文件名称:CQCNN-Project:使用卷积神经网络通过量子游走预测量子优势
文件大小:132KB
文件格式:ZIP
更新时间:2024-03-14 00:00:37
Python
物理490:CQCNN项目
描述
对于Phys 490最终项目,论文“用卷积神经网络通过量子游走预测量子优势”被选为要重新创建的主题。 在此仓库中,以邻接矩阵的形式生成随机无向图,其中对图执行量子和经典随机游动,以确定图的标签。 实现了一个称为CQCNN的卷积神经网络,该网络接收邻接矩阵的输入,并经过训练以对随机图是否通过经典行走或量子行走更快进行分类。
依存关系
麻木
pygame
matplotlib
网络
大熊猫
斯克莱恩
tqdm
火炬
运行pip install -r requirements.txt以安装依赖项
资料产生
在data_generation目录中运行代码
生成图形数据
要生成图形数据,请在data_generation目录中运行main.py代码:
python main.py -n
【文件预览】:
CQCNN-Project-master
----.gitignore(12B)
----requirements.txt(67B)
----data()
--------graphs_6.csv(83KB)
--------quantum_10.csv(11KB)
--------graphs_7.csv(109KB)
--------graphs_5.csv(62KB)
--------graphs_8.csv(138KB)
--------graphs_9.csv(171KB)
--------graphs_10.csv(209KB)
----neural_net()
--------__init__.py(0B)
--------network.py(4KB)
--------edge_filters.py(2KB)
--------data_handling.py(2KB)
----README.md(2KB)
----data_generation()
--------qtools.py(4KB)
--------graphs.py(4KB)
--------__init__.py(0B)
--------samples()
--------generate_graphs.py(2KB)
--------classical_walk.py(1KB)
--------ctqw.py(1KB)
--------main.py(2KB)
--------combine_data.py(1KB)
--------qwalk.py(2KB)
----main.py(2KB)
----param()
--------param_1.json(107B)