基于量子机器学习的无线宽带信号检测方案

来源：信号处理杂志 2023年第7期北京时间：

作者：李汀, 徐子恒, 李飞

摘要：无线通信发展到B5G/6G，随着太赫兹通信等技术的诞生，信号的调制阶数、信道信息的复杂度增加，接收信号检测的难度也是不断上升。现大多研究都将无线通信领域与机器学习相结合，但经典机器学习的方案很可能会遇到算力瓶颈。量子机器学习作为量子计算与机器学习的交叉学科，有可能成为6G的潜在技术。本文首次将量子机器学习应用于无线宽带通信中的信号检测，基于张量网络设计了一种量子-经典混合机器学习模型，混合模型由含参量子电路和神经网络构成，由量子计算机和经典计算机协同实现，信号数据在量子电路里被映射至希尔伯特空间进行训练，有着快速收敛，代价低，性能高等优势，神经网络对量子电路输出结果起到非线性修正的效果。本文仿真在Google公司的Tensorflow-Quantum平台上进行，结果表明，本文提出的量子-经典混合机器学习模型在信号检测问题中，以误码率为量化指标，与现有的纯量子算法和神经网络算法相比降低大约10个百分点。

关键词：‍‍无线通信, 6G, 信号检测, 机器学习, 量子计算