我们提出了首个适用于 AQC 的聚类问题形式，该方法在当前量子计算机代际已经可解，并通过使用整数规划求解器与现有的基于优化的方法相比具有竞争力。

Sep, 2023

本文介绍了一种基于量子系统时间演化的图形数据相似性测量程序，并探讨了其在传统方法中的应用。通过在系统哈密顿量中编码输入图形的拓扑结构，演化产生保留数据关键特征的测量样本。数值研究表明，与典型基准数据集上的标准图形核相比，该程序表现出色。最后，讨论了在真实的中性原子量子处理器上实现的可能性。

Jul, 2021

本研究介绍了 q-means 算法，一种用于聚类的新型量子算法，该算法具有与 $k$-means 类似的收敛性和精度保证，并且输出 $k$ 个集群中心的好近似值。此算法的运行时间呈多项式级别，优于经典算法，尤其适用于大型数据集。

Dec, 2018

量子数据可视化方法使用量子核心技术，能够快速准确地可视化量子状态，并成功发现受激截面伊辛模型的优化轨迹特征。

Dec, 2023

本研究提出了一种基于变分量子电路的量子算法，用于对数据进行聚类；该算法可以将数据分类为多个聚类，并且可以在少量量子比特的嘈杂中间量子计算设备上轻松实现。

Jun, 2022

本研究提出了一种利用退火机的新型时间序列聚类方法，对时间序列数据进行分类的同时，具有去除异常值的鲁棒性。与现有的聚类方法相比，该方法在分类结果上获得了更好的表现。

May, 2023

本文提出了适用于聚类分配和聚类查找的有监督和无监督的量子机器学习算法，利用量子计算能够处理高维向量的优势，实现了对于大量向量的分类问题的指数级加速。

Jul, 2013

这篇论文介绍了一种新的变分量子电路模型 —— 量子完全图神经网络（QCGNN），用于学习完全图，并通过与经典图神经网络的比较分析建立了一个基准。

Mar, 2024

我们实现了一种基于自动差分的量子最优控制算法，并利用图形处理器的加速。我们的策略有助于在经济实惠的台式机上进行高效的数值模拟，包括探索与现实实验有关的各种优化约束和系统参数。我们演示了基于精细评估中间时间步骤的性能优化的量子演化，从而实现对演化路径的更加复杂的控制。

Dec, 2016

使用玻色子抽样方法实现基于矩阵永久性的双聚类识别，并提出一种使用高斯玻色子抽样方法在数据集中找到最密集子图的启发式方法，通过将数据集转换为二部图并运行高斯玻色子抽样来实现。

May, 2024