本文提出了一个高效和高准确度的量子分类器,它利用降维和分类的量子技术,被测试在 MNIST 数据集上,具有类似经典方法的 98.5%准确度,并且在数据点和维度上的运行时间是多对数的。
May, 2018
我们设计了基于量子算法的子线性算法,用于分类问题和矩阵零和游戏问题的求解,其复杂度都是量级上界的平方根,相较现有技术有瓶颈的常数。我们的算法生成与传统算法完全相同的结果,推荐用于端到端应用,同时探讨了实现方式以及机器可达到的限制。
Apr, 2019
该研究旨在通过改进基于傅里叶 / 切比雪夫级数表示的算子实现通用技术,构建了一个可以求解线性系统方程的量子算法,该算法在时间复杂度方面与精度具有同等重要的依赖性。
Nov, 2015
通过使用简单例程来操纵 $\ell^2$ -norm 抽样分布,并提供一个给定数据结构的算法来生成从矩阵秩 - $k$ 近似值的 $\ell^2$ -norm 样本,本研究为 Kerenidis 和 Prakash 的量子推荐系统提供了古典类比,进一步证明此算法并未超越经典算法;此外,尽管假定输入数据重程度较大,但我们的经典推荐系统与先前线性 m 和 n 时间运行的经典系统相比能够在指数上更快地产生推荐。
Jul, 2018
基于两个分析下界,在已知纯态系列中鉴别状态选择成功的概率 p,并使用基于 Gram 矩阵本征值的分析下界来降低渐近区分 n 个随机量子态在 d 维度中的可分辨性,其中 n /d 趋向于一个常数。尤其对于几乎所有的 n 维度的 n 个态系列,p> 0.72。给出了对量子计算中的布尔函数(“oracle 识别问题”)的应用。
Jul, 2006
本文介绍了一种利用基于机器学习的重建系统,在只使用包含至少一个额外量子比特的系统训练的情况下,对 n 量子比特系统进行量子态重建的方法,证明了该方法比需要匹配模型维度的方法更节省资源。
May, 2022
介绍了一个基于奇异值估算子程序的量子算法,可解决线性方程组问题,其运行时间与矩阵 A 的条件数、Frobenius 范数和精度参数有关。当应用于具有范数受到限制的密集矩阵时,所提出的算法的运行时间受到限制,其运行时间比已知的量子线性系统算法提高了平方级别。
Apr, 2017
本研究提出了一种基于变分混合量子 - 经典算法的量子状态对角化算法,该算法可以通过量子计算评估门序列的成本(比经典成本评估更快),并且经典计算机使用此信息来调整门序列的参数,主要适用于凝聚态物理和机器学习领域中的状态对角化问题,它可以通过最小化成本函数来返回一个近似对角化的门序列,从而获得量子态的最大特征值和相关的特征向量的近似值。
Oct, 2018
本文提出了一个第三阶张量的量子奇异值分解算法和一个基于其的推荐系统和张量补全算法,该算法在复杂度方面有指数级优势并且可以根据用户的上下文情况提供变化的推荐。
Oct, 2019
我们应用机器学习的方法研究了 Fano varieties 的量子周期与其维度之间的关系,并且通过建立 Fano varieties 的量子周期的渐近规律,确定了 Fano varieties 的维度,从而证明了机器学习在从数学数据中提取结构上的有效性和对量子周期决定 Fano varieties 的猜想给出了积极的证据。
Sep, 2023