公开(公告)号：CN118485155B

公开(公告)日：2025-01-07

申请号：CN202410540466.4

申请日：2024-04-30

Applicant: 成都信息工程大学

Inventor： 张仕斌 ,  丁裕泽 ,  闫丽丽 ,  昌燕

IPC: G06N10/60 ,  G06N10/20 ,  G06N3/0464 ,  G06N10/70 ,  G06V10/764 ,  G06N3/084

Abstract: 本发明属于抵抗量子噪声干扰技术领域，公开了一种基于量子随机罢黜的抵抗量子噪声干扰方法及系统，本发明针对以往量子‑经典混合神经网络缺少对量子噪声的考虑以及在量子噪声的干扰下，大规模量子线路，比如量子卷积神经网络在图像识别分类的准确度上严重下降等问题，设计了一种新的实验环境，即利用经典计算机模拟含噪声的量子电路。这使得在经典计算机环境下的量子神经网络模型与真实量子设备环境下实验的结果基本一致，实验结果更具有实际意义，其次在量子计算机上运行的算法同样可以在经典计算机上进行模拟，大大降低了实验的成本。

公开(公告)号：CN118485155A

公开(公告)日：2024-08-13

申请号：CN202410540466.4

申请日：2024-04-30

Applicant: 成都信息工程大学

Inventor： 张仕斌 ,  丁裕泽 ,  闫丽丽 ,  昌燕

IPC: G06N10/60 ,  G06N10/20 ,  G06N3/0464 ,  G06N10/70 ,  G06V10/764 ,  G06N3/084

Abstract: 本发明属于抵抗量子噪声干扰技术领域，公开了一种基于量子随机罢黜的抵抗量子噪声干扰方法及系统，本发明针对以往量子‑经典混合神经网络缺少对量子噪声的考虑以及在量子噪声的干扰下，大规模量子线路，比如量子卷积神经网络在图像识别分类的准确度上严重下降等问题，设计了一种新的实验环境，即利用经典计算机模拟含噪声的量子电路。这使得在经典计算机环境下的量子神经网络模型与真实量子设备环境下实验的结果基本一致，实验结果更具有实际意义，其次在量子计算机上运行的算法同样可以在经典计算机上进行模拟，大大降低了实验的成本。