机构名称：
¥ 1.0
摘要 —本文介绍了一种自动搜索算法（QES，发音为“quest”），该算法为监督量子机器学习推导出纠缠布局的最佳设计。首先，我们使用 CNOT 门建立纠缠结构与有向多图表示之间的联系，从而实现明确定义的搜索空间。所提出的将量子纠缠编码为基因型向量的方案将 ansatz 优化与经典机器学习联系起来，允许在任何明确定义的搜索空间上进行有效搜索。其次，我们激发纠缠级别以将搜索空间的基数降低到实际实现的可行大小。最后，我们通过基于模型的顺序优化使用代理模型来降低评估真实损失函数的成本。我们在模拟和基准数据集（包括 Iris、Wine 和乳腺癌数据集）上证明了我们提出的方法的可行性，这通过经验表明 QES 发现的量子嵌入架构在预测性能方面优于手动设计。
量子机器学习的量子嵌入搜索
主要关键词
相关文件推荐
