一种量子神经网络训练方法、数据处理方法、设备及介质

本发明涉及一种量子神经网络训练方法、数据处理方法、设备及介质，属于量子计算与人工智能领域，其中训练方法包括以下步骤：获取训练数据；量子神经网络根据输入数据进行前向计算与学习，输出目标量子态；采用经典阴影随机测量对量子神经网络输出的目标量子态进行测量，得到经典阴影测量数据，并计算线性属性和/或非线性属性的估计值；根据线性属性和/或非线性属性的估计值和标签值计算损失函数；根据计算的损失函数值对量子神经网络参数进行更新；判断是否满足收敛条件，若是则完成训练，否则，根据更新后的参数返回量子神经网络计算步骤，迭代进行训练。与现有技术相比，本发明具有提高了属性估计的效率和多尺度量子特征提取能力等优点。