Jun, 2023

零丢弃态制备方法下的高效量子图像表示与压缩电路

PDF
TL;DR本文提出了一种零丢弃态连接新增强量子表示（ZSCNEQR）方法来降低量子图像表示和压缩的复杂性，该方法比现有方法少需 11.76％的量子比特，且在速率失真性能方面与两种相关现有方法相比表现出高效性。
发现论文，激发创造
  • 量子图像处理中深度学习作为量子误差降低的工具

    成功使用生成对抗网络和相位失真展开误差减小方法对使用 LPIQE 编码的图像进行整体误差降低。

    Nov, 2023

  • 量子神经网络压缩

    本文介绍了 CompVQC 框架，一种量子神经网络（QNN）压缩的系统性方法，使用交替方向乘子法（ADMM）的压缩算法，展示了 CompVQC 在减少电路深度（超过 2.5%）且精度损失极小（<1%）方面的优越性，另外 CompVQC 也提高了 QNN 在噪声量子设备上的鲁棒性。

    Jul, 2022

  • 使用光子实现量子计算优势

    使用高度相似和压缩参数的 50 个输入单模压缩态，通过 100 模超低损耗干涉仪进行随机变换和采样，以及 100 个高效单光子探测器进行采样，实现了一个 $10^{30}$ 维的输出状态空间，采样速率比使用先进模拟策略和超级计算机快了 $10^{14}$，并通过多种假设进行了验证。

    Dec, 2020

  • 用生成建模方法来评估和训练浅层量子电路

    本研究提出了一种基于量子电路学习的算法，可以利用本地门和量子位连接等量子硬件能力来协助量子设备的表征，并训练浅层电路进行生成式任务。此方法可以学习绿伯格 - 霍恩 - 泽林格（Greenberger-Horne-Zeilinger）状态的最佳制备方法，也可以有效地制备连续热态的近似表示，其波函数在其幅度中编码玻尔兹曼概率。最后，研究提供了一种新的硬件无关指标，称为 qBAS 得分，可用于衡量近期量子设备的性能。

    Jan, 2018

  • 神经网络混合态重建的经验样本复杂度

    这项研究检查了不同的量子状态重构技术的性能，并证明了可以通过应用方差减少技术来系统地减少算法的量子资源需求。作者比较了两种主要的神经量子态编码方法，即神经密度算符和正算子值测量表示，并阐述了它们在混杂度不同的情况下表现出不同的性能。

    Jul, 2023

  • 图像压缩与纠缠

    通过适当的块状结构寻址，图像的像素值可以被投射到希尔伯特空间的实部上，这样产生的状态可以以其矩阵乘积状态表示的方式进行重写，量子纠缠对应于不同粗粒度纹理之间的经典关联，MPS 表示的截断相当于对原始图像的压缩，该算法可通过添加离散傅立叶变换预处理和进一步的熵无损压缩进行改进。

    Oct, 2005

  • 一种改进的针对 NEQR 图像的双阈值量子分割算法

    提出了一种改进的 NEQR 图像的双阈值量子分割算法，利用较少的量子比特将复杂灰度图像分割成清晰的三值图像，并且可以对 n 个阈值进行 n+1 次分割，通过设计可行的量子比较器和可扩展的量子电路对 NEQR 图像进行分割，实验结果表明该算法能够有效地进行图像分割。

    Oct, 2023

  • 基于光量子计算机的状态制备和门合成机器学习方法

    利用机器学习和优化技术，我们使用基于连续变量的量子神经网络作为电路结构，通过寻找量子电路来实现输入和输出状态之间的变换，以及合成单光子、Gottesman-Kitaev-Preskill 态、NOON 态、立方相位门、随机酉门、Cross-Kerr 相互作用等多种状态和门。

    Jul, 2018

  • 量子效率高的变分量子算法用于图像分割

    量子计算可以应用于图像分割的无监督学习任务，本文提出了两种优化算法（Parametric Gate Encoding 和 Adaptive Cost Encoding）来寻找最佳分割掩膜，并且分析了这些方法与量子近似优化算法的可伸缩性，为量子增强计算机视觉的进一步研究提供了基础。

    May, 2024

  • 量子信息的一位 bit 的潜力

    高温集合量子计算可以实现非常有趣的物理模拟，而且没有已知的高效经典算法，即使该模型在存在预言机时比标准量子计算弱。

    Feb, 1998