- 基于近端点算法的量子线性系统问题的催化剂框架
通过选择合适的步长 η,本文提出了一种新的量子算法,对量子线性系统问题(QLSP)进行求解,解决了之前方法中依赖条件数的问题。
- 超导处理器上的强化学习量子编译
我们开发了一个基于强化学习的量子编译器,对超导处理器进行了演示,展示了其发现具有短长度的新型硬件友好电路的能力,并能够在设备拓扑约束下找到最佳电路。
- 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。
- 量子计算专家的机器学习
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。
- 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 - 利用量子计算推断生物和人工神经网络的动态行为
利用 Grover 和 Deutsch-Josza 两个基础量子算法,研究如何通过输出测量来推断在一定时间内,简单的神经网络(适用于生物和人工网络)是否会继续支持动态活动,或者其动态是否会停止。
- 量子算法:金融犯罪预防的新领域
量子算法对金融风险管理具有转变性影响,通过利用量子计算机固有的计算能力,可以提供强大且有效的解决方案,包括金融犯罪检测、预防洗钱、加密货币攻击和市场操纵等方面的问题,并能支持加强的金融风险管理分析。
- 基于多 GPU 的混合量子 - 经典工作流的量子 - HPC 框架:在量子模拟中的应用
利用一种创新的分布感知型的 QCQ 架构,将量子硬件和经典计算资源相结合,实现高性能计算,解决材料和凝聚态物理的量子模拟挑战,通过整合量子软件框架、高性能计算资源、量子算法和机器学习,该架构能够在分布式计算环境中有效进行量子状态准备、量子状 - 量子计算机上基于张量网络的期权定价时间序列生成
使用矩阵乘积状态(MPS)作为时间序列生成的生成模型的一种新方法,可以在量子计算机上生成 Heston 模型中的路径,并突出了它在路径依赖期权定价中的潜力。
- KetGPT -- 基于 Transformer 的量子电路数据增强
利用 Transformer 机器学习架构生成更真实的量子线路数据集,通过 KetGPT 工具生成以人类编写的基于算法的代码结构为基础的 OpenQASM 语言的合成线路,可用于评估量子系统的性能,并为 AI 驱动的量子编译器和系统做出重要 - 基于轮廓 Coreset 和变分量子本征求解的聚类
我们提出使用变分量子本征求解器 (VQE) 和定制的 Contour 核心集方法来解决 k-means 聚类问题,与现有的 QAOA + 核心集 k-means 聚类方法相比,我们的 VQE + Contour 核心集方法在高准确性和较低标 - 量子机器学习从一般计算优势中的优势
证明了量子机器学习在加速监督学习任务方面具有计算优势,通过构建广泛的监督学习任务,并使用通用量子计算方法,证明了这一学习任务对于任何可能的多项式时间经典学习方法的难度,并提供了实验中展示这一学习任务的经典数据准备协议。
- 评估噪声对量子神经网络的影响:实验分析
该研究对噪声对量子神经网络的影响进行了全面分析,研究了 Mottonen 状态准备算法在各种噪声模型下的表现,并研究了量子状态在多层量子神经网络中的退化。此外,该论文评估了噪声对预训练量子神经网络性能的影响,并强调了噪声模型在量子计算中所带 - 量子跨平台验证的多模态深度表示学习
通过创新的多模态学习方法,本研究采用量子计算中数据形式的两种不同模态:测量结果和编译电路的经典描述,从而建立了一个全面的数据表示。通过对不同噪声模型的平台进行评估,结果显示相比随机测量,我们的方法在预测准确性上有三个数量级的提升,从而为跨平 - 非对数凹分布的随机量子取样与分割函数估计
我们提出了量子算法用于从非对数凹概率分布中采样,同时解决了求解大数据集中混合模型和多稳定系统时计算代价昂贵的函数评估问题。我们的量子算法在维度和精度依赖方面相对于已知的最佳经典算法展示了多项式加速。
- 实用量子误差缓解的机器学习
今天的量子计算机是否能通过传统方法的量子错误纠正来解决量子计算机的潜在困难是一个挑战,但机器学习为量子错误纠正提供了潜在解决方案,通过模拟和实验,机器学习在 100 量子位的量子计算机上得到了许多正面结果,并且展现了在各种量子电路和设备噪声 - 数据常有短路径加载:金融、图像、流体和蛋白质的量子电路张量网络
我们提出了一种基于张量网络理论的电路编译方法(AMLET),通过精确构建特定的张量网络拓扑,可解决将任意经典向量加载到量子计算机所需的指数级电路深度问题。并通过对金融、图像、流体力学和蛋白质等领域的实际经典数据进行数值实验,证明相比指数级扩 - 量子算法差分隐私违规检测
该论文提出了一种用于检测量子算法差分隐私违反的正式框架,并使用 Tensor Networks 数据结构在 TensorFlow Quantum 和 TorchQuantum 两个量子扩展机器学习平台上实现了高效的算法,验证了其对各种类型的 - 用 Coresets 训练量子 Boltzmann 机
使用 coreset 技术加速量子算法在量子计算机上的训练时间,尤其是应用于 Quantum Boltzmann Machines 时的梯度下降算法,以减少计算时间并提高实际效益。
- 基于跨案例的预测过程监控:量子机器学习的候选方案?
本文利用最新的机器学习技术,综合分析了 Inter-case Predictive Process Monitoring (PPM) 对预测准确性的影响,研究表明多个 instance 之间的特征提取能够提高预测准确性,并且在少量特征配置下