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。

Sep, 2014

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

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

本文综述了在量子计算、机器学习和人工智能交叉领域的主要思想、最近的发展以及在量子领域中研究机器学习和人工智能技术的进展，并探讨了量子机器学习和人工智能的相互增强作用以及基于量子力学概念的学习和智能问题。

Sep, 2017

该文研究了近年来机器学习对于量子技术的影响，重点介绍了科学家们利用机器学习及人工智能等方法来分析量子测量、估计量子设备的参数以及发现新的量子实验方案、协议和反馈策略等，以进一步提高量子计算、量子通信和量子模拟等方面的效果，并探讨了未来发展方向和挑战。

Aug, 2022

该研究表明机器学习可以被用于识别量子通信中的重要协议，包括量子纠缠、量子隐形传态、量子中继，同时可以找到改进长距离通信方案的方法，并通过使用 projective simulation 模型的学习代理训练，以用于将机器学习引入量子网络设计与实现中。

Apr, 2019

本文系统概述了新兴领域 - 量子机器学习的方法、技术细节以及未来理论的潜力。该领域研究人员研究了量子计算如何帮助改进传统的机器学习算法，具有重要的计算优势。

Sep, 2014

人工智能的代码生成语言模型在量子物理实验领域发现了新的设计规则，为机器辅助科学理解提供了重要的工具。

Jun, 2024

本文讨论了量子计算机在机器学习中的应用，介绍了量子机器学习领域的研究方向、挑战和最新进展。

Nov, 2016

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