- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
量子模数转换
摘要： 许多量子算法（如Harrow-Hassidim-Lloyd（HHL）算法）依赖于能高效将经典数据编码为量子态的预言机。数据编码可分为两类：模拟编码（将数据存储为量子态的振幅）和数字编码（将数据存储为量子比特串）。前者用于在量子系统的指数级大空间中处理经典数据，后者则需在量子计算机上执行算术运算。HHL等量子算法通过精妙运用这两种编码实现量子加速。本研究提出两种编码相互转换的算法：虽然现有量子算法已隐式使用量子数模转换，但我们重新构建了概率性工作的通用协议；同时提出确定性执行的量子模数转换算法。这些算法可用于实现高级量子算法（如量子态振幅的非线性变换），例如我们构建的"量子振幅感知器"——这种神经网络的量子版本有望应用于量子机器学习领域。
关键词： 量子模数转换、量子机器学习、量子算法、数字编码、模拟编码、量子数模转换
更新于2025-09-23 15:23:52
-
量子预训练与自编码器图像分类
摘要： 计算机视觉的应用范围广泛，从医学图像分析到机器人技术。过去几年中，该领域因机器学习而发生变革，并有望从量子计算的潜在进步中获益。当前及近期量子设备处理图像的主要挑战在于这些设备能处理的数据量有限。图像可能体积庞大、具有多维特性且包含多个颜色通道。现有利用量子资源的计算机视觉机器学习方法需要对图像进行大量人工预处理才能适配设备。本文提出一个框架以解决小规模量子设备处理大规模数据的问题。该框架无需任何特定数据集的处理或信息，适用于大型灰度及RGB图像。此外，随着更大规模量子硬件架构的出现，该框架具备扩展能力。在所提出的方法中，先训练经典自编码器将图像数据压缩至可加载到量子设备的尺寸，随后在D-Wave设备上使用压缩数据训练受限玻尔兹曼机（RBM），并利用RBM的权重初始化用于图像分类的神经网络。研究结果在两个MNIST数据集和两个医学成像数据集上得到验证。
关键词： 量子机器学习、医学成像、量子计算、机器学习
更新于2025-09-23 15:23:52