基于粒球的量子图神经网络的图分类的设计方法

本发明涉及一种基于粒球的量子图神经网络的图分类的设计方法，属于量子机器学习领域。该方法为：S1：经典粒球生成方法，将数据样本生成粒球样本；S2：获取节点数据集和边数据集并完成对其编码与制备；S3：设计变分量子电线增强节点特征；S4：设计量子图卷积线路实现节点之间的信息传递和参数共享；S5：设计量子图池化线路将多个量子比特信息提取到一个量子比特上，实现特征降维；S6：输入训练集对整个模型训练参数；S7：输入待测数据集到模型对指定的量子比特执行泡利Z测量以获得期望值完成最终的图分类。本发明减少了数据样本点的个数，克服了量子实验无法制备巨量数据这一缺陷；还对量子图卷积线路和量子图池化线路进行了优化。