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！

龙图腾网获悉重庆邮电大学申请的专利一种基于量子线路的量子卷积神经网络的设计方法及系统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：CN116341666B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310260720.0，技术领域涉及：G06N10/20；该发明授权一种基于量子线路的量子卷积神经网络的设计方法及系统是由袁素真;乔治钦;林文萍;夏书银;王艳;罗元;李俊希;胡清翔;邓文皙;程崇坚;何骏涛;张晶设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种基于量子线路的量子卷积神经网络的设计方法及系统在说明书摘要公布了：本发明涉及一种基于量子线路的量子卷积神经网络的设计方法及系统，属于量子计算领域。该方法为：S1：对待分类图像进行标准化处理，并按经典卷积方法对图像进行分区；S2：设计量子图像编码及卷积的量子线路，并对S1分区后的图像进行编码和处理；S3：对S2处理后的图像数据做池化处理，将多个量子比特上的特征信息提取到一个量子比特上；S4：设计量子全连接神经网络以对S3池化后的特征信息进行处理分析并对图像进行分裂。本发明通过量子数据重载的方法，对量子编码及制备进行优化，使得算法模型减少了量子比特数量的消耗，并且保留了经典卷积神经网络的部分连接及权值共享的特点，再不损失精度的前提下减少了线路中参数的数量。

本发明授权一种基于量子线路的量子卷积神经网络的设计方法及系统在权利要求书中公布了：1.一种基于量子线路的量子卷积神经网络的设计方法，其特征在于：该方法包括以下步骤： S1：将待分类图像进行标准化处理，并按照经典卷积的方法对图像进行分区操作； S2：设计量子图像编码及量子卷积层的量子线路以对图像进行编码和特征提取；具体为： S21，将前面S12分好的4个大小为3×3的图像区域编码到4个量子比特上，并进行处理；所述的编码及处理方法为：将每个3×3大小的图像区域内的像素数据通过量子旋转算符RZRYRZ编码到1个量子比特上，旋转算符包括3个参数，即编码一个3×3大小的图像需要3个RZRYRZ旋转算符； S22，将前面S21编码后的量子比特作用含参数的量子旋转门，旋转门的参数为可调参数，以对编码的图像像素数据进行处理； S23，将S21和S22作为一个处理层，一个处理层中的每个量子比特都用相同的参数，通过堆叠多个处理层对相应区域的图像进行特征提取，即每个处理层都包含对图像的重新编码，最后量子比特中就保存有每个区域提取出的特征； S3：设计量子池化层的量子线路，对经过量子卷积后的图像特征进行降维提取；具体为： S31，经过S23处理后对量子态进行池化处理，将要进行池化操作的量子比特进行分组，先将相应池化组的量子比特作用H门并通过CNOT门进行纠缠，随后对每个量子比特各作用一个含参旋转门Ry门，其中参数为可调参数，每一组池化组量子比特都使用同一组参数； S32，经过S31处理后，对每个池化组中的量子比特进行依次测量操作，根据当前量子比特的测量结果判断是否对下一个量子比特进行一个Rz旋转门操作且参数固定；最后留下一个量子比特存储图像特征信息； S4：对池化后的量子图像信息输入基于参数化量子线路搭建的量子全连接神经网络，以对图像进行分类；具体为： S41，将经过S32处理后剩余的量子比特输入一个基于参数化量子线路的量子全连接层进行处理，首先将剩余的量子比特通过双量子比特门CNOT门进行纠缠，再在每个量子比特上作用含参旋转门，选择Ry和RZRYRZ门进行演化； S42，将S41所述的作为一层量子层，通过堆叠这些量子层获得不同的线路可表达性，对每个量子比特进行Z期望值测量，将测量的期望值输入一层相应类别数量的神经元的经典神经网络进行分类处理； 利用开源量子计算工具包Pennylane以及Anaconda提供的包管理和环境管理功能，用Python语言模拟并实现量子卷积神经网络的实验仿真。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；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”。

以上内容由龙图腾AI智能生成。