机构名称：
¥ 2.0
技术的快速发展催生了两个有可能显著重塑计算格局的领域：量子计算和机器学习。量子计算 (QC) 是一种计算范式，它利用量子力学原理比传统计算机更高效地执行复杂计算，特别是对于特定问题领域 [1]。过去十年来，量子计算引起了广泛关注，因为它在使用各种模型解决计算复杂问题时可能具有量子优势，包括囚禁离子系统 [2,3] 和超导系统 [4,5] 上的量子比特模型、基于测量的量子计算 [6,7] 和光子平台上的高斯玻色子采样 (GBS) [8]。研究人员已经发现了几种优于传统算法的量子算法，包括用于整数分解的 Shor 算法 [9] 和用于非结构化搜索的 Grover 算法 [10]。通过利用多个光子的量子特性，例如量子叠加、干涉和纠缠，一些量子算法已被提出，为减少机器学习[11,12]、化学[13,14]和其他领域[15]中问题的计算时间提供了潜力。与此同时，机器学习（ML）已成为一种人工智能，可以处理大量数据并从这些数据中学习模式。这种方法能够在无需明确编程的情况下更准确地预测结果。该技术被用于广泛的应用，包括推荐系统、图像识别和自动驾驶汽车[16,17]。
集成光子学平台上的量子计算和机器学习
主要关键词
相关文件推荐
