← 返回列表
用于量子态生成的模型训练方法、装置、设备和存储介质
摘要文本
本公开提供了一种生成模型的训练方法，涉及人工智能技术领域，尤其涉及生成式人工智能以及量子计算技术领域。具体实现方案为：将量子态样本数据输入编码模型的量子神经网络，得到输出结果；沿多个方向对输出结果进行测量，得到测量特征；根据测量特征，得到初始特征；从多个待调整嵌入特征中，确定与初始特征对应的目标嵌入特征；根据目标嵌入特征，得到参数数据；根据参数数据，利用第一生成模型的量子神经网络生成量子态输出数据；根据量子态样本数据和量子态输出数据，调整第一生成模型的参数以及多个待调整嵌入特征。本公开还提供了一种数据生成方法、装置、电子设备和存储介质。 来源：百度马 克 数据网
申请人信息
- 申请人:北京百度网讯科技有限公司
- 申请人地址:100085 北京市海淀区上地十街10号百度大厦2层
- 发明人: 北京百度网讯科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 用于量子态生成的模型训练方法、装置、设备和存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311607403.8 |
| 申请日 | 2023/11/28 |
| 公告号 | CN117610670A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06N10/20 |
| 权利人 | 北京百度网讯科技有限公司 |
| 发明人 | 李广西 |
| 地址 | 北京市海淀区上地十街10号百度大厦2层 |
专利主权项内容
1.一种生成模型的训练方法，包括：将量子态样本数据输入编码模型的量子神经网络，得到输出结果；沿多个方向对所述输出结果进行测量，得到测量特征，其中，所述测量特征对应所述输出结果的多个方向的测量结果；根据所述测量特征，得到初始特征；从多个待调整嵌入特征中，确定与所述初始特征对应的目标嵌入特征；根据所述目标嵌入特征，得到参数数据；根据所述参数数据，利用第一生成模型的量子神经网络生成量子态输出数据‘根据所述量子态样本数据和所述量子态输出数据，调整所述第一生成模型的参数以及多个所述待调整嵌入特征。