本源发布量子机器学习框架VQNet，可高效连接机器学习和量子算法展现量子优势

深度学习是实现人工智能的一种现代方法。实现机器学习任务的框架有很多，但是计算资源限制了机器学习的性能。量子计算提供了一种革新计算机的方法，量子计算机可以利用量子理论、叠加和纠缠的特性来进行与经典计算机完全不同的计算。使用量子计算机加速机器学习训练是一种具备前瞻性的方法。

研究表明，在某些问题上，量子计算机的性能完全优于经典计算机，存在量子优势。本源量子一直在量子机器学习领域进行探索研究，受目前很多机器学习框架（如TensorFlow和pyTorch）的启发，我们的软件开发团队研究了混合实现变分量子算法和经典机器学习框架的可能性。至此，很高兴给大家带来全新开发的量子机器学习框架VQNet。

相关论文《VQNet: Library for a Quantum-Classical Hybrid Neural Network》已发表于论文预印本网站arXiv (arXiv: 1901.09133)。

VQNet是本源量子软件开发团队基于经典的机器学习开发的一种可高效连接机器学习和量子算法的量子机器学习框架，可满足构建所有类型的量子机器学习算法。

基于经典的机器学习，本源量子软件开发团队在量子经典机器学习区域中生成了一个通用架构，融合了传统的机器学习任务和可变量子线路(Variational Quantum Circuit, VQC)。该框架让用户能够用一种常见的操作来构建量子线路，例如矩阵乘法，并允许前向和反向传播。用户能够将可训练的量子操作实现到神经网络中。该框架可实现量子-经典混合任务的训练，为量子机器学习开辟了一个新的领域。

开发人员将量子程序抽象为运算符，并将其嵌入到一个简单的经典机器学习框架中。其产生的通用混合框架可提供一种训练神经网络和变分量子线路混合的能力，从而用于构建深度量子经典混合神经网络，这是与经典的深度神经网络(DNN)进行性能比较和展示量子优势的一种可能的方法。

VQNet包含两个量子操作：qop和qop_pmeasure，和所有经典运算一样，qop和qop_pmeasure都支持前向和后向传播，所以VQNet支持前向和后向传播，因此VQNet具备构建所有类型的量子机器学习算法的能力。

VQNet不仅可以高效连接机器学习和量子算法，还能够为开发和测试量子机器学习算法提供平台。开发人员利用VQNet构建了四种量子机器学习算法：QAOA，VQE算法，量子分类器和量子线路学习算法。VQNet在构造这些量子机器学习算法方面表现良好。

VQNet中的量子线路学习流程图

未来，我们将扩展VQNet的能力。为了模拟真实量子计算机芯片在VQNet中的性能，我们将在VQNet中添加噪声仿真。另外，我们也将在VQNet中不断封装更多用户友好的功能，包括不同的优化器，不同的量子模型、激活函数等常用组件。与经典机器学习中的TensorFlow、Caffe、CNTK和MXNet相似，本源量子将在量子经典机器学习领域构建一个公共的结构体系。

关于本源量子

本源量子是中国第一家量子计算公司，总部位于合肥高新区，并在合肥市经开区和深圳设有分支机构。本公司立足国内、面向全球，依托我国第一家量子信息省部级重点实验室中科院量子信息重点实验室，结合郭国平教授团队连续十年承担的国家科技部量子芯片超级973项目，以量子计算机的量子芯片、量子计算测控一体机、量子操作系统、量子软件和量子云平台开发研制等为核心业务。本源量子正致力于量子信息技术产业的蓬勃发展，将科研成果转化为推动社会进步的科技力量，将量子计算机广阔的应用前景变为现实，努力成为量子计算行业的引领者。

更多信息，请访问：

http://www.originqc.com.cn/

往期精彩回顾

本源量子推出集成的有源Bias-Tee耦合器

本源量子

用量子技术追溯科技‘本源’！