- 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 - 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。
- 通过分块特征编码实现分布式量子神经网络
通过将特征分布在多个小型量子神经网络并利用其期望值的集成生成预测,我们的研究表明分布式量子神经网络是与近期量子设备兼容的实用量子机器学习算法的有希望的方向,其不仅对大型数据集实现高准确率的预测,而且还降低了每个量子神经网络的硬件需求。
- 基于分布式 QCNN 的深度恶意软件检测
通过使用灰度处理方法与由五个分布式量子卷积网络和评分函数组成的模型相结合,我们实现了对数据集的新预处理,以提高基于图像的恶意软件检测的性能,而不增加量子位所需的资源,结果表明测试的准确率和 F1 评分分别提高了约 20%。
- 通过顺序哈密顿装配改善 VQE 的参数训练
在量子机器学习中,设计和训练参数化量子电路(PQCs)是一个主要挑战。本论文提出了一种顺序哈密顿组装方法,用于处理全局损失函数的参数训练,并通过实验结果证明了该方法在图着色问题中的有效性,表现优于传统的参数训练和层次学习方法,为解决消失梯度 - 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。
- 量子核 t 分布随机邻居嵌入
量子数据可视化方法使用量子核心技术,能够快速准确地可视化量子状态,并成功发现受激截面伊辛模型的优化轨迹特征。
- 受去极化噪声影响的量子神经网络:探索白盒攻击和防御
利用量子力学的独特性质,量子机器学习(QML)在传统系统到达极限时承诺实现计算突破和丰富视角。然而,类似于经典机器学习,QML 也无法免受敌对攻击。量子敌对机器学习在凸显面对敌对性特征向量时的 QML 模型的弱点方面发挥了重要作用。在深入研 - 基于退火量子玻尔兹曼机的大规模图像分类的迁移学习
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。
- 经典和量子机器学习的桥梁:通过知识蒸馏从经典到量子神经网络的知识转移
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。
- 训练健壮且具有通用性的量子模型
本文研究了基于 Lipschitz 界限的量子机器学习中的对抗鲁棒性和泛化性质,导出了适用于具有可训练编码的量子模型的定制参数相关的 Lipschitz 界限,并展示了数据编码的范数对于抵抗输入数据扰动的鲁棒性具有关键影响。此外,我们导出了 - 量子辅助模拟:在量子计算领域设计机器学习模型的框架
利用量子计算和量子机器学习算法在数据处理方面取得了指数级的提速、资源需求的减少以及准确度和效率的提高,本文对量子计算、机器学习和量子机器学习算法进行了探讨,并提供了一个简化的步骤,可以帮助读者建立量子机器学习算法的模拟。此外,通过在数据集上 - sQUlearn - 一个用于量子机器学习的 Python 库
sQUlearn 是一个用户友好的,NISQ-ready 的 Python 库,用于量子机器学习(QML),旨在与 scikit-learn 等经典机器学习工具无缝集成。该库的双层架构可同时为 QML 研究人员和从业者提供服务,实现高效的原 - 3D-QAE:全量子三维点云的完全自编码
该论文介绍了首个用于三维点云的量子自动编码器,通过在模拟的基于门的量子硬件上进行实验,证明了该方法优于简单的经典基准模型,为三维计算机视觉领域开辟了新的研究方向。
- 经典和量子伊辛机的通用学习方案
提出了一个基于 Ising 结构的新型机器学习模型,可以通过梯度下降进行高效训练,实验证明了 Ising 机器在不同的学习任务中的新可能性,尤其在量子机器学习领域中,量子资源被用于模型的执行和训练,提供了有希望的前景。
- 统一 (量子) 统计和参数化 (量子) 算法
从评估查询中学习的问题以及其对线性函数类的查询复杂性进行了研究,从而在量子学习和量子机器学习领域建立了统一的视角。
- 利用量子二分量子相关器进行盲量子机器学习
基于量子二分相干算法,我们介绍了新颖的盲量子机器学习协议,具有降低的通信开销,同时保持了来自不可信计算节点的数据隐私。我们引入了具有低计算开销的鲁棒算法特定的隐私保护机制,不需要复杂的密码学技术。通过复杂度和隐私分析,我们验证了提议协议的有 - 确定性进,确定性出:用于量子机器学习的 REVQC
量子机器学习研究了快速化和精确推断方法,通过对 MNIST 和 MNIST Fashion 数据集进行实验,证明了反向训练对于提高单个样本推断准确性的有效性。
- 量子机器学习概述:当前趋势、挑战、机遇和未来方向
该研究论文综述了量子计算在机器学习中的应用,包括量子机器学习算法、量子数据集、硬件技术、软件工具、模拟器和应用程序,为读者提供了跳跃到量子机器学习领域的最新技术的有价值的信息和资源。
- AAAI量子机器学习在气候变化和可持续发展领域的应用综述
本文调查了将量子机器学习应用于解决气候变化和可持续发展问题的现有文献。我们回顾了有潜力加速减碳的 QML 方法,包括能源系统、气候数据预测、气候监测和危险事件预测。我们讨论了量子机器学习方法的挑战和当前的限制,并概述了在气候变化研究这一重要