HYBRID QUANTUM CLASSICAL CLASSIFICATION SYSTEM FOR CLASSIFYING IMAGES AND TRAINING METHOD

입력으로서 제공되는 특징들의 그리드를 분류하기 위한 하이브리드 양자-고전적 계산 시스템으로서, 이는 컨볼루션 필터의 훈련가능한 구성에 기초하여 특징들의 그리드를 수신하고 특징들의 그리드에 대한 복수의 출력 특징들을 출력하도록 구성되는 컨볼루션 필터를 포함하는 컨볼루션 블록; 컨볼루션 블록으로부터 수신된 출력 특징들의 필터링된 그리드를 평탄화된 특징 벡터로 변환하기 위한 평탄화 계층; 및 평탄화된 특징 벡터를 수신하고 출력 분류를 생성하도록 구성된 분류 블록을 포함하고, 분류 블록은 복수의 독립적인 변분 양자 회로를 포함하고; 복수의 독립적인 변분 양자 회로들의 변분 양자 회로들은 평탄화된 특징 벡터로부터 특징들의 상이한 서브세트들을 입력 특징 벡터로서 수신하고; 복수의 독립적인 변분 양자 회로들의 측정된 출력들은 라벨을 출력 분류로서 결정하기 위해 조합된다. A hybrid quantum-classical computation system for classifying a grid of features provided as an input, comprising a convolutional block comprising a convolutional filter configured to receive the grid of features and to output a plurality of output features for the grid of features based on a trainable configuration of the convolutional filter; a flattening layer for transforming the filtered grid of output features received from the convolutional block into a flattened feature vector ;a classifying block configured to receive the flattened feature vector and to generate an output classification, wherein the classifying block comprises a plurality of independent variational quantum circuits; wherein the variational quantum circuits of the plurality of independent variational quantum circuits receive different subsets of features from the flattened feature vector as an input feature vector; and wherein measured outputs of the plurality of independent variational quantum circuits are combined to determine a label as the output classification.