应用导向的基于 QUARK 的量子生成学习基准测试
该研究论文介绍了量子计算在当前 NISQ 时代的限制,并提出了通过混合量子机器学习来改善量子计算架构的方法,重点是利用强化学习来优化当前的量子计算方法,并介绍了由量子架构搜索和量子电路优化引起的各种挑战,以及提出的用于学习控制一组万能量子门的具体框架,并提供基准结果以评估当前最先进算法的优点和短处。
Dec, 2023
通过使用 Quantum Software Development Kits (SDKs) 进行开发,本研究引入并使用了 Qiskit HumanEval 数据集,这是一个手工精选的任务集合,旨在评估 Large Language Models (LLMs) 在使用 Qiskit(一种量子 SDK)生成量子代码方面的能力,并在可执行的量子代码生成方面建立了新的基准。
Jun, 2024
量子机器学习在金融领域的新研究领域是本文重点讨论的内容,包括应用于金融的量子生成对抗网络 (qGAN)、量子电路 Born machine (QCBM) 等模型,并通过仿真环境展示了量子机器学习在金融领域的未来潜力。
Aug, 2023
通过经典模拟进行基准测试是在没有无噪声硬件之前评估量子机器学习想法的主要方法之一。然而,实验设计的巨大影响、当今可行范围内的小规模以及受量子技术商业化影响的叙事使得难以获得稳健的见解。为了促进更好的决策,我们开发了一个基于 PennyLane 软件框架的开源包,并使用它对 12 个流行的量子机器学习模型在 6 个二分类任务上进行了大规模研究,这些任务用于创建 160 个单独的数据集。我们发现整体而言,开箱即用的经典机器学习模型优于量子分类器。此外,将一个量子模型中的纠缠去除往往会导致同样好或更好的性能,这表明在这里考虑的小学习任务中,“量子性” 可能不是关键因素。我们的基准测试还开启了超越简单排行榜比较的研究,并从我们的结果中提出了五个与量子模型设计相关的重要问题。
Mar, 2024
该研究论文综述了量子计算在机器学习中的应用,包括量子机器学习算法、量子数据集、硬件技术、软件工具、模拟器和应用程序,为读者提供了跳跃到量子机器学习领域的最新技术的有价值的信息和资源。
Oct, 2023
本综述调查了在量子硬件上实现的监督学习和无监督学习应用,并探讨了其局限性及如何克服这些局限性。在此基础上,评估了这些 QML 实现与它们的经典对应物的性能表现,并讨论了应用 QML 在实际量子设备上存在的瓶颈和潜在解决方案。
Jul, 2023
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
量子机器学习是量子计算的一个有潜力的早期使用案例,该文章旨在向那些已经具备量子计算基础知识并希望了解经典机器学习术语和应用的读者提供一个基本概览,其包括从理论研究到数值模拟再到概念验证等多个方面的进展。
Apr, 2024
使用可解释的人工智能技术对从 20 个真实数据集生成的合成数据进行分析,探究了一种混合量子 - 经典神经网络生成模型的特点和适用性,并与处理类别不平衡的最先进方法进行比较。
Aug, 2023
本文描述了选择方法和分析现有的 AutoML 框架,以了解它们将量子机器学习算法纳入自动化求解方法的能力以及通过基准测试解决一组不同机器学习问题类型的工业用例的最重要特征。在此基础上,我们选择了 Ray 和 AutoGluon 作为适用的低级和高级框架,它们满足所有要求并在用例研究中得到了最好的评价反馈。基于这些结果,我们构建了一个扩展的自动量子机器学习(AutoQML)框架,其中包含了硬件和软件约束的 QC 特定的流程步骤和决策特征。
Oct, 2023