XiaoMi-AI文件搜索系统
World File Search SystemAutoQML
自动QML：通过在灰度图像上使用进化算法的稳健量子启发的分类器的自动生成和培训
提出了一种新的混合系统，用于通过使用多目标遗传算法在灰度图像上自动生成和训练量子启发的分类器。定义了动态适应性函数，以获得最小的电路复杂性和最高的观点数据精度，从而确保所提出的技术是可以推广且健壮的。同时，它通过惩罚其外观和门数来最大程度地减少生成电路的复杂性。通过使用二维降低方法来减少图像的大小：主成分分析（PCA），该方法在个人内部编码并由系统进行了遗传优化，以及一个小的卷积自动编码器（CAE）。这两种方法相互比较，并采用经典的非线性方法来理解其行为，并确保分类能力是由于量子电路而不是用于降低维度的预处理技术引起的。
自动量子机学习的框架
在这项工作中，我们提出了AutoQML，该框架将量子机学习（QML）算法无缝集成到自动化机器学习（AUTOML）中。利用汽车范式的优势，该框架是有意设计的，以高度的抽象设计，从而消除了用户在机器学习（ML）（ML）和量子计算（QC）方面具有丰富经验的需求。该工具可以自动构建典型的ML管道的整个过程，包括数据清洁和预处理以及模型选择，优化和评估。此外，它自动化了QC特定方面的主张，例如在实际量子硬件上选择量子后端和执行管理。AutoQML利用Ray作为其基础自动化优化框架，并采用内部DESEDERPEREP QML库Squlearn提供QML算法。这两个组合都提供了低级功能，并且可以用作独立解决方案。最后，我们深入研究将框架纳入量子计算平台plankqk所需的集成步骤。