Loading...
机构名称:
¥ 4.0

我们介绍了几种概率量子算法,这些算法通过利用单位线(LCU)方法的线性组合(LCU)方法来克服量子机学习中正常的单一重复。是残留网络(RESNET)的量子本机实现,在其中我们表明,变异ansatz层之间的残留连接可以防止模型中含有贫瘠的高原,否则将包含它们。其次,我们使用单量子器控制的基本算术运算符对卷积网络的平均合并层实现量子类似物,并表明LCU成功概率对于MNIST数据库仍然稳定。此方法可以进一步推广到卷积过滤器,而使用指数较少的受控单位与以前的方法相比。最后,我们提出了一个通用框架,用于在量子编码的数据上应用不可还原子空间投影的线性组合。这使量子状态可以保持在指数较大的空间内,同时选择性地放大了特定的子空间相对于其他子空间,从而减轻了完全投射到多个多个尺寸的子空间时出现的模拟性问题。与非不变或完全置换不变的编码相比,我们证明了对部分扩增置换不变的点云数据的提高分类性能。我们还通过schur-weyl二元性展示了一种新颖的旋转不变编码,用于点云数据。这些量子计算框架都是使用LCU方法构建的,这表明可以通过使用LCU技术创建进一步的新型量子机学习算法。

arxiv:2405.17388V2 [QUANT-PH] 2024年11月20日

arxiv:2405.17388V2 [QUANT-PH] 2024年11月20日PDF文件第1页

arxiv:2405.17388V2 [QUANT-PH] 2024年11月20日PDF文件第2页

arxiv:2405.17388V2 [QUANT-PH] 2024年11月20日PDF文件第3页

arxiv:2405.17388V2 [QUANT-PH] 2024年11月20日PDF文件第4页

arxiv:2405.17388V2 [QUANT-PH] 2024年11月20日PDF文件第5页

相关文件推荐