关键词variational quantum machine learning
搜索结果 - 5
- 关于训练性与量子变分学习模型的解码之间的关系
量子机器学习中参数化量子电路的训练性和非量子化性之间的关系尚未解决,本研究从机器学习的角度出发,提出了相关概念的准确定义,并研究了变分量子机器学习模型的变分性与量子化性之间的关系,同时介绍了可训练且非量子化的 PQC-based QML 模 - MM随机傅里叶特征在去量子化量子机器学习中的潜力与限制
量子机器学习是近期量子设备最广泛研究的应用之一,本文通过研究建立了随机傅里叶特征对于变分量子机器学习的有效去量子化的必要和充分条件,并基于这些理论指导了参数化量子电路结构设计以及识别适合量子优化潜力的回归问题的结构。
- 量子神经网络自主选择频率
参数化量子电路作为机器学习模型通常通过输入特征的部分傅里叶级数来描述,其频率由特征映射的生成哈密顿量唯一确定。本文提出了一个可训练频率 (TF) 的量子模型的泛化方法,演示了 TF 模型如何学习具有理想特性的生成器,并且可以在频谱中包含非常 - MM变分量子机器学习中的对称性利用
本研究探讨了如何利用问题的对称性构建量子学习模型,并提出了一种通过门对称化将标准门集转换为等变门集的方法,在具有对称性结构的变分问题中得到了应用。
- 宽量子神经网络动力学分析理论
研究了一类可变量量子机器学习模型的梯度下降动力学特性,预测和表征了残余训练误差随系统参数的指数衰减规律,并通过数值实验验证了结果。