量子机器学习
陆思聪1
郑昱2
王晓霆3
吴热冰4
1.清华大学自动化系,北京,1000842.清华大学微纳电子系,北京,1000843.成都电子科技大学基础与前沿研究院,四川成都,6117314.清华大学自动化系,北京100084;清华信息科学与技术国家实验室量子信息科学与技术研究中心,北京100084
摘要：人工智能和量子物理是上世纪发展起来的两个截然不同但又影响深远的学科.近年来,它们在数据科学方面的结合引起了学术界的高度关注,形成了量子机器学习这个新兴领域.利用量子态的叠加性,量子机器学习有望通过量子并行解决目前机器学习中数据量大,训练过程慢的困难,并有望从量子物理的角度提出新的学习模型.目前该领域的研究还处于探索阶段,涵盖内容虽然广泛,但还缺乏系统的梳理.本文将从数据和算法角度总结量子机器学习与经典机器学习的不同,以及其中涉及的关键加速技巧,针对数据结构(数字型、模拟型),计算技巧(相位估计、Grover搜索、内积计算),基础算法(求解线性系统、主成分分析、梯度算法),学习模型(支持向量机、近邻法、感知器、玻尔兹曼机)等4个方面对现有研究成果进行综述,并建议一些可能的研究方向,供本领域的研究人员参考.
关键词：量子力学量子计算机器学习深度学习神经网络
分类号：O413.1(理论物理学)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1429-1436 )
英文信息