量子学习模型的经典替代
本文提出了一种基于量子线性模型和经典影子重构的方法来构建可在经典计算机上运行的量子机器学习模型,从而绕过访问量子计算机的需要,并对可实现经典阴影模型的学习任务及其复杂性进行了讨论。
May, 2023
该综述论文介绍了混合量子 - 经典系统的模型和组件,并讨论了它们在监督式学习、生成建模等数据驱动任务中的应用,预示着这个迅速发展的领域将有广泛的现实应用。
Jun, 2019
研究利用交互式证明系统框架来进行量子学习的经典验证,通过 “混合超位置” 量子示例提出了针对求解量子难题的新的量子数据访问模型,并证明了经典验证器只需随机例子或统计查询访问,就能有效地验证量子学习。
Jun, 2023
本文提出一种量子支持向量机分类器模型,实现有监督分类并取得了明显的量子加速,要求仅具备经典数据访问能力。在构造的数据集中,基于普遍认为的离散对数问题的困难性假设,该量子分类器实现的分类效果均优于无法逆多项式地超越瞎猜的经典学习器。这个模型可以通过一个容错的量子计算机来估算内积核函数,并且将数据映射为一个量子特征空间。此外,该分类器对由有限采样误差产生的内积核函数的加性误差具有一定的鲁棒性。
Oct, 2020
本文报道了第一个用可编程超导量子位的量子对抗学习实验,结果表明量子学习系统在对抗场景下存在一定的易受攻击性,并证明了对抗训练过程可以显著增强其抵御干扰性攻击的鲁棒性。
Apr, 2022
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
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
本研究介绍一种混合经典 - 量子算法来解决大规模经典数据集和量子计算机只能对模型空间进行叠加访问的问题。该算法使用数据减少技术构建称为 coreset 的加权子集,通过量子计算机执行 Grover 搜索或拒绝取样,从而在最大似然估计,贝叶斯推断和鞍点优化方面实现了量子加速。具体的应用包括 k-means 聚类,逻辑回归,零和博弈和提升。
Mar, 2020
本文提出了一种用于监督学习的低深度可变量量子算法,其使用参数化单个和双量子位门的量子电路以及单量子位测量来编码输入特征向量并进行分类,从而实现了可学习参数数量与输入维度的多项式对数关系。通过模拟,该电路为标准经典基准数据集提供了很好的分类性能,而且需要的参数数量极少。
Apr, 2018