Loading...
机构名称:
¥ 1.0

摘要 - 要在实际环境中见证量子优势,不仅在硬件级别上,而且在理论研究上都需要大量努力,以降低给定协议的计算成本。量子计算有可能显着增强现有的经典机器学习方法,并且已经提出了基于内核方法的二进制分类的几种量子算法。这些算法依赖于估计期望值,这又需要多次重复昂贵的量子数据编码过程。在这项工作中,我们明确计算获取固定成功概率所需的重复数量,并表明Hadamard检测和交换测试电路在量子电路参数方面实现了最佳差异。仅通过优化与数据相关的参数进行优化,可以进一步减少差异,因此重复的数量。我们还表明,无论数据的数量和尺寸如何,都可以通过单量测量进行基于内核的二进制分类。最后,我们表明,对于许多相关的噪声模型,可以可靠地执行分类,而无需纠正量子误差。我们的发现对于在有限的资源下设计量子分类实验非常有用,这是嘈杂的中间尺度量子时代的普遍挑战。

使用最小开销的稳健量子分类器

使用最小开销的稳健量子分类器PDF文件第1页

使用最小开销的稳健量子分类器PDF文件第2页

使用最小开销的稳健量子分类器PDF文件第3页

使用最小开销的稳健量子分类器PDF文件第4页

使用最小开销的稳健量子分类器PDF文件第5页

相关文件推荐

2021 年
¥2.0
2020 年
¥1.0
1900 年
¥1.0
2024 年
¥2.0