基于量子近似优化算法的图最大分割方法及系统

    公开(公告)号:CN117273155B

    公开(公告)日:2025-05-06

    申请号:CN202311252233.6

    申请日:2023-09-26

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于量子近似优化算法的图最大分割方法及系统,方法包括将路网的每个路口作为一个节点,并利用边概率表示路口之间的连通关系,构建图;根据图生成p层QAOA电路;S在p=1时,使用第一神经网络预测QAOA电路第一层的初始变分参数;在p=2时,基于第一层的初始变分参数,采用第二神经网络预测QAOA电路第一层和第二层的初始变分参数;在p≥3时,利用电路第一层和第二层的初始变分参数,并从第三层开始采用线性差值算法,在当前层前一层的初始变分参数的基础上加上其前两层之间参数的差值,作为当前层的初始变分参数;基于电路各层的初始变分参数运行QAOA电路,得到路网划分近似解;本发明在处理路网图最大分割问题上获得了良好的近似比。

    一种基于忆阻器的超导存算一体架构

    公开(公告)号:CN117743256A

    公开(公告)日:2024-03-22

    申请号:CN202311676034.8

    申请日:2023-12-01

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于忆阻器的超导存算一体架构,包括存算单元,所述存算单元包括超导层和忆阻器,所述忆阻器包括中间层和顶层,所述超导层通过中间层与忆阻器的顶层连接;若干行存算单元以及若干列存算单元交叉连接形成交叉阵列结构,所述交叉阵列结构每一行输入电压信号作为矩阵输入信号,交叉阵列结构实现矩阵乘加运算,每一列的最后一个存算单元输出矩阵乘加运算结果,其中,利用超导层提升运算速度;本发明的优点在于:利用忆阻器的存储能力以及超导层的高速读写和低功耗的特性,解决了当前存算一体架构计算速度不足和高能耗等方面问题。

    一种单原子催化剂及其在析氢反应中的应用

    公开(公告)号:CN116334677A

    公开(公告)日:2023-06-27

    申请号:CN202310393939.8

    申请日:2023-04-13

    Applicant: 安徽大学

    Inventor: 杨涛

    Abstract: 本发明提出了一种单原子催化剂及其在析氢反应中的应用,所述单原子催化剂为负载过渡金属单原子的BiTeBr单层材料,其是通过将BiTeBr单层材料加入过渡金属盐溶液中超声分散均匀,再经还原反应得到。本发明提出的一种单原子催化剂及其在析氢反应中的应用,该单原子催化剂实质是负载过渡金属单原子的BiTeBr单层材料,其是通过将过渡金属单原子负载在BiTeBr单层材料表面得到,经过计算结果表明,该负载过渡金属单原子的BiTeBr单层材料可以显著提高析氢反应的活性。

    一种基于径向基网络的量子生成对抗网络优化方法

    公开(公告)号:CN119992277A

    公开(公告)日:2025-05-13

    申请号:CN202411816714.X

    申请日:2024-12-11

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于RBF‑QGAN的图像处理方法及系统,属于量子生成模型领域;方法包括:获取图像数据,并进行预处理,得到离散样本数据;构建包括鉴别器和生成器的RBF‑QGAN,鉴别器采用径向基网络,生成器采用变分量子电路;生成器接收离散样本,学习输入生成概率分布,并利用量子电路生成输出概率分布;鉴别器接收生成器输出的数据,并判断真实性;将生成器学习生成出的生成概率分布和离散样本数据都输入鉴别器中,通过径向基网络对样本进行特征提取,判断数据样本的真实性;通过交叉熵损失函数进行训练并通过Adam优化器进行参数优化,再传入生成器和鉴别器中训练,直至训练损失收敛到纳什平衡;优化训练结束后,输出生成器生成的图像数据样本。

    基于量子近似优化算法的图最大分割方法及系统

    公开(公告)号:CN117273155A

    公开(公告)日:2023-12-22

    申请号:CN202311252233.6

    申请日:2023-09-26

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于量子近似优化算法的图最大分割方法及系统,方法包括将路网的每个路口作为一个节点,并利用边概率表示路口之间的连通关系,构建图;根据图生成p层QAOA电路;S在p=1时,使用第一神经网络预测QAOA电路第一层的初始变分参数;在p=2时,基于第一层的初始变分参数,采用第二神经网络预测QAOA电路第一层和第二层的初始变分参数;在p≥3时,利用电路第一层和第二层的初始变分参数,并从第三层开始采用线性差值算法,在当前层前一层的初始变分参数的基础上加上其前两层之间参数的差值,作为当前层的初始变分参数;基于电路各层的初始变分参数运行QAOA电路,得到路网划分近似解;本发明在处理路网图最大分割问题上获得了良好的近似比。

    一种铜纳米团簇异构体及其制备方法和应用

    公开(公告)号:CN118290478A

    公开(公告)日:2024-07-05

    申请号:CN202410408673.4

    申请日:2024-04-07

    Applicant: 安徽大学

    Abstract: 本发明属于纳米团簇制备技术领域,具体涉及一种铜纳米团簇异构体及其制备方法和应用,本发明以PhSeH和P(Ph‑4F)3配体,利用铜盐[Cu(CH3CN)4]·BF4合成异构体化合物A和化合物B,化合物A和化合物B均包含一个Cu16Se6核心框架,Cu16Se6核心框架由两个Cu(SeR)3(PR3)基团和两个PR3膦配体封顶,Cu16Se6核心框架被两个Cu(SeR)3(PR3)基团包围,两个所述Cu(SeR)3(PR3)基团在Cu16Se6核心框架表面的不同排列,实现化合物A和化合物B的异构结构,这两种同分异构的铜纳米团簇丰富了铜纳米团簇结构同分异构的发展,并为研究结构‑功能关系提供了机会。

Patent Agency Ranking