以应用为先导！本源量子推出量子人工智能应用

近日，本源量子发布了国产超导量子计算云平台，迈出了我国量子计算市场化应用的重要一步。

图片来源：本源量子

为了让用户更好地理解、使用本源超导量子计算云平台，开发出更为多样与实用的量子算法与量子程序，本源量子还推出了手写数字识别应用、复杂网络排序应用、用户偏好行为预测应用，三款典型的量子计算编程应用。

1

  数字识别，机器学习的经典任务

数字识别（Digit Recognition），是计算机从纸质文档，照片，或其他来源接收和理解并识别可读的数字的能力。

根据数字来源的产生方式的不同，目前数字识别问题可以区分为手写体数字识别，印刷体数字识别，光学数字识别，自然场景下的数字识别等，具有很大的实际应用价值。

例如手写体数字识别可以应用在银行汇款单号识别中，以极大的减少人工成本，印刷体识别可以应用在邮政编码自动识别问题上，光学数字识别和自然场景数字识别则应用在车辆检测中的车牌号识别问题上。

目前比较受到关注的问题主要是手写体数字识别，由于其具有MNIST这种大型标准易用的成熟数据集，简单的0-9数字识别已经被作为计算机视觉领域的入门问题。

图片来源：机器之心

2

  量子手写数字识别，推开量子应用的大门

量子手写数字识别应用是本源量子团队在AI和计算机视觉(Computer Vision)领域应用量子计算技术的有益尝试。

该技术采用经典算法与量子算法混合，利用QPanda量子计算编程框架、VQNET量子机器学习框架实现QNN量子神经网络，确保该应用的落地，为后续量子算法加速计算机视觉量子化处理提供了可能。

虽然手写数字识别在经典计算机中并不新鲜，这件工作在现有的模式识别中也较为平凡，但却是小规模量子计算机具有一定实用价值的重要标志。该应用的实现标志了在经典计算机与量子计算机相互配合下能够解决某些具体问题。

图片来源：本源量子

3

  如何实现量子手写数字识别？

本源量子手写数字识别应用基于量子经典混合神经网络实现手写数字0和1的识别功能，利用量子网络进行线路参数训练，通过经典网络实现输入数据到量子网络参数训练，二者结合实现整体预测功能。

图片来源：本源量子

经典网络

对数据集文件进行解析，把数据和标签对应关联在一起，同时将数据处理成模型可以训练的形状和值的转换，然后输出成需要的格式。

定义网络结构的层数和每层神经元的数量，并且初始化各层的权重初始值。选定和定义激活函数类型和激活函数的导数，实现非线性化输出。定义前向计算结构，根据输入和权重得出结果。

量子网络

通过构建含参量子线路VQC实现数字的正向模拟计算，根据不同参数可以得到不同的结果，从而构建一个量子网络模型结构。

根据输入值和目标值，通过线路的输入角度偏差得出输出值的偏差，然后通过比较输入参数计算的值和目标值以及偏差实现梯度的计算。

模型参数优化

利用目标值和含参量子线路以及梯度，去迭代更新线路参数，从而得到实现目标值的计算参数。

通过得到的训练量子线路参数，带入量子模型进行计算得到目标参数。对经典模型进行训练，并与目标参数进行对应，然后通过反向传播计算进行网络结构的参数迭代更新达到训练目标。将训练好的各个权重参数，通过保存接口保存为文件，方便后续使用。

预测

将保存好的模型参数文件加载到内存中，将从外部输入的数据读入到内存中，将读入到内存中的输入数据进行相关处理，得到可以使用的数据形状以及大小。将处理好的输入数据和模型参数进行相关计算，得到计算的结果。

输出结果

根据最终的输出结果格式要求，将计算结果处理成要求的格式并返回作为最终预测的输出结果。

4

  结语

受限于当前量子计算机的性能及规模，量子计算在实际应用中的作用并不明显。但随着量子计算技术快速发展，越来越多的行业与个人认识到了它的巨大潜力。

未来，基于量子计算优势的量子机器学习有望在计算机视觉、智能办公与教育领域发挥作用。

本源量子手写数字识别应用链接：

https://qcloud.qubitonline.cn/main/chartIndex

参考资料：

1.机器之心.手写(数字)识别机器学习的经典任务之一，CNN的早期应用:

https://www.jiqizhixin.com/graph/technologies/d798af34-61ca-4ae8-9b4f-33880232c102 

2.QULIB.从0到1——国内首个实用化量子云平台（一）量子模式识别:

https://mp.weixin.qq.com/s/uis_QU386id2hqmt-Stw2w 

注：本文部分图片来源网络。如有侵权，请联系删除。

延伸阅读