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
该研究总结了嘈杂中间规模量子计算的范例和算法，探讨了其限制与优势，并提供了各种编程和测试工具的全面概述。
Jan, 2021
通过回顾机器学习中的量子计算文献，研究了量子算法的限制、与传统经典算法的比较，以及为什么期望量子资源能够提供学习问题的优势，而在存在噪声和某些计算困难的问题中，量子计算令人期待的路线。
Jul, 2017
本文系统概述了新兴领域 - 量子机器学习的方法、技术细节以及未来理论的潜力。该领域研究人员研究了量子计算如何帮助改进传统的机器学习算法，具有重要的计算优势。
Sep, 2014
论文综述了机器学习中生成建模技术在恢复实际、嘈杂和多量子比特量子态方面的发展，尤其是限制玻尔兹曼机器的理论，并演示了它在状态重建中的实际应用，从经典热力学分布的伊辛自旋开始，逐步移动到越来越复杂的纯态和混合量子态，通过对实验噪音中间规模量子设备的冷原子波函数重建的最近工作进行总结，最后讨论了未来在 NISQ 时代和以后使用机器学习进行状态重建的展望。
May, 2019
这篇论文简要介绍了量子机器学习的潜在好处，探讨了使用量子计算原理和算法可能改进传统机器学习方法的潜力。论文涵盖了量子力学的基本原理，包括叠加态、相位空间和纠缠，介绍了利用这些特性的量子门的概念。还回顾了经典深度学习概念，如人工神经网络、梯度下降和反向传播，然后深入探讨了可训练的量子电路作为神经网络的概念。通过一个例子问题展示了量子神经网络的潜在优势，并提供了详细的推导附录。该论文旨在帮助新近接触量子力学和机器学习的研究人员更高效地发展自己的专业知识。
Feb, 2024
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。
NISQ 技术将为探索量子物理学提供有用的工具，而 100 量子位计算机只是通向未来更强大的量子技术的重要一步。
Jan, 2018
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
该论文提出了一种处理量子机器学习中普遍存在的不确定性的通用方法学，该方法可以在训练数据量有限、量子计算硬件噪声存在的情况下可靠地度量量子模型的不确定，并基于概率共同预测来达到对真实目标的可信度量。
Apr, 2023