Sep, 2023

SLIQ：噪声量子计算机上的量子图像相似网络

PDF
TL;DR探索量子机器学习在最近几年内迅速增长，这是由于量子计算机能够加速经典程序。为了解决无监督相似性检测任务在量子计算机上的移植问题，我们提出了 SLIQ，这是第一个开源的资源高效量子相似性检测网络，使用实用和有效的量子学习和减少方差的算法构建。
发现论文，激发创造
  • 探索用于计算机视觉的量子增强机器学习：对噪声中尺度量子设备的应用和见解

    该研究探索了量子计算和机器学习的交叉领域，着重评估数据重新上传方案和补丁生成对抗网络模型等混合量子 - 经典算法在小规模量子设备上的有效性，并通过实际实现和测试揭示了这些算法与经典对应算法相当或更好的性能，突显了在机器学习任务中利用量子算法的潜力。

    Apr, 2024

  • 量子图像去噪与机器学习：提高量子图像处理质量和可靠性的新方法

    通过训练和应用机器学习模型来识别和纠正量子处理图像中的噪声问题，我们可以弥补量子计算机产生的噪音并以高效率获取类似于经典计算机的处理结果。

    Feb, 2024

  • 小型量子计算机上的网络社区检测

    本研究提出了一种混合的量子局部搜索方法，它将经典计算机和小型量子设备相结合，以解决实际规模的网络社区检测问题，可以在硬件无关的情况下轻松扩展到新的量子计算机设备，并通过比较量子计算机的表现以及达到优化解，证明 QLS 在解决社区检测问题的质量和收敛迭代次数方面表现相似，并具有可比较于最先进求解器的解决方案的能力。

    Oct, 2018

  • 基于 NISQ 硬件的混合量子迁移学习与裂纹图像分类

    应用量子迁移学习检测灰度图像中的裂纹，比较了 PennyLane 的标准量子位和 IBM 的 qasm_simulator 以及真实后端的性能和训练时间，提供了他们的执行效率的见解。

    Jul, 2023

  • 可扩展的量子卷积神经网络

    提出一种新型的可伸缩量子卷积神经网络 (sQCNN)，并提供了一种名为反保真度训练 (RF-Train) 的训练算法用于提高 sQCNN 的性能。该网络为量子神经网络 (QNN) 的一种进化，拥有处理高维向量输入的能力，并且可以解决传统 QNN 的局限性。

    Sep, 2022

  • 混合量子计算机上的无监督机器学习

    利用量子计算机和贝叶斯优化方法加速解决无监督学习中的聚类问题，并展示出在噪声环境下稳健的表现和经典优化方法的适用性。

    Dec, 2017

  • 量子机器学习：从 NISQ 到容错

    量子机器学习的综述，包括在量子设备上运行机器学习算法的各种概念，介绍了在 Noisy Intermediate-Scale Quantum (NISQ) 技术中使用的技术和与容错量子计算硬件兼容的算法方法，同时涵盖了量子机器学习的基本概念、算法和与其相关的统计学习理论。

    Jan, 2024

  • 变分量子线性求解增强量子支持向量机

    利用量子支持向量机和变分量子线性求解器，我们提出了一种用于处理分类问题的新颖方法，并在 Noisy Intermediate Scale Quantum (NISQ) 设备上进行了全面的数值实验，通过构建一个分类器，实现从一个到七个维度的特征空间的分类。

    Sep, 2023

  • 量子变分和量子启发式聚类

    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

  • 机器学习优化量子电路合成

    本文提出了一种名为 QSeed 的基于机器学习的种子综合算法，通过学习量子数据集，能够快速地提出实现单位矩阵的资源有效电路，并在 64 个量子位 Shor 因子分解算法的核心组件中，将合成时间加速了 3.7 倍。

    Jun, 2023