【PaddlePaddle Hackathon】82 基于量子卷积神经网络的图片分类

[Quleaf]

（此 ISSUE 为 PaddlePaddle Hackathon 活动的任务 ISSUE，更多详见 PaddlePaddle Hackathon）

Paddle Quantum（量桨）是基于百度飞桨开发的量子机器学习工具集，支持量子神经网络的搭建与训练，提供易用的量子机器学习开发套件与量子优化、量子化学等前沿量子应用工具集，使得百度飞桨也因此成为国内首个支持量子机器学习的深度学习框架。

【任务说明】

• 任务标题：基于量子卷积神经网络 (QCNN) 的图片分类
• 技术标签：量子卷积神经网络
• 任务难度：困难
• 详细描述：

众所周知，卷积神经网络 (CNN) 在图像识别等问题上表现十分出色，受到 CNN 的启发 QCNN 被提出（参考 1）。CNN 核心的操作是卷积和池化，对于 QCNN 可以考虑利用参数化量子电路或者随机电路代替卷积和池化操作。关于 QCNN 的形式有很多（参考 2），目前还处于探索阶段。在这个任务中，你需要尝试实现基于量子卷积神经网络的图片分类。

任务要求：根据参考文献 3 和其它参考文献，形成一篇 QCNN 的教程，教程包括背景知识、方法介绍和代码实验等，具体形式可参考量桨已有的教程（参考资料 4）。

参考资料：

1. Cong, I., Choi, S. & Lukin, M.D. Quantum convolutional neural networks. Nat. Phys. 15, 1273–1278. (2019) https://doi.org/10.1038/s41567-019-0648-8
2. Maxwell Henderson, Samriddhi Shakya, Shashindra Pradhan, Tristan Cook. “Quanvolutional Neural Networks: Powering Image Recognition with Quantum Circuits.”(2019) arXiv:1904.04767
3. Yanxuan Lü, Qing Gao, Jinhu Lü, Maciej Ogorzałek, Jin Zheng.A Quantum Convolutional Neural Network for Image Classification.(2021) arxiv:2107.03630
4. https://qml.baidu.com/tutorials/overview.html

【提交内容】

1. 项目PR到 Quantum
2. 相关技术文档
3. 项目单测文件

【技术要求】

• 对量子计算有一定了解
• 对计算机视觉有一定了解
• 对量桨平台的运用有一定了解