quantum machine learning | BriefGPT

关键词quantum machine learning

搜索结果 - 154

经典之上？量子机器学习模型基准测试的微妙之道
通过经典模拟进行基准测试是在没有无噪声硬件之前评估量子机器学习想法的主要方法之一。然而，实验设计的巨大影响、当今可行范围内的小规模以及受量子技术商业化影响的叙事使得难以获得稳健的见解。为了促进更好的决策，我们开发了一个基于 PennyLan
PDF4 months ago
用量子完全图神经网络进行喷注判别
这篇论文介绍了一种新的变分量子电路模型 —— 量子完全图神经网络（QCGNN），用于学习完全图，并通过与经典图神经网络的比较分析建立了一个基准。
PDF4 months ago
量子比特逐比特的可变量量子电路架构搜索方法
在本文中，我们提出了一种新颖的量子位架构搜索（QWAS）方法，通过将搜索空间划分为好的和坏的子区域，逐步搜索每个阶段的单量子位配置，并结合蒙特卡洛树搜索算法，在某些真实任务（如 MNIST，Fashion 和 MOSI）中平衡电路性能和大小
PDF4 months ago
参数化量子串行和用于反向未知量子比特 - 酉操作的简化电路
该研究论文介绍了 PQComb，这是一个利用参数化量子电路探索量子梳在量子信息处理中的潜力的框架。通过优化 PQComb 以进行未知量子基本演化的时间逆向模拟，我们提出了一种较简化的未知量子比特基本反转方案，将辅助比特开销从 6 个减少到
PDF4 months ago
学习使用快速权重编程变分量子电路
引入量子快速权重程序 (QFWP) 作为解决时间或序列学习挑战的方法。
PDF4 months ago
流式物联网数据与量子边缘：一个经典 / 量子机器学习应用案例
研究探索边缘计算在将量子机器学习整合到分布式计算连续体中的应用，识别主要挑战及可能的解决方案，并在物联网场景中展示了量子机器学习分析的初步结果。
PDF4 months ago
非从业人员快速介绍量子机器学习
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
PDF4 months ago
基于 Transformer 的高维数据量子嵌入
量子嵌入式与变压器是一种新颖且有前景的架构，用于实现在近期设备或模拟器上提供异常能力的量子机器学习。该研究在 BirdCLEF-2021（一个具有挑战性的高维度数据集）上，通过结合视觉变压器（ViT）显著提升了量子嵌入能力，并使得单比特分类
PDF4 months ago
评估量子神经网络中的模型窃取攻击和防御机制的有效性
云端托管的量子机器学习（QML）模型面临许多漏洞，其中最重要的是模型窃取攻击。本研究评估了这些攻击在量子计算领域的效果，利用多个 QML 模型体系结构在不同数据集上进行了全面的实验。实验结果显示，使用 Top-1 和 Top-k（k: nu
PDF4 months ago
引导量子压缩的希格斯辨识
设计了一个集成预处理和量子分类算法的可训练模型，即引导量子压缩模型，来解决量子机器学习算法使用经典自动编码器作为独立预处理步骤可能导致分类性能下降的问题，并通过应用于 LHC 的质子 - 质子碰撞中的希格斯玻色子识别，展示了该模型在解决分类
PDF5 months ago
可训练量子机器学习中的任意多项式分离
最近的量子机器学习的理论结果表明了量子神经网络（QNNs）的表达能力和可训练性之间的一般性权衡；作为这些结果的推论，实际中在表达能力上超过经典机器学习模型的指数级差异被认为是不可行的，因为这样的 QNNs 训练所需的时间与模型大小的指数成正
PDF5 months ago
AAAI生成量子分类器的通用对抗扰动
QuGAP 是一个用于生成量子分类器的通用对抗扰动（UAPs）的新框架，它利用生成模型生成加性 UAPs，并理论上证明它们的存在。此外，QuGAP 使用基于保真度约束的新型损失函数，采用量子生成模型生成酉 UAPs，实验证明了量子分类器容易
PDF5 months ago
释放基于脉冲的量子神经网络的表达能力
量子机器学习基于噪声中尺度量子设备需要对有限的量子资源进行最优利用，而基于脉冲的模型在相同相干时间内能够构建 ' 无限 ' 深的量子神经网络，从而释放出更大的表达能力。本研究从量子控制理论的角度探讨了基于脉冲的模型的潜力，证明了基于脉冲的模
PDF5 months ago
MM相干前馈量子神经网络
我们提出了一种真正的量子神经网络模型，其与传统的呈适应性中间层和节点的前馈神经网络具有相同的灵活性，并且具有较低的电路深度和所需的 C-NOT 门数量，从而优于现有的量子神经网络模型。通过对基准数据集进行测试，我们证明了我们的方法的优越性能
PDF5 months ago
GQHAN：一种受 Grover 启发的量子硬注意力网络
提出了一种基于格罗弗启发的量子硬注意机制，利用灵活的预言机和自适应扩散算子来提高量子机器学习的性能和适用性，在 Fashion MNIST 二分类任务中展示了优于传统方法的准确性和学习能力。
PDF5 months ago
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、
PDF5 months ago
Élivágar：高效的量子电路搜索分类
Eliv'agar 是一个创新的资源高效、噪声引导的 QCS 框架，通过引入两个便宜易计算的预测器，Clifford 噪声韧性和表示能力，将噪声稳健性和性能的评估分离开来，从而提高了电路评估的效率。通过在 12 个真实量子设备和 9 个 Q
PDF5 months ago
量子隐私聚合技术 (Quantum Privacy Aggregation of Teacher Ensembles, QPATE) 用于保护隐私的量子机器学习
该研究是首次将 PATE 技术应用于量子神经网络集合，为量子机器学习模型提供隐私保护的新方法。
PDF6 months ago
量子去噪扩散模型
本研究探讨了量子机器学习和变分量子电路的整合，以增强扩散式图像生成模型的效力，并通过 MNIST 数字，Fashion MNIST 和 CIFAR-10 对两种量子扩散模型进行了基准测试，结果显示我们的模型在性能指标 FID、SSIM 和
PDF6 months ago
量子核对齐的高效参数优化：变分训练中的子采样方法
使用量子核对分类问题进行量子机器学习是一个正在快速发展的研究领域。我们提出了一种新的子采样训练方法，通过在每个训练步骤中使用核矩阵的子集，从而降低了训练的整体计算成本，并展示了在维持分类准确性的同时大幅减少了训练量子核所需电路数量的能力。
PDF6 months ago