基于参数化量子电路的量子卷积神经网络模型及应用

摘要：

量子神经网络结合了量子计算与经典神经网络模型的各自优势,为人工智能领域的未来发展提供了一种全新的思路.本文提出一种基于参数化量子电路的量子卷积神经网络模型,能够针对欧几里得结构数据与非欧几里得结构数据,利用量子系统的计算优势加速经典机器学习任务.在MNIST数据集上的数值仿真结果表明,该模型具有较强的学习能力和良好的泛化性能.

关键词：量子机器学习;量子神经网络;量子卷积神经网络;量子图卷积神经网络

所属期刊栏目：38

资助基金：国家自然科学基金项目;德国亚历山大·冯·洪堡基金项目资助

在线出版日期：2022-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1772-1784