基于受控Hadamard门的量子神经网络模型及算法

来源：计算机研究与发展杂志2015年第1期北京时间：

作者：李盼池,周红岩,

摘要：为提高神经网络的逼近能力,提出一种基于受控Hadamard门设计的量子神经网络模型及算法.该模型输入为多维离散序列，可用矩阵描述，行数为输入节点数，列数为序列长度.模型为3层结构，隐层为量子神经元，输出层为普通神经元.量子神经元由量子旋转门和多位受控Hadamard门组成，利用多位受控Hadamard门中目标量子位的输出向输入端的反馈，实现对输入序列的整体记忆，利用受控Hadamard门中控制位和目标位之间的受控关系获得量子神经元的输出.基于量子计算理论设计了该模型的学习算法.该模型可高效地获取输入序列的特征.实验结果表明，当输入节点数和序列长度满足一定关系时，该模型明显优于普通BP神经网络.

关键词：量子计算, 量子旋转门, 受控Hadamard门, 量子神经元, 量子神经网络,