Dec, 2014
量子深度学习
Quantum Deep Learning
Nathan Wiebe, Ashish Kapoor, Krysta M. Svore
TL;DR本论文表明量子计算不仅可以减少深度受限玻尔兹曼机训练所需的时间，而且提供了比传统计算更丰富和全面的深度学习框架，从而在优化底层目标函数方面取得显著的改进。同时，我们的方法还允许高效地培训完整的 Boltzmann 机和多层全连接模型，且在经典计算中没有良好的对应物。
Abstract
In recent years, deep learning has had a profound impact on machine learning
and artificial intelligence. At the same time, algorithms for quantum computers
have been shown to efficiently solve some problems that are intractable on
conventional, classical computers. We show that
发现论文，激发创造
量子深度学习的进展：概述
在深度学习和量子计算领域的交叉研究中，量子神经网络、量子卷积网络和量子启发式经典深度学习算法被提出并得到广泛关注。本文综述了该领域各种研究的技术贡献、优点和相似之处。同时，作者简要介绍了最近在量子启发式经典深度学习算法以及在自然语言处理中的应用取得的进展。
May, 2020
混合量子神经网络的深度强化学习
本研究旨在探究基于门型量子计算机的参数量子电路，通过集成最新的 Qiskit 和 PyTorch 框架，与纯经典深度神经网络进行比较，评估其在模型非自由强化学习问题中的潜力，以及在解决迷宫问题或其他强化学习问题方面、深度量子学习的前景。
Apr, 2023
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
深度卷积神经网络的量子算法
该研究论文提出了一种基于量子计算的卷积神经网络（QCNN）算法，能够应用和训练深度 CNN，并通过引入非线性和池化操作打破传统的限制，以更高效地进行图像识别，同时也介绍了新的量子测量及概率采样算法。
Nov, 2019
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