【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于量子機(jī)器學(xué)習(xí)領(lǐng)域，涉及一種基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法。
技術(shù)介紹
1、在無(wú)數(shù)的研究領(lǐng)域里，圖結(jié)構(gòu)數(shù)據(jù)是無(wú)所不在的實(shí)體，它們被廣泛應(yīng)用于社交網(wǎng)絡(luò)分析、推薦系統(tǒng)、知識(shí)圖譜和文本分析等領(lǐng)域和應(yīng)用中。隨著時(shí)代的發(fā)展，大規(guī)模圖的流行成為了趨勢(shì)。然而處理大規(guī)模圖結(jié)構(gòu)數(shù)據(jù)需要大量的計(jì)算資源和成本。在機(jī)器學(xué)習(xí)領(lǐng)域，經(jīng)典計(jì)算機(jī)的算力和算法方面都面臨著巨大的挑戰(zhàn)。量子力學(xué)與量子計(jì)算的突破帶來(lái)了量子計(jì)算機(jī)的迅速發(fā)展，量子計(jì)算機(jī)利用量子態(tài)的疊加性、并行性以及量子糾纏的特性，在計(jì)算特定問題上展現(xiàn)了遠(yuǎn)超經(jīng)典計(jì)算機(jī)的優(yōu)勢(shì)。大多數(shù)量子神經(jīng)網(wǎng)絡(luò)都是針對(duì)歐式空間中的規(guī)則結(jié)構(gòu)數(shù)據(jù)而設(shè)計(jì)的。對(duì)于非歐氏空間中的數(shù)據(jù)，經(jīng)典的機(jī)器學(xué)習(xí)算法直接使用圖神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)造圖數(shù)據(jù)的學(xué)習(xí)過程。然而，在量子領(lǐng)域里，相關(guān)的研究卻很少。
技術(shù)實(shí)現(xiàn)思路
1、有鑒于此，本專利技術(shù)的目的在于提供一種基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法。粒狀球計(jì)算是一種高效、健壯、可擴(kuò)展的粒計(jì)算學(xué)習(xí)方法。讓一個(gè)粒狀球代替其數(shù)據(jù)集內(nèi)的樣本點(diǎn)，讓粒球來(lái)表現(xiàn)數(shù)據(jù)集的整體特性這一方法在大數(shù)據(jù)時(shí)代變得至關(guān)重要，可以克服量子實(shí)驗(yàn)無(wú)法制備巨量數(shù)據(jù)這一缺陷。一種新的可在量子參數(shù)化電路上實(shí)現(xiàn)的量子圖卷積神經(jīng)網(wǎng)絡(luò)模型是一種結(jié)合了量子計(jì)算和經(jīng)典圖神經(jīng)網(wǎng)絡(luò)架構(gòu)的技術(shù)。能夠更好的利用量子計(jì)算的優(yōu)勢(shì)處理非歐氏空間中的數(shù)據(jù)。
2、為達(dá)到上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，該方法包括以下步驟
4、s1：將數(shù)據(jù)樣本生成粒球樣本；
5、s2：獲取節(jié)點(diǎn)數(shù)據(jù)集和邊數(shù)據(jù)集并完成對(duì)其編碼與制備；
6、s3：設(shè)計(jì)變分量子線路增強(qiáng)節(jié)點(diǎn)特征；
7、s4：設(shè)計(jì)量子圖卷積線路實(shí)現(xiàn)節(jié)點(diǎn)之間的信息傳遞和參數(shù)共享；
8、s5：設(shè)計(jì)量子圖池化線路實(shí)現(xiàn)特征降維；
9、s6：輸入訓(xùn)練集對(duì)模型進(jìn)行參數(shù)訓(xùn)練；
10、s7：輸入待測(cè)數(shù)據(jù)集到模型對(duì)指定的量子比特執(zhí)行泡利z測(cè)量，對(duì)圖進(jìn)行分類。
11、進(jìn)一步，所述s1具體為：
12、s11，將帶有n個(gè)節(jié)點(diǎn)的圖看作一個(gè)粒球，把圖中度最大的節(jié)點(diǎn)作為第一個(gè)中心節(jié)點(diǎn)，下一個(gè)中心節(jié)點(diǎn)是距離上一個(gè)中心節(jié)點(diǎn)最遠(yuǎn)的節(jié)點(diǎn)，依次找出個(gè)中心節(jié)點(diǎn)，其余的節(jié)點(diǎn)距離哪個(gè)中心節(jié)點(diǎn)近，就分配到哪個(gè)父粒球；節(jié)點(diǎn)的度：指節(jié)點(diǎn)的鄰接關(guān)系的數(shù)量，即節(jié)點(diǎn)擁有的邊的數(shù)量，反映節(jié)點(diǎn)在網(wǎng)絡(luò)結(jié)構(gòu)中的連接緊密程度以及重要性；
13、s12，對(duì)于生成的個(gè)父粒球，每個(gè)球內(nèi)，把度最大的兩個(gè)節(jié)點(diǎn)當(dāng)成中心節(jié)點(diǎn)，其他的節(jié)點(diǎn)距離哪個(gè)中心節(jié)點(diǎn)近，就分配到哪個(gè)子粒球，即每個(gè)父粒球分裂成兩個(gè)子粒球；
14、s13，判斷粒球的質(zhì)量，以此來(lái)確定粒球是否停止分裂；使用平均連通性來(lái)計(jì)算粒球的質(zhì)量；如果分裂的兩個(gè)子粒球的平均連通性低于父粒球的平均連通性，則分裂停止在此時(shí)，算法收斂；平均連通性的定義：通過圖中的邊數(shù)與節(jié)點(diǎn)數(shù)之比來(lái)計(jì)算；比值越小，粒球內(nèi)的節(jié)點(diǎn)越緊密，粒球質(zhì)量越高；
15、s14，將生成的粒球里的中心節(jié)點(diǎn)信息直接代表其所屬粒球的信息，表示為新的節(jié)點(diǎn)；而粒球之間的邊即為新節(jié)點(diǎn)的邊，即得到新的節(jié)點(diǎn)數(shù)據(jù)集與邊數(shù)據(jù)集。
16、進(jìn)一步，所述s3具體為：
17、s31，對(duì)于邊數(shù)據(jù)集采用基態(tài)編碼的方式；每一個(gè)量子比特代表一條邊，即兩個(gè)節(jié)點(diǎn)是否相連；如果兩個(gè)節(jié)點(diǎn)連接，那么對(duì)應(yīng)的量子位被設(shè)置為|1>，否則為|0>；
18、s32，對(duì)于節(jié)點(diǎn)數(shù)據(jù)集采用角度編碼的方式；用角度編碼將數(shù)據(jù)映射到bloch球上，從數(shù)據(jù)高位到低位，每一位使用ry門控制旋轉(zhuǎn)x從0依次加1；使用多個(gè)量子比特來(lái)編碼的特征信息，其量子比特?cái)?shù)量q取決于節(jié)點(diǎn)的個(gè)數(shù)n和節(jié)點(diǎn)的特征維度m，即q＝n×m。
19、進(jìn)一步，所述s3具體為：
20、s31，考慮線路的可表達(dá)性和復(fù)雜的節(jié)點(diǎn)節(jié)點(diǎn)之間的相互作用嵌入在圖形數(shù)據(jù)；使用變分量子分類器(variationalquantumcircuit,vqc)變分量子線路增強(qiáng)節(jié)點(diǎn)特征，模擬具有全連接層的傳統(tǒng)經(jīng)典圖神經(jīng)網(wǎng)絡(luò)的操作原理；多層的vqc變分量子線路可減少后續(xù)的量子圖卷積層的數(shù)量，為整個(gè)量子線路減少線路復(fù)雜度；
21、s32，初始化vqc的量子線路生成vqc的可調(diào)參數(shù)使用輸入和vqc參數(shù)更新量子線路運(yùn)行量子線路(vqc)以獲得量子輸出；vqc需要連續(xù)應(yīng)用變分層，單層變換l被描繪為：l:ψ(x)>→ψ(y)>＝u(ω)ψ(x)>，其中u(ω)表示具有n層的vqc，定義為：
22、
23、進(jìn)一步，所述s4具體為：
24、s41，設(shè)計(jì)量子圖卷積線路；通過實(shí)現(xiàn)兩個(gè)量子比特的幺正運(yùn)算u來(lái)實(shí)現(xiàn)局部連接和參數(shù)共享性質(zhì)；線路包括cnot門，ry旋轉(zhuǎn)門和rz旋轉(zhuǎn)門；首先使用rz(θ)ry(θ)rz(θ)旋轉(zhuǎn)每個(gè)量子位，然后使用cnot門進(jìn)行糾纏以實(shí)現(xiàn)非線性，其中θ為可調(diào)參數(shù)，在訓(xùn)練期間更新以適應(yīng)電路的各種運(yùn)算；
25、s42，在線路添加4組rz(θ)ry(θ)rz(θ)旋轉(zhuǎn)門，用以提高模型的對(duì)抗魯棒性，使模型具有更高的表達(dá)能力，其中θ為共享參數(shù)。
26、進(jìn)一步，所述s5具體為：
27、s51，設(shè)計(jì)量子圖池化線路，對(duì)于每個(gè)量子比特添加了三個(gè)可調(diào)參數(shù)，以提高模型的對(duì)抗魯棒性；線路中包括cnot門，ry旋轉(zhuǎn)門和rz旋轉(zhuǎn)門；對(duì)于相鄰的量子比特，通過cnot門糾纏起來(lái)，其次對(duì)它們使用rz(θ)ry(θ)rz(θ)旋轉(zhuǎn)每個(gè)量子位，其中θ為可調(diào)參數(shù)；
28、s52，最后依次測(cè)量前幾個(gè)量子比特，并根據(jù)每個(gè)量子比特的測(cè)量結(jié)果來(lái)判斷是否對(duì)下一個(gè)量子比特作用rz旋轉(zhuǎn)門，其中旋轉(zhuǎn)門中的參數(shù)固定不變；將多個(gè)量子比特上的信息集中到一個(gè)量子比特上。
29、進(jìn)一步，所述s6具體為：
30、將訓(xùn)練集傳入量子圖神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行參數(shù)訓(xùn)練；
31、進(jìn)一步，所述s7具體為：
32、s71，將待測(cè)數(shù)據(jù)集輸入到已訓(xùn)練好的量子圖神經(jīng)網(wǎng)絡(luò)中進(jìn)行量子計(jì)算最后進(jìn)行泡利矩陣z測(cè)量；如對(duì)一個(gè)量子態(tài)|ψ>＝α|0>+β|1>進(jìn)行z測(cè)量，量子態(tài)坍縮到狀態(tài)|0>的概率為|α|2，塌縮到狀態(tài)|1>的概率為|β|2，兩種狀態(tài)所得到的測(cè)量值分別1和-1；
33、s72，為得到量子態(tài)更精確的信息，進(jìn)行一定次數(shù)的測(cè)量，用多次測(cè)量得到結(jié)果的頻率來(lái)近似該值得概率，最后得到z測(cè)量的期望值：<z>|ψ>＝<ψ|z|ψ>＝|α|2-|β|2，對(duì)于圖的二進(jìn)制分類任務(wù)，z≥0表示將樣品劃分為正類，z<0表示將樣品劃分為負(fù)類；對(duì)于圖的多分類任務(wù)，n類任務(wù)對(duì)log2n個(gè)相關(guān)量子比特進(jìn)行z測(cè)量。
34、本專利技術(shù)的有益效果在于：
35、第一，本專利技術(shù)結(jié)合了經(jīng)典計(jì)算機(jī)和量子計(jì)算機(jī)各自的優(yōu)勢(shì)，采用經(jīng)典粒球彌補(bǔ)量子實(shí)驗(yàn)無(wú)法制備巨量量子比特這一缺陷。
36、本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S1具體為：
3.根據(jù)權(quán)利要求2所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S3具體為：
4.根據(jù)權(quán)利要求3所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S3具體為：
5.根據(jù)權(quán)利要求4所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S4具體為：
6.根據(jù)權(quán)利要求5所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S5具體為：
7.根據(jù)權(quán)利要求6所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S6具體為：
8.根據(jù)權(quán)利要求7所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述S7具體為：
【技術(shù)特征摘要】
1.基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：該方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述s1具體為：
3.根據(jù)權(quán)利要求2所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述s3具體為：
4.根據(jù)權(quán)利要求3所述的基于粒球的量子圖神經(jīng)網(wǎng)絡(luò)的圖分類的設(shè)計(jì)方法，其特征在于：所述s3具體為：
5...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：袁素真，吳卓航，田小江，邱婷婷，夏書銀，衡衍，
申請(qǐng)(專利權(quán))人：重慶郵電大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。