基于FRQI联合额外测量的多分类量子神经网络

作     者：黄建军 王云江 程承坤 王增斌 石莎 

作者机构：西安电子科技大学广州研究院 西安电子科技大学通信工程学院 西安电子科技大学杭州研究院 北京量子体系科技股份有限公司 

出 版 物：《中国科学:物理学 力学 天文学》 (Scientia Sinica(Physica,Mechanica & Astronomica))

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 070201[理学-理论物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0702[理学-物理学] 

基　　金：广东省自然科学基金(编号:2023A1515010671) 陕西省重点研发计划(编号:2023-YBGY-206,2024GX-YBXM-069) 陕西高校青年创新团队计划资助项目 

主　　题：量子计算 量子神经网络 多分类 量子线路 

摘      要：分类是量子机器学习的一个核心应用.本文针对当前纯量子分类器所存在的消耗量子比特数目多、在多分类任务上效果不尽如人意等问题,在量子图像的灵活表示(FRQI)的基础上,通过引入额外测量比特并将其与颜色量子比特位相连接,构造了一种可用于多分类任务的新型量子线路模型QCCE.该模型不仅继承了FRQI的编码优势,能用较少量子比特编码高维图像输入,同时所有可训练参数都在量子线路中,经典计算只提供损失函数和优化器.在MNIST以及Fashion MNIST等数据集上的实验表明, QCCE模型在三、四、五等多分类任务中,相比同类的HEA和MORE等量子线路模型在分类精度和收敛速度方面均展现出明显优势.本文的研究为量子机器学习在图像处理方面的应用提供了新思路和方法.