人工神经网络已被提议作为潜在的算法,可以从在量子计算机上实施和运行中受益。特别是,它们有望大大增强人工智能任务,例如图像处理或模式识别。神经网络的基本构建块是人工神经元,即对输入向量形式的一组数据执行简单数学运算的计算单元。在这里,我们展示了如何实现先前引入的量子人工神经元 [npj Quant. Inf. 5, 26] 的设计,该设计充分利用了叠加态来编码二进制值输入数据,可以进一步推广到接受连续值而不是离散值输入向量,而无需增加量子比特的数量。这一进一步的步骤对于直接应用自动微分学习程序至关重要,该程序与二进制值数据编码不兼容。
主要关键词
![arXiv:2007.14288v1 [quant-ph] 2020 年 7 月 28 日PDF文件第1页](/bimg/1/180f4b05ba88f60f9bbc309ff405806a51833873.webp)
![arXiv:2007.14288v1 [quant-ph] 2020 年 7 月 28 日PDF文件第2页](/bimg/d/d24ee7071cae708dbc5e58655c7ccba68d567a0a.webp)
![arXiv:2007.14288v1 [quant-ph] 2020 年 7 月 28 日PDF文件第3页](/bimg/1/1598cdbd9f8bbc020bf7b4990de1c5fcbb3bf574.webp)
![arXiv:2007.14288v1 [quant-ph] 2020 年 7 月 28 日PDF文件第4页](/bimg/8/8719eeb7c1b00d3f41e548083bb2c9c614916622.webp)
![arXiv:2007.14288v1 [quant-ph] 2020 年 7 月 28 日PDF文件第5页](/bimg/c/c57f0bc426132681188d3bc87c928ef59c056349.webp)
