实用量子计算的最新进展催生了各种基于云的量子计算平台,使研究人员能够在嘈杂的中型量子 (NISQ) 设备上评估他们的算法。量子计算机的一个共同特性是它们表现出真正的随机性,而不是从经典系统获得的伪随机性。在机器学习的背景下研究这种真正的量子随机性的影响很有吸引力,最近的结果模糊地表明,使用量子随机数确实可以带来好处。为了进一步阐明这一主题,我们在数值实验中实证研究了硬件偏置量子随机数对人工神经网络权重初始化的影响。我们发现与无偏量子随机数以及来自经典伪随机数生成器的有偏和无偏随机数相比,没有统计学上的显着差异。我们实验中的量子随机数是从真实的量子硬件中获得的。
主要关键词
![arXiv:2108.13329v1 [quant-ph] 2021 年 8 月 30 日 - SFB 876PDF文件第1页](/bimg/1/157eea364f0e806f1b72b9484d2df2ca3ac211c6.webp)
![arXiv:2108.13329v1 [quant-ph] 2021 年 8 月 30 日 - SFB 876PDF文件第2页](/bimg/7/727677c35c78b0b23d291737b5fdf7fabbb6183b.webp)
![arXiv:2108.13329v1 [quant-ph] 2021 年 8 月 30 日 - SFB 876PDF文件第3页](/bimg/f/fb30988cd395e6afcb2f34601c6161630a778ca4.webp)
![arXiv:2108.13329v1 [quant-ph] 2021 年 8 月 30 日 - SFB 876PDF文件第4页](/bimg/2/2e24291e47fe01f9cae462096d0b59916a73b185.webp)
![arXiv:2108.13329v1 [quant-ph] 2021 年 8 月 30 日 - SFB 876PDF文件第5页](/bimg/5/5b13f98d028986ba1f4d77ff79e99342c626c9f3.webp)
