本研究提出了两种混合量子 - 经典模型：具有平行量子层的神经网络和具有量子卷积层的神经网络，它们解决了图像分类问题。其中我们提出的混合量子方法在 MNIST 数据集上展现了超过 99% 的准确率。这表明将量子效应应用于传统经典模型可以进一步提高图像识别和分类的能力，并为医疗保健、安全和市场营销等各个领域提供有前途的方法。
Apr, 2023
本文提出了一种基于量子理论的二进制分类器（BCIQT）模型，它可以通过使用比传统概率与统计理论更先进的量子理论来提高机器学习的效率，并在每个分类指标中都表现出更优异的召回率。
Mar, 2019
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
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
研究了用于手写数字 MNIST 数据集分类问题的混合量子 - 经典神经网络的性能，结果表明虽然模拟时间较长，但是该模型优于传统网络，达到更好的收敛性和高的训练和测试精度。
Aug, 2021
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
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
量子机器学习算法对工业应用的潜在影响仍然是一个激动人心的待解问题，我们尝试通过改进一种近期提出的变分算法，用当前可用的量子计算机的本机门集合和拓扑结构逼近准备编码数据，将该算法应用于 Fashion-MNIST 数据集，并在当前量子计算机上部署简单的量子变分分类器对编码的数据集进行训练，实现了中等精度的结果，为我们的数据编码方法的近期可用性提供了概念验证。
Mar, 2024
该研究论文介绍了如何使用量子机器学习算法进行文本分类，并且实现了一个端到端的框架和可用的算法。
May, 2023
研究在恶意软件检测方面，通过使用量子算法相比于传统的机器学习算法，对于区分恶意和良性的可执行文件的分类任务所带来的好处，且发现最有趣的未来方向。