量子学习理论概览
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
该研究论文综述了量子计算在机器学习中的应用,包括量子机器学习算法、量子数据集、硬件技术、软件工具、模拟器和应用程序,为读者提供了跳跃到量子机器学习领域的最新技术的有价值的信息和资源。
Oct, 2023
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
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
本研究提出了一种基于经典 - 量子混合算法的量子机器学习算法,将低深度的量子电路与经典计算机混合使用,实现了优化参数的迭代优化,从而实现了学习任务的同时避免高深度量子电路,并通过理论分析和数字模拟确认了量子电路可以逼近非线性函数,为实现近期量子设备开展量子机器学习应用奠定了基础。
Mar, 2018
量子机器学习的综述,包括在量子设备上运行机器学习算法的各种概念,介绍了在 Noisy Intermediate-Scale Quantum (NISQ) 技术中使用的技术和与容错量子计算硬件兼容的算法方法,同时涵盖了量子机器学习的基本概念、算法和与其相关的统计学习理论。
Jan, 2024
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