机构名称：
¥ 1.0
摘要 — 量子机器学习 (QML) 算法在机器学习 (ML) 领域具有重要意义，因为它有望在执行基本线性代数子程序 (BLAS) 时实现量子加速，而基本线性代数子程序是大多数 ML 算法的基本元素。通过利用 BLAS 操作，我们提出、实现并分析了一种时间复杂度低至 O (NKlog (D) I/C) 的量子 k 均值 (qk-means) 算法，以将其应用于判别读出时量子态的基本问题。判别量子态允许从低级同相和正交信号 (IQ) 数据中识别量子态 | 0 ⟩ 和 | 1 ⟩，并且可以使用自定义 ML 模型来完成。为了减少对传统计算机的依赖，我们使用 qk-means 在 IBMQ Bogota 设备上执行状态鉴别，并设法找到高达 98.7% 的分配保真度，仅略低于 k-means 算法。检查将两种算法应用于量子态组合所产生的分配保真度分数，结果与我们使用 Pearson 相关系数的相关性分析一致，其中证据表明，在所分析的设备上，(1, 2) 和 (2, 3) 相邻量子比特对之间存在串扰。索引术语 — 量子计算、机器学习、量子机器学习、K-Means、QK-Means、串扰
利用量子机器学习区分量子态
主要关键词
相关文件推荐
