一种基于量子卷积神经网络的量子物态识别方法和装置

本发明属于量子计算技术领域，涉及一种基于量子卷积神经网络的量子物态识别方法和装置。该方法包括：给定带参数的哈密顿量，采用DMRG算法在参数空间中的某条线上采样出基态和基态能量，并根据基态能量计算临界点，从而标记出基态的量子相；将量子态和对应的量子相作为训练数据集，利用训练数据集对QCNN模型进行训练，其中QCNN模型中的酉矩阵参数化为e‑iH，池化层采用全参数化的双量子比特酉矩阵进行池化操作，训练过程中通过自动微分来自动地获取网络的梯度，进而使用优化器进行训练；将待识别的量子态输入训练完成的QCNN模型，得到预测的量子相。与传统DMRG方法相比，本发明能够提高量子相的识别效率。