计算机工程与科学

作者：陈文锦

单位：国防科技大学计算机学院量子信息研究所兼高性能计算国家重点实验室,湖南 长沙 410073

关键词：量子机器学习,变分量子线路,含噪声中等规模量子（NISQ）,时间性能优化,

近年来，量子计算系统在特定采样问题上展现出量子优势，标志着人类进入了含噪声中等规模量子NISQ时代。通过量子机器学习算法在具有实用意义的问题求解上展现量子优势，成为量子计算的一个热点问题。现有的量子-经典混合机器学习框架难以支撑量子机器学习算法的高效描述和编译，严重影响了算法开发效率。针对这一现状，基于开源经典机器学习框架PyTorch和独立的量子程序设计语言，提出并实现了量子-经典混合机器学习框架QTorch，实现了面向真实量子硬件和量子-经典混合机器学习算法的自动微分技术，提出并实现了并行训练和参数替换优化2种时间性能优化技术，并通过多组实验证实了以上功能与优势，为量子-经典混合机器学习算法提供了高效的运行平台支持，促进了量子机器学习领域的发展。

来源：2025年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第3期