット１０４０と、前記損失関数が最小値に達するように量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整して、訓練後の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークを取得するように構成される訓練ユニット１０５０と、を含む。

ここで、量子ニューラルネットワークの訓練装置１０００の上記各ユニット１０１０～１０５０の操作はそれぞれ以上に説明されたステップ５１０～５７０の操作と同様であり、ここでは詳細な説明を省略する。

本開示の実施例によれば、電子機器、可読記憶媒体及びコンピュータプログラム製品をさらに提供する。
本開示の実施例によれば、双方向量子テレポーテーション装置１１００をさらに提供し、図１１に示すように、前記量子通信の双方の１つ又は複数のキュービットをもつれ状態に準備するように構成されるもつれ状態割り当てユニット１１１０と、量子通信の双方のそれぞれに対して、量子通信用のキュービットを第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを第２量子ニューラルネットワークに入力するように構成される第１伝送ユニット１１２０と、前記第１量子ニューラルネットワークが出力し且つ前記第２量子ニューラルネットワークに入力しないキュービットを測定して、対応する量子状態を得るように構成される測定ユニット１１３０と、相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得するように構成される第２伝送ユニット１１４０と、を含む。前記量子通信の双方の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークは上記いずれか一項に記載の訓練方法によって取得される。

ここで、双方向量子テレポーテーション装置１１００の上記各ユニット１１１０～１１４０の操作はそれぞれ以上に説明されたステップ９１０～９４０の操作と同様であり、ここでは詳細な説明を省略する。

本開示の実施例によれば、電子機器、可読記憶媒体及びコンピュータプログラム製品をさらに提供する。
図１２を参照して本開示のサーバ又はクライアントとされ得る電子機器１２００の構成ブロック図を説明し、本開示の各態様に適用され得るハードウェア機器の例である。電子機器は、たとえば、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータ、及びその他の適切なコンピュータなど様々な形式のデジタル電子コンピュータ機器を表すことを目的としている。電子機器は、たとえば、パーソナルデジタルアシスタント、セルラ電話、スマートフォン、ウェアラブルデバイス及びその他の類似した計算装置など様々な形式のモバイルデバイスを表すこともできる。本明細書に示されているコンポーネント、それらの接続と関係、及びそれらの機能はあくまでも例とされるものであり、本明細書で説明及び／又は要求される本開示の実現を制限することを意図したものではない。

図１２に示すように、機器１２００は、リードオンリーメモリ（ＲＯＭ）１２０２に記憶されるコンピュータプログラム又は記憶ユニット１２０８からランダムアクセスメモリ（ＲＡＭ）１２０３にロードされるコンピュータプログラムに従って、種々の適切な動作及び処理を実行することができる計算ユニット１２０１を含む。ＲＡＭ １２０３には、機器１２００の操作に必要な様々なプログラム及びデータがさらに記憶されてもよい。計算ユニット１２０１、ＲＯＭ １２０２及びＲＡＭ １２０３はバス１２０４を介して互いに接続される。入力／出力（Ｉ／Ｏ）インターフェース１２０５もバス１２０４に接続される。

入力ユニット１２０６、出力ユニット１２０７、記憶ユニット１２０８及び通信ユニット１２０９を含めて機器１２００中の複数のコンポーネントはＩ／Ｏインターフェース１２０５に接続される。入力ユニット１２０６は機器１２００に情報を入力できる任意のタイプの機器であってもよく、入力ユニット１２０６は、入力される数字又はキャラクター情報を受信し、電子機器のユーザー設定及び／又は機能制御に関連するキー信号入力を生成することができ、マウス、キーボード、タッチスクリーン、トラックパッド、トラックボール、ジョイスティック、マイクロフォン及び／又はリモコンを含み得るが、これらに限定されない。出力ユニット１２０７は情報を提示できる任意のタイプの機器であってもよく、ディスプレイ、スピーカー、ビデオ／オーディオ出力端末、バイブレータ及び／又はプリンタを含み得るが、これらに限定されない。記憶ユニット１２０８は磁気ディスク、及び光ディスクを含み得るが、これらに限定されない。通信ユニット１２０９は、機器１２００がたとえばインターネットのコンピュータネットワーク及び／又は様々な電気通信ネットワークを介してほかの機器と情報／データを交換することを可能にし、モデム、ネットワークカード、赤外線通信機器、ワイヤレス通信送受信機及び／又はチップセット、たとえば、ブルートゥースＴＭ機器、8０２．１１機器、ＷｉＦｉ機器、ＷｉＭａｘ機器、セルラー通信機器及び／又は同等物を含み得るが、これらに限定されない。

計算ユニット１２０１は処理及び計算能力を有する様々な汎用及び／又は専用処理コンポーネントであり得る。計算ユニット１２０１のいくつかの例は中央処理装置（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、様々な専用人工知能（ＡＩ）計算チップ、機械学習モデルアルゴリズムを実行する様々な計算ユニット、デジタル信号プロセッサ（ＤＳＰ）、及び任意の適切なプロセッサ、コントローラ、マイクロコントローラ等を含むが、これらに限定されない。計算ユニット１２０１は以上に説明された各方法及び処理、たとえば、方法５００、９００を実行する。たとえば、いくつかの実施例では、方法５００、９００はコンピュータソフトウェアプログラムとして実現されてもよく、たとえば、記憶ユニット１２０８のような機械可読媒体に有形に含まれる。いくつかの実施例では、コンピュータプログラムの一部又は全部はＲＯＭ １２０２及び／又は通信ユニット１２０９を介して機器１２００にロード及び／又はインストールされてもよい。コンピュータプログラムがＲＡＭ １２０３にロードされ且つ計算ユニット１２０１によって実行されると、以上に説明された方法５００、９００の１つ又は複数のステップを実行する。オプションとして、ほかの実施例では、計算ユニット１２０１はほかの任意の適切な方式によって（たとえば、ファームウェアを介して）、方法５００、９００を実行するように構成されてもよい。

本明細書で以上に説明されたシステム及び技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途用標準製品（ＡＳＳＰ）、システムオンチップ（ＳＯＣ）、コンプレックスプログラマブルロジックデバイス（ＣＰＬＤ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組合せにおいて実現できる。これらの様々な実施形態は、１つ又は複数のコンピュータプログラムにおいて実施することを含んでもよく、該１つ又は複数のコンピュータプログラムは、少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステムにおいて実行及び／又は解釈でき、該プログラマブルプロセッサは専用又は汎用プログラマブルプロセッサであってもよく、記憶システム、少なくとも１つの入力装置、及び少なくとも１つの出力装置からデータ及び命令を受信し、データ及び命令を、該記憶システム、該少なくとも１つの入力装置、及び該少なくとも１つの出力装置に伝送することができる。

本開示の方法を実施するためのプログラムコードは１つ又は複数のプログラミング言語の任意の組合せによって作成されることができる。これらのプログラムコードは、汎用コンピュータ、専用コンピュータ又はほかのプログラマブルデータ処理装置のプロセッサ又はコントローラに提供されることが可能であり、プログラムコードがプロセッサ又はコントローラによって実行されると、フローチャート及び／又はブロック図に規定される機能／操作が実施されるようにする。プログラムコードは完全に機械上で実行されてもよく、部分的に機械上で実行されてもよく、独立したソフトウェアパッケージとして部分的に機械上で実行され且つ部分的にリモートマシン上で実行され又は完全にリモートマシン又はサーバ上で実行されてもよい。

本開示のコンテキストでは、機械可読媒体は有形な媒体であってもよく、命令実行システム、装置又は機器に使用される、又は命令実行システム、装置又は機器と組み合わせて使用されるプログラムを含む又は記憶することができる。機械可読媒体は機械可読信号媒体又は機械可読記憶媒体であり得る。機械可読媒体は電子、磁気、光学、電磁、赤外線、又は半導体システム、装置又は機器、又は上記のものの任意の適切な組合せを含み得るが、これらに限定されない。機械可読記憶媒体のより具体的な例は、１つ又は複数の配線に基づく電気的接続、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、消去可能なプログラマブルリードオンリーメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバ、ポータブルコンパクトディスクリードオンリーメモリ（ＣＤ－ＲＯＭ）、光学記憶機器、磁気記憶機器、又は上記のものの任意の適切な組合せを含む。

ユーザーとの対話を提供するように、ここで説明されるシステム及び技術をコンピュータにおいて実施することができ、該コンピュータは、ユーザーに情報を表示するための表示装置（たとえば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニター）、キーボード及びポインティング装置（たとえば、マウスやトラックボール）を有し、ユーザーが該キーボード及び該ポインティング装置によってコンピュータに入力を提供することができる。ほかの種類の装置は、ユーザーとの対話の提供に用いられることもでき、たとえば、ユーザーに提供されるフィードバックは、任意の形式の感覚フィードバック（たとえば、視覚的フィードバック、聴覚的フィードバック、又は触覚的フィードバック）であってもよく、そして、ユーザーからの入力は、任意の形式（音響入力、音声入力、又は触覚入力を含む）で受信できる。

ここで説明されるシステム及び技術は、バックエンドコンポーネントを含む計算システム（たとえば、データサーバとして）、又はミドルウェアコンポーネントを含む計算システム（たとえば、アプリケーションサーバ）、又はフロントエンドコンポーネントを含む計算システム（たとえば、グラフィカルユーザーインターフェース又はＷＥＢブラウザーを備えたユーザーコンピュータが挙げられ、ユーザーは該グラフィカルユーザーインターフェース又は該ＷＥＢブラウザーを介してここで説明されるシステム及び技術の実施形態と対話できる）、又はこのようなバックエンドコンポーネント、ミドルウェアコンポーネント、又はフロントエンドコンポーネントの任意の組み合わせを含む計算システムにおいて実施されることができる。システムのコンポーネントは、任意の形式又は媒体のデジタルデータ通信（たとえば、通信ネットワーク）を介して相互に接続されることができる。通信ネットワークの例として、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、及びインターネットが含まれる。

コンピュータシステムは、クライアント及びサーバを含み得る。クライアントとサーバは通常、互いに遠く離れており、通信ネットワークを介して対話するのが一般的である。クライアントとサーバとの関係は、対応するコンピュータで実行され互いにクライアント－サーバの関係を持つコンピュータプログラムによって生成される。

なお、以上に示す様々な形式のプロセスを用いて、ステップを改めて並べ替えたり、追加したり、削除したりすることができる。たとえば、本開示に記載された各ステップは、本開示に開示されている技術案の所望の結果が達成できる限り、並行して実行しても、順次実行しても、異なる順序で実行してもよく、本明細書では、それについて限定しない。

図面を参照しながら本開示の実施例又は例を説明してきたが、上記方法、システム及び機器はあくまでも例示的な実施例又は例であり、本発明の範囲はこれらの実施例又は例に限定されず、特許権付与後の特許請求の範囲及びその同等の範囲のみによって定められると理解すべきである。実施例又は例における様々な要素は省略されてもよく、または、同等の要素によって代替されてもよい。また、本開示に説明される順序とは異なる順序で各ステップを実行できる。さらに、実施例又は例における様々な要素は様々な方式で組み合わせられることができる。重要な点として、技術が進化するにつれて、ここで説明される多くの要素は本開示の後に現れる同等の要素によって置き換えることができる。

Claims (14)

1. 量子ニューラルネットワークの訓練方法であって、
   量子通信の双方のそれぞれに対して、訓練すべき第１量子ニューラルネットワーク及び少なくとも２つの第２量子ニューラルネットワークを初期化し、伝送すべきキュービットに対応する量子状態訓練セットを取得し、前記第１量子ニューラルネットワークは量子通信用のキュービットを受信するように構成され、前記少なくとも２つの第２量子ニューラルネットワークの各々は前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを受信するように構成されることと、
   量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定することと、
   各量子状態組合せについて、前記各量子状態組合せはそれぞれ２組の前記訓練セットからの１つの量子状態を含むことと、
   前記量子状態組合せ中の量子状態及び前記もつれ状態にあるキュービットペア中のキュービットをそれぞれに対応する前記第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力し且つ前記少なくとも２つの第２量子ニューラルネットワークの各々に入力しないキュービットを測定して、対応する量子状態を得ることと、
   相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得することと、
   前記量子通信の双方のそれぞれが得た量子状態と前記量子状態組合せ中の対応する量子状態との間の誤差を計算することと、
   すべての前記量子状態組合せに対応する誤差に基づいて損失関数を計算することと、
   前記損失関数が最小値に達するように量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整して、訓練後の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークを取得することと、を含む量子ニューラルネットワークの訓練方法。
2. 量子通信の双方のそれぞれに対して、
   前記もつれ状態にあるキュービットペアの数が伝送すべきキュービットの数よりも小さいことに応答して、前記少なくとも２つの第２量子ニューラルネットワークの各々は、前記第１量子ニューラルネットワークが出力する、前記設定されるもつれ状態にあるキュービット及び１つ又は複数の前記伝送すべきキュービットに対応するキュービットを受信するよう構成される請求項１に記載の方法。
3. 量子通信の双方のそれぞれに対して、
   前記もつれ状態にあるキュービットペアの数が伝送すべきキュービットの数以上であることに応答して、前記少なくとも２つの第２量子ニューラルネットワークの各々は、前記第１量子ニューラルネットワークが出力する、もつれ状態にあるキュービットに対応するキュービットを受信するよう構成される請求項１に記載の方法。
4. 以下の式に基づいて前記損失関数を計算する請求項１に記載の方法。
   式中、Ｌは損失関数であり、｛σ_ｊ，ρ_ｉ｝はそのうち１つの訓練セットからの量子状態σ_ｊともう１つの訓練セットからの量子状態ρ_ｉとで構成される１つの量子状態組合せを表し、ｇ（σ_ｊ，θ_ｋ）及びｆ（ρ_ｉ，θ_ｋ）はそれぞれ量子ニューラルネットワークのパラメータがθ_ｋである場合、σ_ｊとρ_ｉを相手方に伝送した後に得た量子状態を表し、θ_ｋはｋ回目の訓練プロセスにおける１組のパラメータ値を表し、前記１組のパラメータ値中の各パラメータ値はそれぞれ前記量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記少なくとも２つの第２量子ニューラルネットワークの各々に対応し、Ｆ（）は忠実度関数を表し、ｍ及びｎはそれぞれ前記１つの訓練セットの量子状態の数及び前記もう１つの訓練セットの量子状態の数を表す。
5. 最適化方法によって前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整する請求項１に記載の方法。
6. 双方向量子テレポーテーション方法であって、
   量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定することと、
   量子通信の双方のそれぞれに対して、量子通信用のキュービットを第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを第２量子ニューラルネットワークに入力することと、
   前記第１量子ニューラルネットワークが出力し且つ前記第２量子ニューラルネットワークに入力しないキュービットを測定して、対応する量子状態を得ることと、
   相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得することと、を含み、
   前記量子通信の双方の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークは請求項１～５のいずれか一項に記載の方法によって取得される双方向量子テレポーテーション方法。
7. 量子ニューラルネットワークの訓練装置であって、
   量子通信の双方のそれぞれに対して、訓練すべき第１量子ニューラルネットワーク及び少なくとも２つの第２量子ニューラルネットワークを初期化し、伝送すべきキュービットに対応する量子状態訓練セットを取得するように構成され、前記第１量子ニューラルネットワークは量子通信用のキュービットを受信するように構成され、前記少なくとも２つの第２量子ニューラルネットワークの各々は前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを受信するように構成される初期化ユニットと、
   量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定するように構成されるもつれ状態割り当てユニットと、
   各量子状態組合せについて、前記各量子状態組合せはそれぞれ２組の前記訓練セットからの１つの量子状態を含み、
   前記量子状態組合せ中の量子状態及び前記もつれ状態にあるキュービットペア中のキュービットをそれぞれに対応する前記第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力し且つ前記少なくとも２つの第２量子ニューラルネットワークの各々に入力しないキュービットを測定して、対応する量子状態を得て、
   相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得し、
   前記量子通信の双方のそれぞれが得た量子状態と前記量子状態組合せ中の対応する量子状態との間の誤差を計算するように構成される通信ユニットと、
   すべての前記量子状態組合せに対応する誤差に基づいて損失関数を計算するように構成される計算ユニットと、
   前記損失関数が最小値に達するように量子通信の双方のそれぞれの前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークのパラメータ値を調整して、訓練後の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークを取得するように構成される訓練ユニットと、を含む量子ニューラルネットワークの訓練装置。
8. 双方向量子テレポーテーション装置であって、
   量子通信の双方が共有するもつれ状態にある１つ又は複数のキュービットペアを設定するように構成されるもつれ状態割り当てユニットと、
   前記量子通信の双方のそれぞれに対して、量子通信用のキュービットを第１量子ニューラルネットワークに入力し、前記第１量子ニューラルネットワークが出力する伝送すべきキュービットと同数のキュービットを第２量子ニューラルネットワークに入力するように構成される第１伝送ユニットと、
   前記第１量子ニューラルネットワークが出力し且つ前記第２量子ニューラルネットワークに入力しないキュービットを測定して、対応する量子状態を得るように構成される測定ユニットと、
   相手方の前記測定結果に応じて、対応する第２量子ニューラルネットワークを選択的に実行して、双方の前記対応する第２量子ニューラルネットワークのそれぞれが出力するキュービットの量子状態を、前記量子通信を行った後に双方が交換して得た量子情報として取得するように構成される第２伝送ユニットと、を含み、
   前記量子通信の双方の前記第１量子ニューラルネットワーク及び前記第２量子ニューラルネットワークは請求項１～５のいずれか一項に記載の方法によって取得される双方向量子テレポーテーション装置。
9. 電子機器であって、
   少なくとも１つのプロセッサと、
   前記少なくとも１つのプロセッサと通信接続されるメモリと、を含み、
   前記メモリには前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行されることで、前記少なくとも１つのプロセッサが請求項１～５のいずれか一項に記載の方法を実行可能となる電子機器。
10. コンピュータに請求項１～５のいずれか一項に記載の方法を実行させるためのコンピュータ命令が記憶される非一時的なコンピュータ可読記憶媒体。
11. プロセッサによって実行されると請求項１～５のいずれか一項に記載の方法を実現するコンピュータプログラム。
12. 電子機器であって、
    少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信接続されるメモリと、を含み、
    前記メモリには前記少なくとも１つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも１つのプロセッサによって実行されることで、前記少なくとも１つのプロセッサが請求項６に記載の方法を実行可能となる電子機器。
13. コンピュータに請求項６に記載の方法を実行させるコンピュータ命令が記憶される非一時的なコンピュータ可読記憶媒体。
14. プロセッサによって実行されると請求項６に記載の方法を実現するコンピュータプログラム。

Images