量子科技中心_量科网

为探索量子计算与神经网络交叉融合的可能性并提升量子神经网络的分类性能，本文提出一种基于鲸鱼优化算法改进的可变分裂影子量子电路（VSQC-WOA）模型。该模型设计了强纠缠局域影子电路，通过局域影子特征提取与滑动机制实现全局特征的高效表征，为分类任务提供丰富的量子特征表示；随后采用参数平移法计算梯度，最终将影子电路处理后的特征传递给经典全连接神经网络（FCNN）进行处理分类。模型还引入鲸鱼优化算法（WOA）进一步优化全连接神经网络的权重与偏置，提升了模型的表达能力与分类精度。本文首先采用不同局域影子电路VSQC模型实现MNIST数据集的二分类任务，其中设计的强纠缠影子电路在分类精度上表现最佳；随后采用VSQC-WOA模型对MNIST数据集进行多分类（以三分类为例），通过多种对比实验验证了所提VSQC-WOA模型的有效性以及模型的鲁棒性和泛化能力。