- ICML量子隐式神经表示
我们提出了一种新颖的量子广义傅立叶神经网络（QIREN），其通过理论分析证明了比经典的傅立叶神经网络具有量子优势，并通过信号表示、图像超分辨率和图像生成任务的实验证明了 QIREN 相对于最先进模型的卓越性能。我们的工作不仅将量子优势融入了 - 量子机器学习：量子核方法
通过使用基于量子核方法的量子算法，我们描述了如何识别获得量子优势的条件，以及将量子核作为特征提取层应用于卷积神经网络。
- 基于模型的离线量子强化学习
这篇论文提出了第一种基于模型的离线量子强化学习算法，并在滑车杆平衡问题上展示了其功能。模型和待优化的策略都以变分量子电路的形式实现。通过梯度下降，模型被训练以拟合预先记录的数据集。策略使用无梯度优化方案，以模型给出的回报估计作为适应度函数进 - 并行比例融合的脉冲量子神经网络优化图像分类
该研究引入了一种名为 PPF-QSNN 的新型架构，通过将数据集信息同时输入脉冲神经网络和变分量子电路，并按照各自的贡献比例合并输出，系统评估了各种 PPF-QSNN 参数对图像分类网络性能的影响，旨在确定最佳配置。MNIST 数据集的数字 - MMTransformer 架构所需的量子线性代数
生成式机器学习方法如大型语言模型正在革新文本和图像的创作。本研究通过容错性量子计算的视角来调查变压器架构。通过将预训练的权重矩阵作为区块编码来构建变压器的查询、关键和值矩阵。我们展示了如何使用 Hadamard 乘积对自注意矩阵的行逐行应用 - 量子迁移学习的可接受性判断
该研究展示了使用从大型语言模型中提取的嵌入向量进行量子迁移学习算法在经典语言学任务（可接受性判断）上进行分类的潜在优势，包括性能和表达能力，评估结果显示出与最先进的经典迁移学习算法相媲美的量子迁移学习流程，为当前量子计算机在自然语言处理任务 - 遥感的量子机器学习：潜力与挑战的探索
量子技术快速扩展，量子机器学习在遥感领域的应用引起了广泛关注，本文调查了量子机器学习在遥感领域的潜力，并探讨了其面临的挑战，通过研究核值集中问题发现，量子计算机的性能受到了一定的负面影响，但并不完全否定量子机器学习在遥感中的潜在优势。
- MM金融领域中的量子生成对抗网络（qGAN）和量子混合密度矩阵（QCBM）的实施
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。
- MNISQ：NISQ 时代量子计算机上 / 用于机器学习的大规模量子电路数据集
本文介绍了首个大规模 MNISQ 数据集，用于量子和经典机器学习社区在嘈杂中间规模量子时代的研究。该数据集包括 495 万个数据点，由 9 个子数据集组成，并提供了量子表单和量子编程语言形式的数据。同时，在对量子回路数据分类方面，我们测试了 - 基于量子自然语言处理的情感分析 - lambeq 工具包
本文介绍了量子自然语言处理（QNLP）技术在情感分析中的应用，使用了 lambeq QNLP 工具包和 Cambridge Quantum（Quantinuum）的 $t|ket>$ 来实现，针对三种不同类型的模拟实现了完美的测试集准确性并 - 量子学习模型的经典替代
本文研究了在量子机器学习中使用的参数化量子电路和经典替代模型之间的关系，提出了一种用经典模型替代计算的方法，揭示了量子学习模型的归纳偏差问题，并为量子优势提供了一个基准。
- 量子优势是否是量子机器学习的正确目标？
本文介绍了机器学习与量子计算的关系以及目前在实践中评估量子计算的困境，提出了拓展研究视角以探究其在机器学习领域的潜在应用的必要性。
- 量子核函数的归纳偏差
通过分析量子核心函数类的光谱特性，我们发现如果其再现核希尔伯特空间具有低维度且包含传统计算难度的函数，则存在量子优势；然而，合适的量子核心函数不易找到，而该偏置相对于经典模型在量子机器学习模型速度提升方面是必须的。
- 盲量子计算实现的量子联邦学习
本文介绍了一种基于 Blind quantum computing 的量子协议，用于单方委派训练和多方私有分布式学习。该协议在差分隐私的保护下是安全的，并且在实验不完美的情况下具有鲁棒性和处理具有隐私保障的计算密集型分布式学习任务的潜力，为 - 噪声中等规模量子算法
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。
- 变分量子算法
该文综述了 VQAs 领域，讨论了克服困难的策略，并突出了使用 VQAs 获得量子优势的激动人心前景。
- 量子机器学习的优势演示
使用超导体五比特处理器，对基于 oracle 的问题进行求解，经过实验验证，在现有的嘈杂系统中，量子计算机的查询次数明显比经典计算机少，这种差距会随着误差率和问题大小的增加而不断扩大，这证明了量子优势确实在现有的嘈杂系统中出现了。