本研究探讨使用量子计算与预训练模型结合的经典 - 量子转移学习方法在自然语言处理上的效果，提出了一种基于复数 BERT 的句子状态预训练方法，并应用于经典 - 量子转移学习中进行句子分类，取得末端量子模型性能 50% 到 60% 的提升。

Feb, 2023

本文为机器学习算法中广泛应用的迁移学习的概念扩展到了由经典和量子元素组成的混合神经网络的新兴领域，提出了不同实现混合迁移学习的方法，并重点关注了现代量子技术下，经典网络的预处理和优化加上量子算法处理的优秀组合，提供了图像识别和量子态分类等方面的几个案例，利用 PennyLane 软件库在 IBM 和 Rigetti 提供的两种不同的量子计算机上进行了测试。

Dec, 2019

利用混合量子 - 经典机器学习算法，本文提出了一种用于情绪分析的方法，通过量子内核方法和变分量子电路分类器，结合主成分分析和 Haar 小波变换等经典降维技术，对英语和孟加拉语的两个数据集进行了评估，实验结果表明，在数据维度降低后，基于量子的混合算法表现一致且优于经典方法。

Oct, 2023

本研究探讨了量子计算在自然语言处理中应用的多种方法，包括基于词的分类、基于词嵌入向量的支持向量机分类以及基于二元模型的概率方法，并评估了实验结果。

Jun, 2022

本研究提出了两种混合量子 - 经典模型：具有平行量子层的神经网络和具有量子卷积层的神经网络，它们解决了图像分类问题。其中我们提出的混合量子方法在 MNIST 数据集上展现了超过 99% 的准确率。这表明将量子效应应用于传统经典模型可以进一步提高图像识别和分类的能力，并为医疗保健、安全和市场营销等各个领域提供有前途的方法。

Apr, 2023

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

利用量子迁移学习 (QTL) 和量子退火 (QA) 的混合量子经典方法，通过将量子玻尔兹曼机引入混合量子经典管道，实现了对大规模医学图像的监督学习，取得了比传统迁移学习更好的分类性能。

Nov, 2023

该论文介绍了一种新的方法，通过知识蒸馏从经典神经网络向量子神经网络传递知识，有效地弥合了经典机器学习和新兴量子计算技术之间的鸿沟，为量子机器学习的未来研究铺平了道路。

Nov, 2023

本研究在噪声中间规模量子（NISQ）设备上探索了使用量子自然语言处理算法进行语言翻译的可行性。我们采用香农熵来展示旋转门的适当角度在参数化量子电路性能中的重要作用，并利用这些角度（参数）作为不同语言的量子电路之间的通信方式，最终通过经典神经网络的编码器 - 解码器模型和长短期记忆（LSTM）的翻译任务实现了量子神经机器翻译，该翻译方法相对于经典方法具有潜在优势。在 160 个样本的实验中，我们使用了三种优化器训练模型，并通过使用 Adam 优化器训练具有两个 LSTM 层的最佳模型获得了最佳结果，其平均绝对误差为 0.03，均方误差为 0.002，损失为 0.016。我们的研究结果表明，尽管使用简单的同义句进行训练，但 Shannon 熵在处理复杂句子结构的更复杂机器翻译模型中具有一定的实用性。

Jul, 2023

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