近日，中國（合肥）知識產(chǎn)權(quán)保護(hù)中心發(fā)布關(guān)于2022年度上半年專利預(yù)審情況通報，本源量子本批次提交預(yù)審的涉及VQNet量子機(jī)器學(xué)習(xí)框架應(yīng)用側(cè)的專利申請全部獲得授權(quán)。

除了基于量子計算機(jī)基礎(chǔ)軟件系統(tǒng)，金融、化學(xué)、機(jī)器學(xué)習(xí)等領(lǐng)域的應(yīng)用軟件方面形成系列知識產(chǎn)權(quán)成果外，本源量子圍繞量子比特的集成擴(kuò)展、封測以及量子測控系統(tǒng)方面均布局了逾百件專利申請。

截至2022年6月30日，本源量子的專利申請公開量已達(dá)470件（其中，發(fā)明240余件），涉及中美歐日韓等多個國家或地區(qū)，其中，有300多件已獲得授權(quán)；另外，本源量子的版權(quán)登記達(dá)300余件，商標(biāo)注冊申請達(dá)700多件（其中，注冊公告400余件），另有集成電路布圖登記若干件。

圖片及數(shù)據(jù)來源：IPRdaily（2019年榜單）

本源量子始終注重知識產(chǎn)權(quán)成果積累，成立至今一直致力于量子計算機(jī)的研制、開發(fā)和應(yīng)用，研發(fā)專家團(tuán)隊起源于量子計算院士和科技部超級973項目首席科學(xué)家團(tuán)隊，核心研發(fā)團(tuán)隊成員均為中科大計算機(jī)、物理領(lǐng)域博士，依托這支高層次創(chuàng)新型科技人才隊伍，本源量子竭力在全球量子計算競爭中為中國贏得話語權(quán)。在知識產(chǎn)權(quán)產(chǎn)業(yè)媒體IPRdaily與incoPat創(chuàng)新指數(shù)研究中心2019年聯(lián)合發(fā)布的“全球量子計算技術(shù)發(fā)明專利排行榜（TOP20）”（位列第12），以及2020年聯(lián)合發(fā)布的“全球量子計算技術(shù)發(fā)明專利排行榜（TOP100)” （位列第7）中，本源量子兩次上榜領(lǐng)跑國內(nèi)企業(yè)。

圖片及數(shù)據(jù)來源：IPRdaily（2020年榜單）

關(guān)于量子機(jī)器學(xué)習(xí)VQNet

/ 滑動瀏覽 /

隨著機(jī)器學(xué)習(xí)的快速崛起，特別是深度學(xué)習(xí)中從數(shù)據(jù)挖掘到人臉識別，從醫(yī)學(xué)診斷到自動駕駛，人類生活中很多方面都被機(jī)器學(xué)習(xí)技術(shù)所影響。為適應(yīng)大數(shù)據(jù)時代海量數(shù)據(jù)的處理和分析，量子機(jī)器學(xué)習(xí)應(yīng)運(yùn)而生。量子機(jī)器學(xué)習(xí)基于經(jīng)典計算機(jī)的機(jī)器學(xué)習(xí)算法，利用量子計算的處理效率可進(jìn)一步提高數(shù)據(jù)處理能力。針對不同的應(yīng)用場景，量子機(jī)器學(xué)習(xí)與經(jīng)典的機(jī)器學(xué)習(xí)將共存很長一段時間。越來越多的研究機(jī)構(gòu)及大型IT公司開發(fā)和運(yùn)用量子機(jī)器學(xué)習(xí)，產(chǎn)生大量的機(jī)器學(xué)習(xí)開發(fā)框架，但仍缺乏一種開發(fā)框架來同時支持經(jīng)典的機(jī)器學(xué)習(xí)和量子機(jī)器學(xué)習(xí)。

本源量子開發(fā)的新一代量子與經(jīng)典統(tǒng)一的機(jī)器學(xué)習(xí)框架VQNet（圖1）首次將量子與經(jīng)典統(tǒng)一，支持量子機(jī)器學(xué)習(xí)和經(jīng)典機(jī)器學(xué)習(xí)模型的構(gòu)建與訓(xùn)練、經(jīng)典量子混合運(yùn)算，可連接超導(dǎo)量子計算機(jī)本源悟源，為更多應(yīng)用場景做底層支撐。VQNet2.0的上線將為開發(fā)人員提供一個更為全面統(tǒng)一、且高效易用的平臺，開發(fā)人員利用VQNet2.0可更便捷開發(fā)和測試量子機(jī)器學(xué)習(xí)算法。

圖1

這批授權(quán)預(yù)審專利中，CN114358295B通過VQNet2.0構(gòu)建的量子二分類機(jī)器學(xué)習(xí)模型，在參數(shù)量遠(yuǎn)遠(yuǎn)小于經(jīng)典二分類機(jī)器學(xué)習(xí)模型時，其準(zhǔn)確率確與經(jīng)典二分類機(jī)器學(xué)習(xí)模型的準(zhǔn)確率接近（圖2）。

圖2通過MNIST手寫數(shù)據(jù)庫中的數(shù)據(jù)對CN114372539B構(gòu)建的量子經(jīng)典混合網(wǎng)絡(luò)進(jìn)行測試，展現(xiàn)出了良好的識別率（圖3）。

圖3CN114372582B中的自編碼器在VQNet2.0上進(jìn)行訓(xùn)練時，訓(xùn)練和測試數(shù)據(jù)的損失曲線結(jié)果越接近1結(jié)果越好（圖4）。

圖4除此之外，還通過VQNet2.0創(chuàng)建了：量子k-means聚類模型（CN114358216B）；
變分量子分類器（CN114358319B）；參數(shù)化量子線路（CN114358318B）；量子經(jīng)典遷移學(xué)習(xí)模型（CN114372584B）；量子線路結(jié)構(gòu)學(xué)習(xí)算法（CN114372583B）；數(shù)據(jù)重載入量子線路分類器（CN114358317B）；均展現(xiàn)出算法的良好性能和VQNet2.0的高效易用。