任何稀疏编码方法的最终目标都是从一些嘈杂的线性测量中准确地恢复未知的稀疏向量。不幸的是,这个估计问题通常是 NP 难的,因此总是采用近似方法(例如套索或正交匹配追踪)来解决,从而以牺牲准确性换取较低的计算复杂度。在本文中,我们开发了一种量子启发的稀疏编码算法,前提是量子计算机和伊辛机的出现可能带来比传统近似方法更准确的估计。为此,我们将最一般的稀疏编码问题表述为二次无约束二进制优化 (QUBO) 任务,可以使用量子技术有效地将其最小化。为了推导出在自旋次数(空间复杂度)方面也高效的 QUBO 模型,我们将分析分为三个不同的场景。这些由表示底层稀疏向量所需的位数定义:二进制、2 位和一般定点表示。我们在 LightSolver 的量子启发数字平台上使用模拟数据进行数值实验,以验证我们的 QUBO 公式的正确性并证明其优于基线方法。
主要关键词