-
公开(公告)号：CN116709894A
公开(公告)日：2023-09-05
申请号：CN202310238450.3
申请日：2023-03-13
Applicant: 苏州浪潮智能科技有限公司
Abstract: 本申请实施例提供了一种基于超导量子比特3D晶格的超导量子处理器。所述超导量子处理器包括两块芯片；超导量子处理器中的超导量子比特具有3D晶格结构；针对每一块芯片，芯片的第一表面上图案化有超导量子比特2D晶格、铟柱阵列和寻址引线；超导量子比特包括约瑟夫森结回路和旁路电容器；两个芯片的第一表面相对设置，两个芯片中的超导量子比特2D晶格相匹配，两个芯片中的铟柱阵列的布局相匹配；铟柱用于连接两个芯片中的旁路电容器，两个芯片中的超导量子比特通过铟柱耦合，两个芯片中的超导量子比特与铟柱构成3D晶格结构。通过上述结构，可突破硬件对执行量子计算的局限性，有助于执行更准确、更接近真实物理体系的量子动力学模拟。
-
公开(公告)号：CN114611704A
公开(公告)日：2022-06-10
申请号：CN202210506504.5
申请日：2022-05-11
Applicant: 苏州浪潮智能科技有限公司
Abstract: 本发明提供一种量子比特耦合方法和结构，涉及量子计算技术领域。方法适用于倒装封装的量子电路芯片，方法包括：遍历量子比特阵列中的每一行，执行操作：使用总线谐振器耦合位于当前行两端格点上的量子比特单元，其中，当前行沿第一排列方向或第二排列方向排列，量子比特单元包括主电容臂，主电容臂沿第一排列方向和第二排列方向排布，用于耦合位于最近邻格点的量子比特单元。使用本发明记载的量子比特耦合方法，实现量子比特阵列边缘的量子比特之间的长程耦合，将整个量子比特2D阵列变成封闭的格点网络，打破硬件对执行特定量子算法的边界限制。
-
公开(公告)号：CN114419380A
公开(公告)日：2022-04-29
申请号：CN202210334041.9
申请日：2022-03-31
Applicant: 苏州浪潮智能科技有限公司
Abstract: 本申请公开了一种图像识别方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取图像数据，将所述图像数据映射到量子态空间，以生成图像量子数据；将所述图像量子数据输入卷积神经网络中进行图像识别；其中，所述卷积神经网络包括多个卷积层和输出层，每个所述卷积层包括多个通道，所述输出层包括多个通道。本申请提供的图像识别方法，将传统的卷积神经网络计算模式与量子计算相结合，利用卷积神经网络的高效表达能力，更有效的进行图像识别任务，提高了图像识别的准确度。
-
公开(公告)号：CN114863167B
公开(公告)日：2024-02-02
申请号：CN202210425517.X
申请日：2022-04-22
Applicant: 苏州浪潮智能科技有限公司
IPC: G06V10/764 , G06N3/08 , G06N10/00
Abstract: 本发明公开了一种图像识别分类的方法，包括以下步骤：将每一个图像样本输入到待训练的量子神经网络中并将每一个输出转换为布洛克球面上的球坐标；根据每一个图像样本的标签以及预设的角度调整大小确定每一个图像样本对应的球坐标的旋转方向和旋转角度；基于每一个图像样本对应的球坐标的旋转方向和旋转角度计算每一个图像样本对应的酉矩阵；根据量子门分解定理和每一个酉矩阵计算对应的参数并求取每一个图像样本对应的参数的平均值以利用平均值更新待训练的量子神经网络的参数；响应于更新后的待训练的量子神经网络收敛，结束训练并利用训练好的量子神经网络进行图像识别分类。本发明还公开了一种系统、计算机设备以及可读存储介质。
-
公开(公告)号：CN112464003B
公开(公告)日：2023-04-28
申请号：CN202011231177.4
申请日：2020-11-06
Applicant: 苏州浪潮智能科技有限公司
IPC: G06F16/55 , G06N3/0464 , G06N10/20 , G06N3/08
Abstract: 本申请公开了一种图像分类方法，包括：对待识别图像数据进行量子态化处理，得到量子态输入数据；根据卷积网络参数和训练参数采用设置有量子旋转门的卷积核对所述量子态输入数据进行计算，得到隐藏层数据；根据输出通道参数和训练参数采用设置有量子旋转门的卷积核对所述隐藏层数据进行计算，得到输出量子比特；对所述输出量子比特进行分类，得到分类结果。通过在隐藏层和输出层均采用设置有量子旋转门的卷积核进行计算，以便保持量子卷积网络的线性输出，避免出现不可知的问题，提高图像识别的准确性和精度。本申请还公开了一种图像分类装置、服务器以及计算机可读存储介质，具有以上有益效果。
-
Patent Agency Ranking
公开(公告)号：CN115761384A
公开(公告)日：2023-03-07
申请号：CN202310029795.8
申请日：2023-01-09
Applicant: 苏州浪潮智能科技有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/28 , G06N10/60 , G06N3/08
Abstract: 本发明实施例提供了一种图像分类方法、装置、电子设备和存储介质，涉及计算机技术领域，包括：获取由待分类图像的像素值组成的数据向量；根据数据向量的元素数量，确定用于编码待分类图像的量子比特的数量，将量子比特表征的量子态与数据向量的元素进行一一对应；从量子比特表征的量子态中确定目标量子态；根据目标量子态中各位量子态状态，构建量子线路；将量子线路接入量子神经网络分类模型电路进行量子计算，得到量子神经网络分类模型电路输出的待分类图像类别，从而在量子比特数目较少时，基于量子比特叠加态的特性进行图像分类，避免采用一个量子比特编码一个像素信息方式，导致需求量子比特数量较多，难以进行更大规模图像的分类的问题。
-
公开(公告)号：CN115632712A
公开(公告)日：2023-01-20
申请号：CN202211520791.1
申请日：2022-11-30
Applicant: 苏州浪潮智能科技有限公司
IPC: H04B10/079 , H04B10/071 , H04B10/70 , H01P1/213 , H01P1/39
Abstract: 本申请实施例提供了一种信号分离器以及量子比特状态的测量系统、方法和装置，其中，该方法包括：将初始扫频信号转换为初始共振信号输入至待测量的量子点器件；获取量子点器件返回的目标共振信号；从目标共振信号中分离出目标频率分量的目标信号，其中，目标频率分量是与量子点器件内的电荷遂穿事件关联的频率；检测目标信号发生的色散频移。通过本申请，解决了通过色散读出的方式对硅基自旋量子比特状态进行测量的准确度较低的问题，进而达到了提高通过色散读出的方式对硅基自旋量子比特状态进行测量的准确度的效果。
-
公开(公告)号：CN112001498B
公开(公告)日：2022-12-09
申请号：CN202010821157.6
申请日：2020-08-14
Applicant: 苏州浪潮智能科技有限公司
Abstract: 本申请公开了一种基于量子计算机的数据识别方法、装置及计算机可读存储介质。其中，方法包括将待识别数据进行量子态化生成适用于量子计算机的输入量子比特；利用预先训练好的量子神经网络对输入量子比特进行量子计算，得到多维输出量子比特；根据待识别数据的分类类别数值确定使用多维输出量子比特中目标量子比特的总数，并根据总数对各标签进行量子态编码，得到量子态编码标签集；对各目标量子比特进行测量得到相应状态信息，基于状态信息在量子态编码标签集中匹配相应的目标标签，作为待识别数据的识别结果，从而在量子计算机中实现数据分类识别的全线性计算任务，无需传统计算机辅助，实现全量子化的计算过程。
-
公开(公告)号：CN114692883B
公开(公告)日：2022-10-25
申请号：CN202210600469.3
申请日：2022-05-30
Applicant: 苏州浪潮智能科技有限公司
Abstract: 本发明公开一种量子数据加载方法、装置、设备和可读存储介质，属于量子计算技术领域。方法包括：当接收到数据加载请求时，根据待加载数据获取数据加载矩阵；根据数据加载矩阵进行量子门拆解，获得基本量子门线路；将基本量子门线路接入量子计算线路，完成量子数据加载。通过实施本发明公开的一种量子数据加载方法，使各个量子比特通过基本量子门的组合实现相互耦合，再接入量子计算线路，从底层物理角度控制各量子比特在计算过程中保持特有的相干性；接入量子神经网络，可以提高该量子神经网络的训练效率和抗噪声性能。
-
公开(公告)号：CN112001498A
公开(公告)日：2020-11-27
申请号：CN202010821157.6
申请日：2020-08-14
Applicant: 苏州浪潮智能科技有限公司
Abstract: 本申请公开了一种基于量子计算机的数据识别方法、装置及计算机可读存储介质。其中，方法包括将待识别数据进行量子态化生成适用于量子计算机的输入量子比特；利用预先训练好的量子神经网络对输入量子比特进行量子计算，得到多维输出量子比特；根据待识别数据的分类类别数值确定使用多维输出量子比特中目标量子比特的总数，并根据总数对各标签进行量子态编码，得到量子态编码标签集；对各目标量子比特进行测量得到相应状态信息，基于状态信息在量子态编码标签集中匹配相应的目标标签，作为待识别数据的识别结果，从而在量子计算机中实现数据分类识别的全线性计算任务，无需传统计算机辅助，实现全量子化的计算过程。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.046 seconds)
