近日，中国（合肥）知识产权保护中心公布了2022年上半年专利预审情况通报，其中一项关键信息引发关注：本源量子该批次提交预审的VQNet量子机器学习框架应用相关专利申请，已全部获得授权，审批效率令人瞩目。

从整体知识产权布局来看，本源量子不仅在量子计算机基础软件系统方面积累了系列知识产权，在金融、化学、机器学习等应用领域同样成果显著。此外，围绕量子比特的集成扩展、封装测试以及量子测控系统，他们也布局了超过一百件专利申请，覆盖范围十分广泛。

截至2022年6月30日，本源量子专利公开量已达470件，其中发明专利超过240件。这些专利布局涉及中美欧日韩等多个国家或地区，已有超过300件正式获得授权。与此同时，公司版权登记数量超过300件，商标注册申请超过700件，其中已注册公告的超过400件，此外还有若干集成电路布图设计登记。这些数据背后，体现的是企业实实在在的投入与长期积累。

图片及数据来源：IPRdaily（2019年榜单）

本源量子自成立之初便确立了高度重视知识产权成果的基调。公司长期致力于量子计算机的研制、开发与应用，研发专家团队来自量子计算院士及科技部超级973项目首席科学家团队，核心成员几乎均为中国科学技术大学计算机与物理领域的博士。依托这支高层次创新队伍，本源量子在全球量子计算赛道上，致力于为国内企业争取更多话语权。值得一提的是，在知识产权产业媒体IPRdaily与incoPat创新指数研究中心2019年联合发布的“全球量子计算技术发明专利排行榜（TOP20）”（位列第12名），以及2020年联合发布的“全球量子计算技术发明专利排行榜（TOP100）”（位列第7名）中，本源量子两次上榜，领跑国内企业。

图片及数据来源：IPRdaily（2020年榜单）

关于VQNet量子机器学习框架

机器学习技术的快速崛起，尤其是深度学习在数据挖掘、人脸识别、医学诊断、自动驾驶等领域的广泛应用，使得人类生活的诸多方面深受其影响。为适应大数据时代海量数据的处理与分析需求，量子机器学习应运而生。它基于经典计算机的机器学习算法，借助量子计算的处理效率来提升数据处理能力。从应用场景来看，量子机器学习与经典机器学习在很长一段时间内将保持共存。越来越多的研究机构与大型IT公司开始开发和运用量子机器学习，各类开发框架层出不穷，但一直缺乏一种能够同时支持经典机器学习和量子机器学习的统一框架。

本源量子推出的新一代量子与经典统一机器学习框架VQNet，首次实现了两者的统一。它支持量子机器学习与经典机器学习模型的构建与训练、经典量子混合运算，并能够连接超导量子计算机本源悟源，为更多应用场景提供底层支撑。VQNet2.0的上线，旨在为开发人员提供一个更全面、统一、高效易用的平台，借助它，开发人员可以更便捷地开发和测试量子机器学习算法。

图1

这批获得授权的预审专利中，CN114358295B通过VQNet2.0构建的量子二分类机器学习模型展现了一个有趣的现象：在参数量远小于经典二分类机器学习模型的情况下，其准确率却接近经典模型的表现（如图2所示）。

图2

利用MNIST手写数据库中的数据对CN114372539B构建的量子经典混合网络进行测试，结果表明该网络具有良好的识别率（如图3所示）。

图3

CN114372582B中的自编码器在VQNet2.0上训练时，训练和测试数据的损失曲线结果越接近1，效果越好（如图4所示）。

图4

此外，这批专利还通过VQNet2.0创建了多种模型，包括量子k-means聚类模型（CN114358216B）、变分量子分类器（CN114358319B）、参数化量子线路（CN114358318B）、量子经典迁移学习模型（CN114372584B）、量子线路结构学习算法（CN114372583B）、数据重载入量子线路分类器（CN114358317B）。这些案例不仅展现了算法本身的良好性能，也印证了VQNet2.0在高效易用方面的特点。