量子机器学习（MindQuantum）初体验

版本号截图

通过以下命令

pip install --upgrade mindspore

升级mindspore到最新。然后输出版本号。

硬件平台和操作系统

X86 PC
Ubuntu 20.04

体验内容

量子机器学习（MindQuantum）初体验

安装MindQuantum

开始想要通过

pip install mindquantum

命令来安装，发现找不到这个库。然后尝试添加源

pip install mindquantum -i https://pypi.tuna.tsinghua.edu.cn/simple

同样无法安装。后来几经查找，找到了如下的安装命令，安装成功了。

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0-rc1/MindQuantum/ubuntu_x86/mindquantum-0.1.0-py3-none-any.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

实践《参数化量子线路教程》

导入依赖模块。尝试使用非参数门Y门，与含参数门RY门

使用CircuitEngine线路引擎来搭建量子线路

使用装饰器来搭建量子线路

给装饰器传入更多的参数来供线路生成时使用

通过往量子线路中不断地添加作用在不同比特上的量子门，可以更便捷的完成量子线路的搭建

搭建量子神经网络

通过装饰器的方式生成了Encoder线路和Ansatz线路。并利用generate_pqc_operator方法来产生一个线路模拟算子，对该量子线路进行模拟计算，并求取量子神经网络的输出对各参数的梯度值。

上面的三个结果分别表示量子神经网络的输出值、编码线路中参数的梯度值和带训练Ansatz线路中参数的梯度值。

通过no_grad方法指定不需要计算梯度的量子线路不求导。

从输出可以看出，编码线路参数的导数都为零。

到此，完成了教程中的内容。
对于量子神经网络与参数化量子线路有了一个直观的初步认识。