混合标注模型、结合量子计算的标注方法、装置及介质与流程

本发明属于量子计算，特别是一种混合标注模型、结合量子计算的标注方法、装置及介质。

背景技术：

1、随着科技的发展，越来越多类型的模型也相继被开发，而模型可以帮助用户处理一些归类、推理、识别等任务，从而可以减小用户的压力。例如，利用图像分类模型对图像进行分类，利用翻译模型将一个文本翻译为另一文本，利用预测模型进行数据预测(例如，天气预报，股票走势等)。

2、在模型对数据进行处理的过程中，通过会将数据转换为特征向量，然后对特征向量进行分析处理，从而获得结果。通常而言，输入的特征与处理结果有一定的相关性，例如，当输入的特征参数越多时，则可以使得获得的处理结果更加准确。

技术实现思路

1、本发明的目的是提供一种混合标注模型、结合量子计算的标注方法、装置及介质，以解决相关技术中在对象的属性信息不充分的情况下，对象的标注精度不高的问题。在本公开中，在需要对目标对象进行标注时，可以将目标对象的属性信息输入至混合标注模型，在混合标注模型中，由于设置了反向传播神经网络和至少一个量子线路，相当于混合标注模型针对属性信息的处理过程包括了经典处理和量子处理，而量子处理可以更好地发现属性信息之间的关联性，且量子处理的处理结果还可以作为反向传播神经网络的目标层的输入，从而也就可以使得反向传播神经网络处理的信息更加充分，也就有利于更好地实现针对目标对象的标注，尤其在目标对象的属性信息并不充分的情况下，通过本公开的方式，可以使得针对目标对象的标注结果更加准确。

2、第一方面，本技术的一个实施例提供了一种结合量子计算的标注方法，上述方法包括：获取目标对象对应的属性信息；

3、基于上述属性信息和预先训练完成的混合标注模型，得到上述目标对象对应的标注结果；

4、其中，上述混合标注模型包括反向传播神经网络和至少一个量子线路；

5、在上述混合标注模型中，量子线路中量子比特的观测值作为与量子线路末端连接的目标层的输入；

6、上述目标层包括以下至少一项：

7、上述反向传播神经网络的输入层、上述反向传播神经网络的隐含层、上述反向传播神经网络的输出层。

8、可选的，上述至少一个量子线路的数目为1，上述目标层包括上述输出层；

9、上述至少一个量子线路为2，上述目标层包括上述隐含层和上述输出层。

10、上述至少一个量子线路的数目大于2，上述目标层包括上述隐含层、上述输出层和上述输入层。

11、可选的，上述至少一个量子线路包括第一量子线路，上述第一量子线路的末端与上述反向传播神经网络的输入层连接，上述反向传播神经网络的输入包括上述属性信息对应的向量矩阵和第一观测值；

12、其中，通过如下方式获得上述向量矩阵：

13、对上述属性信息进行编码，获得向量矩阵；

14、其中，通过如下方式获得上述第一观测值：

15、对上述属性信息进行量子编码，获得第一量子态，以及，将上述第一量子态作为第一量子线路的输入；

16、观测第一量子线路中量子比特获得上述第一观测值。

17、可选的，上述反向传播神经网络的相邻层之间包括第二量子线路，上述相邻层的后一层的输入包括上述相邻层的前一层的输出结果和第二观测值；

18、其中，通过如下方式获得上述第二观测值：

19、将上述相邻层的前一层的输出结果进行量子编码，获得第二量子态，以及，将上述第二量子态作为上述第二量子线路的输入；

20、观测上述第二量子线路中量子比特获得上述第二观测值。

21、可选地，量子比特在量子线路中，依次经过编码层、至少一个变分层和量子测量层；

22、量子比特在上述编码层中，依次经过量子逻辑门、绕y轴旋转门和绕z轴旋转门；

23、量子比特在任意变分层中，经过至少一个两量子比特门后，经过量子旋转门；

24、其中，量子旋转门包括以下任一：绕y轴旋转门、绕z轴旋转门、绕x轴旋转门。

25、可选地，上述目标对象包括弹丸，上述目标对象的属性信息包括以下至少一项：药长度，壳体厚度，壳密度，药密度，抗拉强度，药直径，爆速，质量；

26、以及，上述基于上述属性信息和预先训练完成的混合标注模型，得到上述目标对象对应的标注结果，包括：

27、将上述属性信息输入至混合标注模型，得到上述弹丸对应的破片质量分布信息。

28、第二方面，本技术的一个实施例提供了提供了一种混合标注模型，应用于第一方面所示的结合量子计算的标注方法，上述混合标注模型包括反向传播神经网络和至少一个量子线路，在上述混合标注模型中，量子线路中量子比特的观测值作为与量子线路末端连接的目标层的输入；

29、上述目标层包括以下至少一项：

30、上述反向传播神经网络的输入层、上述反向传播神经网络的隐含层、上述反向传播神经网络的输出层。

31、第三方面，本技术的又一实施例提供了一种结合量子计算的标注装置，上述装置包括：

32、获取模块，用于获取目标对象对应的属性信息；

33、得到模块，用于基于上述属性信息和预先训练完成的混合标注模型，得到上述目标对象对应的标注结果；

34、其中，上述混合标注模型包括反向传播神经网络和至少一个量子线路；

35、在上述混合标注模型中，量子线路中量子比特的观测值作为与量子线路末端连接的目标层的输入；

36、上述目标层包括以下至少一项：

37、上述反向传播神经网络的输入层、上述反向传播神经网络的隐含层、上述反向传播神经网络的输出层。

38、第四方面，本技术的一个实施例提供了一种量子计算机操作系统，利用上述任一项上述的结合量子计算的标注方法对目标对象的属性信息的进行处理。

39、第五方面，本技术的一个实施例提供了一种存储介质，上述存储介质中存储有计算机程序，其中，上述计算机程序被设置为运行时执行上述任一项上述的方法。

40、第六方面，本技术的一个实施例提供了一种电子装置，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为运行上述计算机程序以执行上述任一项上述的方法。

41、与现有技术相比，本发明在需要对目标对象进行标注时，可以将目标对象的属性信息输入至混合标注模型，在混合标注模型中，由于设置了反向传播神经网络和至少一个量子线路，相当于混合标注模型针对属性信息的处理过程包括了经典处理和量子处理，而量子处理可以更好地发现属性信息之间的关联性，且量子处理的处理结果还可以作为反向传播神经网络的目标层的输入，从而也就可以使得反向传播神经网络处理的信息更加充分，也就有利于更好地实现针对目标对象的标注，尤其在目标对象的属性信息并不充分的情况下，通过本公开的方式，可以使得针对目标对象的标注结果更加准确。

42、进一步地，由于该混合模型仅是在反向传播神经网络的输出层之前设置了至少一个量子线路，而由于量子计算能力较强，从而也就可以高效地完成计算，因此，尽管混合标注模型中包括了至少一个变分量子线路，混合标注模型相较于传统的反向传播神经网络也可以维持相当的计算效率。