Sep, 2014
基于纠缠的量子计算机机器学习
Entanglement-Based Machine Learning on a Quantum Computer
X.-D. Cai, D. Wu, Z.-E. Su, M.-C. Chen, X.-L. Wang...
TL;DR利用小型光子量子计算机成功实现 2、4、8 维向量的有监督和无监督机器学习分类,这为利用量子计算机处理高维向量提供了新的可能性。
Abstract
machine learning, a branch of artificial intelligence, learns from previous
experience to optimize performance, which is ubiquitous in various fields such
as computer sciences, financial analysis, robotics, and bioinformatics. A
challenge is that →
发现论文,激发创造
量子增强机器学习
本文旨在从量子信息的角度,发起一种系统地对待机器学习的方法,并涵盖了机器学习的三大分支:监督学习,无监督学习和强化学习。通过这种方法,本文提出了一个系统化的方案以解决强化学习中的量子提升问题,并证明了在限定的时间范围内,对广泛的学习问题都可获得学习效率的二次和性能的指数级增强。
Oct, 2016
主动学习机器学习创造新的量子实验
本文探讨了机器学习在科学研究中的潜力,使用物理导向的人工智能方法研究了在量子实验中产生高维纠缠多光子态的复杂光子量子实验的设计与实现,自主学习创造了多种纠缠态并提高了实现效率,提出了机器在未来研究中具有更加创造性的可能。
Jun, 2017
非从业人员快速介绍量子机器学习
这篇论文简要介绍了量子机器学习的潜在好处,探讨了使用量子计算原理和算法可能改进传统机器学习方法的潜力。论文涵盖了量子力学的基本原理,包括叠加态、相位空间和纠缠,介绍了利用这些特性的量子门的概念。还回顾了经典深度学习概念,如人工神经网络、梯度下降和反向传播,然后深入探讨了可训练的量子电路作为神经网络的概念。通过一个例子问题展示了量子神经网络的潜在优势,并提供了详细的推导附录。该论文旨在帮助新近接触量子力学和机器学习的研究人员更高效地发展自己的专业知识。
Feb, 2024
量子机器学习中的数据力量
探讨了量子计算在机器学习中的应用和机器学习任务中存在的与传统计算不同之处,提出了一种用于评估量子学习任务潜在优势的方法,并提出了一种通过量子速度提高学习效率的量子机器学习模型。
Nov, 2020
量子机器学习:经典视角
通过回顾机器学习中的量子计算文献,研究了量子算法的限制、与传统经典算法的比较,以及为什么期望量子资源能够提供学习问题的优势,而在存在噪声和某些计算困难的问题中,量子计算令人期待的路线。
Jul, 2017