提出了一种适用于分布式量子机器学习和展示记忆的光子平台新方法。这种基于测量的量子储存器计算利用连续变量簇状态作为主要量子资源。簇状态是几种光子量子技术的关键,可实现通用量子计算以及量子通信协议。所提出的基于测量的量子储存器计算基于簇状态和局部操作的神经网络,其中输入数据通过测量进行编码,这要归功于量子隐形传态。在这种设计中,测量可以实现输入注入、信息处理和时间序列处理的连续监控。通过执行一组基准测试任务来测试该架构的强大功能和多功能性,结果表明该协议显示内部记忆,适用于静态和时间信息处理,无需修改硬件。这种设计为分布式机器学习开辟了道路。
主要关键词
![arXiv:2411.06907v1 [quant-ph] 2024 年 11 月 11 日PDF文件第1页](/bimg/2/235b3e2f8398fb756b7cc7c30f2b4630e795a2f8.webp)
![arXiv:2411.06907v1 [quant-ph] 2024 年 11 月 11 日PDF文件第2页](/bimg/9/9ddbcc4d0b68d6ba308c1290d2a8d2d564bd7386.webp)
![arXiv:2411.06907v1 [quant-ph] 2024 年 11 月 11 日PDF文件第3页](/bimg/6/6ca36b15bb2f4bb3e1a8f17c0d7a6baca0ee9180.webp)
![arXiv:2411.06907v1 [quant-ph] 2024 年 11 月 11 日PDF文件第4页](/bimg/9/90b6ca4e6178ab436748d0ecb92c2487f6c6eda3.webp)
![arXiv:2411.06907v1 [quant-ph] 2024 年 11 月 11 日PDF文件第5页](/bimg/c/c564f2d50d254280b5cf8dc186f75d069f968371.webp)
