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
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
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
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
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
通过使用混合量子 - 经典方法并介绍了一个名为 Quantum-assisted Helmholtz Machine (QAHM) 的新算法,我们提出了一种解决当前量子计算和量子机器学习的困难关系,特别是在生成模型方面的解决方案。
Aug, 2017
机器学习和量子计算的结合有潜力提供更高的准确性和计算效率,并对抗攻击产生更强的鲁棒性。然而,要建立强大的 QAML 工具仍有挑战。本文回顾了 QAML 的最新进展、字典并提出未来的研究方向,以期在量子计算硬件规模扩大和噪声水平降低的情况下实现 QAML 方法的实用性。
Jun, 2023
证明了量子机器学习在加速监督学习任务方面具有计算优势,通过构建广泛的监督学习任务,并使用通用量子计算方法,证明了这一学习任务对于任何可能的多项式时间经典学习方法的难度,并提供了实验中展示这一学习任务的经典数据准备协议。
Dec, 2023