摘要。贝叶斯网络是随机变量依赖图上联合概率分布的紧凑表示,也是在存在不确定性的情况下进行建模和推理的工具,对于人工智能结合领域知识、捕捉因果关系或从不完整数据集中学习具有重要意义。贝叶斯推理在经典环境中被称为 NP 难问题,但它是一类值得在量子框架中探索的算法。本文探讨了这样的研究方向,并通过在纠缠配置中合理使用效用函数改进了以前的提议。它提出了一种具有经过验证的计算优势的完全量子力学决策过程。作为概念验证,讨论了 Qiskit(IBM Q 机器的基于 Python 的程序开发工具包)中的原型实现。
主要关键词