Jul, 2022

基于局部操作和嘈杂经典通信的分布式量子协议的量子机器学习

PDF
TL;DR通过使用量子机器学习工具来优化参数化量子电路的局部处理，以最大化平均保真度和平均成功概率，提出了一种名为 Noise Aware-LOCCNet (NA-LOCCNet) 的方法，对于存在噪声的经典通信，该方法在量子信息处理中的量子纠缠和量子状态区分任务中具有显着优势。
quantum information processingquantum entanglementclassical communicationsnoisequantum machine learning
发现论文，激发创造
  • 使用嘈杂的经典通信学习量子纠缠提纯

    本文提出了一种噪声感知的局域操作和经典通信网络，通过参数量子电路来最大化平均保真度，提高量子纠缠的保真度，并相较于现有的无噪声通信协议有显著优势。

    May, 2022

  • 基于机器学习的远距离量子通信

    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

  • 多粒子纠缠类的凸优化

    本文利用随机局部操作和经典通信（SLOCC）来表征多粒子纠缠，并提出两种用于 SLOCC 类别的凸优化算法，其中第一种算法使用简单的梯度方法，而另一种算法则使用加速的投影梯度方法，最终使用实验数据展示了这些算法的应用。

    Jul, 2017

  • 参数化量子电路中基于扩散的量子噪声抑制

    该研究论文探讨了参数化量子电路（PQCs）与量子噪声的关系，并提出了一种基于扩散的学习方法，以减小 PQCs 中的量子噪声并降低特定任务的误差。通过实验证明了该学习策略的高效性，并在量子噪声情景中在分类任务上取得了最先进的性能。

    Jun, 2024

  • 利用量子二分量子相关器进行盲量子机器学习

    基于量子二分相干算法，我们介绍了新颖的盲量子机器学习协议，具有降低的通信开销，同时保持了来自不可信计算节点的数据隐私。我们引入了具有低计算开销的鲁棒算法特定的隐私保护机制，不需要复杂的密码学技术。通过复杂度和隐私分析，我们验证了提议协议的有效性。我们的研究结果为分布式量子计算铺平了道路，为量子技术时代的隐私感知机器学习应用开辟了新的可能性。

    Oct, 2023

  • 实验量子计算无需纠缠

    通过实验我们证明了 DQC1 模型虽然能够有效地解决某些问题，但是其优势不在于纠缠，而在于引起其他非古典相关性，这些相关性可以用量子不和谐度来衡量，这说明量子不和谐度可能代替纠缠成为量子计算速度提升的必要资源。

    Jul, 2008

  • 盲量子计算实现的量子联邦学习

    本文介绍了一种基于 Blind quantum computing 的量子协议，用于单方委派训练和多方私有分布式学习。该协议在差分隐私的保护下是安全的，并且在实验不完美的情况下具有鲁棒性和处理具有隐私保障的计算密集型分布式学习任务的潜力，为探索机器学习领域中的安全性量子优势提供了有价值的指导。

    Mar, 2021

  • 利用内在噪声进行量子机器学习隐私保护

    利用量子计算中的自然噪声保护量子机器学习模型的数据隐私，在不同次数运行量子电路可以实现目标隐私保护水平。

    Dec, 2023

  • 噪声抗干扰量子电路的机器学习

    该文档提出了一种基于机器学习的通用框架，用于降低噪音对量子电路的影响，并利用该框架构建出对噪声具有鲁棒性的电路，从而实现量子计算机的噪音约束计算。

    Jul, 2020

  • 经由无饭定理审视经典和量子学习协议的可分离能力

    我们将各种量子学习算法按照三种设计的学习协议分类，并建立了其 No-Free-Lunch 定理；我们的研究结果表明量子学习协议在样本复杂度上具有二次降低，这取决于量子态的正交性和观测量的对角性，并深化了对量子学习协议能力的理解。

    May, 2024