由韩国高级科学技术研究所 用于实现基于非线性核的二进制分类的量子电路
信用:KAIST 量子信息科学家在量子计算中引入了一种新的机器学习分类方法
量子二进制分类器中的非线性量子核为提高量子机器学习的准确性提供了新的见解，被认为能够优于当前的人工智能技术
电气工程学院的朱恩-古·凯文·雷教授领导的研究小组提出了一种基于量子态保真度的量子分类器，该分类器使用不同的初始状态，并用交换测试代替哈达玛分类
与传统方法不同，当训练数据集较小时，通过利用在大特征空间中寻找非线性特征的量子优势，该方法有望显著增强分类任务
量子机器学习有望成为量子计算的重要应用之一
在机器学习中，广泛应用的一个基本问题是分类，这是一项识别带标签的训练数据中的模式以给新的、以前看不见的数据分配标签所需的任务；核方法已经成为识别复杂数据中非线性关系的宝贵分类工具
最近，核方法被成功地引入到量子机器学习中
量子计算机在量子特征空间中有效访问和操作数据的能力可以为量子技术提供增强各种现有机器学习方法的机会
具有非线性核的分类算法的思想是，给定一个量子测试状态，协议通过交换测试电路计算量子并行量子数据保真度的加权功率和，然后是两个单量子位测量(见图1)
无论数据大小如何，这都只需要少量的量子数据操作
这种方法的新颖之处在于，标记的训练数据可以密集地打包成量子态，然后与测试数据进行比较
信用:KAIST KAIST团队与南非夸祖鲁-纳塔尔大学和德国数据控制论的研究人员合作，通过引入具有定制量子核的量子分类器，进一步推进了快速发展的量子机器学习领域
输入数据或者由经典数据通过量子特征映射表示，或者由内在量子数据表示，并且分类基于测量测试数据与训练数据的接近度的核函数
医生
这项研究的主要作者之一、KAIST的丹尼尔·帕克(Daniel Park)说，量子内核可以系统地定制为任意的幂和，这使得它成为现实世界应用的优秀候选
Rhe教授说，量子分叉技术是该团队以前发明的一种技术，它使得从零开始启动协议成为可能，即使所有标记的训练数据和测试数据都独立编码在单独的量子位中。
来自UKZN的Francesco Petruccione教授解释说:“两个量子态的态保真度包括概率振幅的虚部，这使得能够使用完整的量子特征空间
" 为了证明分类协议的有用性，来自数据控制论的卡斯滕·布兰克(Carsten Blank)实现了该分类器，并使用公共用户可以通过云服务免费获得的五量子位IBM量子计算机对经典模拟进行了比较
布兰克指出:“这是一个有希望的迹象，表明该领域正在取得进展。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
