用于感知机神经网络训练的量子电路参数化综合

本文展示了一种用于训练感知机神经网络的量子电路参数化综合方法。突触权重使用带有改进预言机函数的 Grover 算法求得。描述了运行这些参数化综合电路训练三种不同拓扑感知机的结果。电路在 100 量子比特的 IBM 量子模拟器上运行。量子电路综合使用在本工作范围内开发的量子综合器“Naginata”完成，其源代码已在 GitHub 发布并有进一步文档。文章描述了用于训练单层感知机的量子电路综合算法。目前量子电路主要通过在代表量子比特的线路上手动放置逻辑元件来创建。创建量子电路综合器“Naginata”的初衷在于，即便量子算法中操作数稍有增加，也会导致相应量子电路规模显著增大，这给量子电路的创建与调试都带来了严重困难。我们的量子综合器旨在使用户能借助高层命令实现量子算法，这是通过为常用操作（如加法器、乘法器、数字比较器（比较算符）等）创建通用模块来实现。因此用户可使用这些通用模块实现量子算法，量子综合器将为该算法创建合适电路，格式受所选量子计算环境支持。该方法极大简化了量子算法的开发与调试过程。