买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京中科弧光量子软件技术有限公司申请的专利基于混合量子经典生成对抗神经网络的人脸图像生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118279953B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410357253.8，技术领域涉及：G06V40/16；该发明授权基于混合量子经典生成对抗神经网络的人脸图像生成方法是由崔国龙设计研发完成，并于2024-03-27向国家知识产权局提交的专利申请。

本基于混合量子经典生成对抗神经网络的人脸图像生成方法在说明书摘要公布了：本发明公开了一种基于混合量子经典生成对抗神经网络的人脸图像生成方法，涉及基于量子计算的数据生成技术领域，由于量子生成神经网络具有强大的并行性和非局域特性，使本发明中最新得到的量子生成神经网络，在人脸图像全局特征的提取和收敛速度上都要优于经典的生成对抗神经网络，且在量子生成神经网络的设计以及超参数的调整上相比于经典的生成对抗神经网络更加简单。且本发明采用经典判别神经网络执行判别任务，仅用最新得到的量子生成神经网络实现人脸图像特征数据的生成，从而减少了对真实量子计算机的硬件资源需求。

本发明授权基于混合量子经典生成对抗神经网络的人脸图像生成方法在权利要求书中公布了：1.一种基于混合量子经典生成对抗神经网络的人脸图像生成方法，其特征在于，包括： S1、将经典随机噪声加载为量子态； 获取经典随机噪声的过程为：在标准正态分布中随机取32个数，记为r＝[r1…r32]，将r作为经典随机噪声； S2、利用量子生成神经网络对量子态进行操作，生成假的人脸图像特征数据，所述假的人脸图像特征数据的维度与降维后的真实人脸图像数据的维度相同； 其中，基于量子计算机支持的基本量子门操作构建量子生成神经网络的基本构建模块U，基于多个基本构建模块U实现量子纠缠以及对经典随机噪声的量子操作，将量子生成神经网络的每个量子比特的Pauli-Z期望，作为假的人脸图像特征数据； 其中，基本构建模块U包括两比特CNOT量子门和4个基本旋转量子门，4个基本旋转量子门包括Ryθ1、Rzθ2、Ryθ4和Rzθ5，Ryθ1和Ryθ4通过所述两比特CNOT量子门连接Rzθ2和Rzθ5； 其中，所述量子生成神经网络包括多层，每层包括两组基本构建模块U，第一组基本构建模块U中的每相邻两个基本构建模块U共同连接第二组中的一个基本构建模块U；所述量子生成神经网络的相邻两层之间，前一层的第二组中的每个基本构建模块U分别连接后一层的第一组中的相邻两个基本构建模块U，前一层的第一组中的第一个基本构建模块U连接后一层的第一组中的第一个基本构建模块U，前一层的第一组中的最后一个基本构建模块U连接后一层的第一组中的最后一个基本构建模块U，将编码后得到的量子态输入量子生成神经网络的第一层中的第一组中的基本构建模块U； S3、将所述假的人脸图像特征数据输入由多层经典全连接神经网络构成的经典判别神经网络，得到第一预测结果，将所述降维后的真实人脸图像数据输入所述经典判别神经网络，得到第二预测结果； S4、将所述第一预测结果和所述第二预测结果组合成用于训练所述经典判别神经网络的第一损失函数，根据所述第一损失函数更新所述经典判别神经网络的参数； S5、当更新所述经典判别神经网络的参数的次数达到预设次数阈值后，将所述假的人脸图像特征数据输入当前的经典判别神经网络中，得到预测结果，根据所述预测结果，构建用于训练所述量子生成神经网络的第二损失函数，根据所述第二损失函数更新所述量子生成神经网络的参数，使当前的经典判别神经网络将所述假的人脸图像特征数据判别为真； 其中，第一损失函数LD为：LD＝-Ex[logDx]-Ez[log1-DGz]，Ex[logDx]表示：经典判别神经网络对训练数据集batch中的每个降维后的真实人脸图像数据x进行预测的第二预测结果Dx的平均，Ez[log1-DGz]表示：经典判别神经网络对训练数据集中的每个假的真实人脸图像数据z进行预测的第一预测结果DGz的平均； 其中，第二损失函数为：LG＝-Ez[logDGz]； S6、返回执行S1，直至使最新得到的经典判别神经网络不能判断出是否为假的人脸图像特征数据； S7、利用最新得到的量子生成神经网络，生成人脸图像特征数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京中科弧光量子软件技术有限公司，其通讯地址为：100191 北京市海淀区知春路23号6层606A室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。