littlebot
Published on 2025-04-10 / 2 Visits
0

【源码】基于VQNet框架的量子二分类器

项目简介

本项目基于VQNet框架实现量子二分类器,借助量子计算优势开展二分类任务。项目涵盖多个量子模型,如HEA、CCQC、CCQC - q、WheelQNet和kNN - q,这些模型在第一届量子信息技术与应用创新大赛中表现出色,荣获第一名。

项目的主要特性和功能

  1. 量子模型实现:实现多种量子模型,包括硬件有效量子电路(HEA)、基于受控量子电路的组合循环量子近似算法(CCQC)、基于旋转平均的量子分类器(WheelQNet)和非参数化的kNN - q模型。
  2. 量子特征编码:通过量子电路把经典数据编码到量子态,便于在量子电路中处理。
  3. 量子计算模拟:利用VQNet框架模拟量子电路,执行量子门操作与测量,获取量子计算结果。
  4. 模型训练和评估:通过交叉验证和测试集评估模型性能,并依评估结果调整模型参数。
  5. 经典模型对比:包含经典模型实现,用于和量子模型进行性能对比。

安装使用步骤

环境准备

  • 创建并激活虚拟环境: bash conda create -n vq python==3.8 conda activate vq
  • 安装依赖库: bash pip install -r requirements.txt

数据预处理

  • 生成特征数据: bash python -m src.preprocess -f

模型评估

  • 获取测试集预测结果: bash python -m src.eval -L log<model>
  • 默认模型(knnq)的评估: bash python -m src.eval

模型训练

  • 运行训练脚本以复现提交结果: bash run_vqnet.cmd

开发环境

  • 安装开发依赖: bash pip install -r requirements_dev.txt
  • 运行经典模型对比: bash python run_sklearn.py
  • 训练特定模型: bash python run_vqnet.py -M <model>
  • 评估模型: bash python run_vqnet.py -L <logdir>

注:由于代码涉及量子计算框架和具体实现细节,可能需对量子计算有一定了解。具体安装和使用步骤可能需根据项目提供的文档或教程进行。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】