1.一种基于量子图注意力网络的图分类方法，其特征在于，包括以下步骤：步骤1，量子态制备：将图数据通过角度编码和振幅编码转化为用于量子计算的量子态；

步骤2，建立量子线性映射器，对于步骤1中角度编码得到的量子态，使用一组交替的可训练含参量子门和CNOT门组成一组酉门Ue来对量子态进行演化，其中CNOT门是双量子比特门，包括两个输入量子位，其中一个是控制量子位，另一个是目标量子位；

步骤3，建立量子图注意力层，在计算节点与节点之间的注意力系数时，将节点进行两两拼接，并迭代地输入到量子图注意力层中；

步骤4，设计软阈值注意力机制，将对目标节点影响小的节点视为噪声项进行剔除；

步骤5，进行图分类；

步骤2中，控制量子比特的状态决定了在目标量子比特上执行的操作，当控制量子位为|0>时，目标量子位保持不变，当控制量子位为|1>时，目标量子位翻转；CNOT门的矩阵表示为：建立量子线性映射器，所述量子线性映射器用于对量子态的演化，公式为：所述量子线性映射器包括n条量子线路，每条量子线路包括一个用于编码节点特征的含参y门和映射模块；

所述映射模块用于将编码的节点特征映射到希尔伯特空间，包括含参x门，CNOT门和含参y门，映射模块中的含参x门和含参y门的参数最开始由随机初始化得到，并通过交叉熵损失函数进行更新，映射模块中的CNOT门和含参y门重复两次以上；

对量子线性映射器的量子线路执行测量操作，对量子态进行观测，对于每条含有可调参数的量子线路，使用Z基投影测量对电路进行两次以上测量，并将测量结果转回经典特征T向量q＝[q1,...,qi]，从而得到了图节点特征在量子空间中的表示，其中qi表示第i个节点的特征向量，T表示转置；

步骤3包括：创建一个编码归一化节点拼接特征概率幅值

的量子态，其中 代表第i个拼接特征的概率幅值， 是振幅，目标量子态的参数定义为：λ(m,v)＝Ω(2m,v‑1)‑Ω(m,v)                            (7)，β(m,v)＝η(2m,v‑1)/η(m,v)                           (8)，其中，Ω(i,n)表示一个量子比在第i层对n维振幅的累加项，每个累加项 来自上一层的振幅信息，l是一个索引，振幅归一化因子 用于控制数据的大小，并确保量子计算的稳定性；η(i,n)表示一个量子比在第i层对n维振幅的总模长， 代表第((i‑n

1)2+l)维数据的模长；λ(m,v)表示相位变化的差值，β(m,v)代表量子位的旋转角度；

对于两个节点特征向量，首先分别进行振幅编码，得到目标量子态为：其中， 和 分别是|0>和|1>对应的振幅；

接着，对于两个节点特征向量hi和hj编码后的目标量子态，在辅助量子比特上使用一组新的含参旋转门和CSWAP门将两个节点的特征编码到一起：其中，|hi,j>是拼接节点特征向量的目标量子态，|ψ2i‑1,j‑1>和|ψ2i,j‑1>是通过公式(9)分别制备得到的两个目标量子态， 和 分别是|ψ2i‑1,j‑1>|ψ2i,j‑1>对应的振幅和|ψ21,j‑1>|ψ2i‑1,j‑1>对应的振幅。

2.根据权利要求1所述的方法，其特征在于，步骤1中，所述角度编码是将n维节点特征数据映射到n个量子比特的方法，将节点特征数据使用含参y门旋转对应的角度，制备公式为：其中，|h>是目标量子态，|hi>是第i个原始节点特征向量hi对应的量子态， 表示两个n向量空间的张量积，Ry是含参y门，|0>是n个量子比特输入的初始态，G是图的节点数量。

3.根据权利要求2所述的方法，其特征在于，步骤1中，所述振幅编码是将n维经典数据n映射到log2个量子比特的方法，制备公式为：

其中，C表示归一化因子。

4.根据权利要求3所述的方法，其特征在于，步骤3还包括：设置一个超参数s来控制拼接的节点对数量，s的最大值由量子设备所能使用的最大量子比特数Sum_q决定，对应关系为：接着，拼接后的量子态经过酉门Ue计算节点间的关系，量子态演化为：|hi,j>＝Ue2(θ2)Ue(|hi∥hj>)                      (12)，其中Ue2(θ2)代表一个带有可训练参数的参数化量子线路，hi∥hj代表两个节点特征向量进行拼接操作；

通过两次以上Z基投影测量，得到关于两个节点的注意力系数测量值，表示为：其中，oi,j代表Z基投影测量得到的测量值，代表对第2i个拼接节点特征向量进行两次以上投影测量，测量值为|1>态的概率。

5.根据权利要求4所述的方法，其特征在于，步骤4包括：定义一个阈值λ，节点间的注意力系数表示为：T

其中， 是第i个节点对第j个节点的未归一化的注意力系数，a 是一组经典向量的转置；

剔除了噪声项后，将剩余的注意力系数进行归一化，表示为：其中exp表示自然指数函数；αij表示第i个节点和第j个节点的注意力系数， 表示第i个节点对第k个节点的未归一化的注意力系数， 表示节点特征向量hi的邻接节点集；

得到更新节点表示的公式为：

′

其中，hi 是更新后的节点特征向量，σ是激活函数；qj表示第j个节点对应的量子线性映射特征。

6.根据权利要求5所述的方法，其特征在于，步骤5包括：在得到了所有更新的节点特征′向量hi后，将所有节点特征向量做全局平均池化，将得到的向量输入全连接层，输出对分类标签的计算概率，得到对输入图的分类预测，并使用交叉熵损失函数计算与真实标签之间的误差，从而进行反向传播，更新梯度以优化参数。

7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述的方法的步骤。

8.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令在计算机上运行时，执行如权利要求1至6中任一项所述的方法的步骤。