用于认知决策的量子电路组件
研究了量子力学模型和数学模型在概念和它们的组合中的应用,提出了一种概念组合的数学建模方案,阐明了量子力学原理在认知中的作用及其与概念形成基本过程的联系,并调查了其对人类思维结构的影响及其与决策理论、经济学等领域中的若干现象的关系。
May, 2008
本研究提出了一种基于经典 - 量子混合算法的量子机器学习算法,将低深度的量子电路与经典计算机混合使用,实现了优化参数的迭代优化,从而实现了学习任务的同时避免高深度量子电路,并通过理论分析和数字模拟确认了量子电路可以逼近非线性函数,为实现近期量子设备开展量子机器学习应用奠定了基础。
Mar, 2018
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
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
本文分析了模拟人类情感决策过程应该基于的人工智能基本原理,比较了基于量子理论与经典术语的两种方法。虽然认知过程与量子测量具有许多形式类似的特征,但模拟人类决策过程时,情感人工智能没有必要依赖于量子系统的功能。情感人工智能的运作避免了传统决策制定的许多行为悖论,使决策具有动态性。
May, 2023
本文提出了一种利用量子信息理论进行开关电路诊断计算的方法,将故障表示为量子叠加态进行多重计算,用量子算法和 SAT 模型计数法进行对比,并在组合电路基准测试中得出了小于 1% 的误差率。
Sep, 2022
本文论述了量子计算作为克服后摩尔时代计算能力瓶颈的一种有前途的范式,特别是超导量子处理器的日益成熟,为量子算法的发展和实施提供了更多的可能性。此外,研究还表明相关算法的规模和精确度正在稳步提高,尤其是与人工智能方法的整合。本文系统地回顾和总结了大量的文献,探讨了从算法级到量子硬件级整合设计和优化方案的可行性,结合了逻辑电路设计和编译优化的步骤。借助人工智能算法的卓越认知和学习能力,可以减少手动设计成本,提高执行的精确度和效率,并促进量子算法在硬件上的实施和优势验证。
Jun, 2024
本文总结了最新的量子认知启发情绪分析模型的发展,这些模型通过运用量子概率与深度神经网络相结合来解决情绪分析中所面临的挑战,并展示了相对传统模型的优势以及未来的研究方向。
Jun, 2023
本研究使用 Stern-Gerlach 实验的实验设计,利用量子物理理论开发了一个量子认知决策模型,并通过计算 Wigner 函数来测试其量子性。研究结果表明,该模型在预测决策时比 Bayes 规则更准确。
Jul, 2019