机构名称：
¥ 1.0
量子理论已显示出在增强机器学习方面的优势。然而，利用量子理论来增强图学习还处于起步阶段。本综述从基础理论、方法和前景三个角度研究了量子图学习 (QGL) 的最新进展。我们首先研究 QGL，分别讨论量子理论和图学习的互利关系、图结构数据的特殊性以及图学习的瓶颈。提出了一种新的 QGL 分类法，即图上的量子计算、量子图表示和图神经网络的量子电路。然后强调并解释其中的陷阱。本综述旨在对这一新兴领域进行简短而有见地的介绍，并详细讨论尚待研究的前沿和前景。
量子图学习：前沿与展望
主要关键词
相关文件推荐
