基于量子机器学习的无线宽带信号检测方案

摘要：

无线通信发展到B5G/6G,随着太赫兹通信等技术的诞生,信号的调制阶数、信道信息的复杂度增加,接收信号检测的难度也是不断上升.现大多研究都将无线通信领域与机器学习相结合,但经典机器学习的方案很可能会遇到算力瓶颈.量子机器学习作为量子计算与机器学习的交叉学科,有可能成为6G的潜在技术.本文首次将量子机器学习应用于无线宽带通信中的信号检测,基于张量网络设计了一种量子-经典混合机器学习模型,混合模型由含参量子电路和神经网络构成,由量子计算机和经典计算机协同实现,信号数据在量子电路里被映射至希尔伯特空间进行训练,有着快速收敛,代价低,性能高等优势,神经网络对量子电路输出结果起到非线性修正的效果.本文仿真在Google公司的Tensorflow-Quantum平台上进行,结果表明,本文提出的量子-经典混合机器学习模型在信号检测问题中,以误码率为量化指标,与现有的纯量子算法和神经网络算法相比降低大约10个百分点.

关键词：无线通信、6G、信号检测、机器学习、量子计算

所属期刊栏目：39

分类号：TN929

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1299-1308