量子分类
量子计算是一个快速发展的领域,信息是由二级量子态(qubits)处理的,当前对 qubits 物理实现的要求需要通过不同实验精确校准,以克服噪声和失相现象,其中对测量状态进行分类的模型开发是关键一步,本文基于真实的量子设备对多种分类技术进行了基准测试。
Sep, 2023
本文提出了一种基于量子理论的二进制分类器(BCIQT)模型,它可以通过使用比传统概率与统计理论更先进的量子理论来提高机器学习的效率,并在每个分类指标中都表现出更优异的召回率。
Mar, 2019
本研究通过机器学习方法,实验性地构造了一个量子态分类器,能够识别量子态可分离性,此方法能有效地学习和分类量子态,并不需要获取完整的量子态信息。同时本研究表明,通过添加神经网络的隐藏层,可以显著提高状态分类器的性能。这些成果为解决如何在有限的资源下实现量子态分类提供了新的思路,并代表了机器学习在量子信息处理领域的应用进展。
Dec, 2017
本文研究发现使用具有分层结构的量子电路可以在量子态中完成经典数据的二分类,并且更加表达力的电路可以实现更高的准确性。在两个常规机器学习数据集和一个量子态数据集上比较了多个参数化的表现,并证明性能对于噪声具有鲁棒性,并将一个 Iris 数据集分类器部署到了 ibmqx4 量子计算机上。
Apr, 2018
量子机器学习是量子计算的一个有潜力的早期使用案例,该文章旨在向那些已经具备量子计算基础知识并希望了解经典机器学习术语和应用的读者提供一个基本概览,其包括从理论研究到数值模拟再到概念验证等多个方面的进展。
Apr, 2024
这篇论文证明了经典机器学习算法可以有效地预测有限空间维度内间隙哈密顿量的基态性质及其它相类哈密顿量的数据,并可以有效地分类一系列的量子相,在量子实验中可以通过构建经典影像来预测系统的多种属性。
Jun, 2021
本文提出了一种基于混合量子自编码器的 QML 算法,旨在在经典描述的空间中学习识别和分类量子态的特征属性,为聚类和半监督分类提供了一种新的方法,该方法针对的是幅度编码的量子态,可以应用于非平凡的量子数据集的结构分析。
Jul, 2021