An Artificial Neuron Implemented on an Actual Quantum Processor
人工神经网络是机器学习算法和人工智能协议的核心。从历史上看，人工神经元的最简单的实现可以追溯到经典的Rosenblatt的“感知器”，但其长期的实际应用可能会受到计算复杂性的快速扩展的阻碍，特别是与多层感知器网络的训练相关。在这里，我们介绍了一个基于量子信息的算法实现的量子计算机版本的感知器，这表明在编码资源的指数优势，替代实现。我们在一个实际的小规模量子处理器上对这个模型的几个量子比特版本进行了实验测试，结果与预期的结果相比，给出了非常好的答案。我们表明，这种感知器的量子模型可以用作简单模式的基本非线性分类器，作为在近期量子处理硬件上有效实现人工量子神经网络实际训练的第一步。
2018-11-06 quant-ph
Comment on "The photon identification loophole in EPRB experiments: computer models with single-wing selection"
与参考文献[1]中的声明相反，Giustina等人和Shalm等人最近的Bell测试并不存在“光子识别漏洞”。参考文献[1]中讨论的模型利用了众所周知的检测漏洞，这正是在最近的实验中被关闭的。
2018-07-13 quant-ph
A Roadmap for Automating the Selection of Quantum Computers for Quantum Algorithms
量子计算可以在未来的研究和工业中实现各种突破。虽然已经存在一些量子算法，与最知名的经典算法相比，它们在理论上表现出了加速，但这些算法的实现和执行面临着一些挑战。输入数据确定，例如，量子算法所需的量子位和门的数量。算法实现还取决于所使用的软件开发工具包，该软件开发工具包限制了可用量子计算机的集合。由于当前量子计算机的能力有限，选择一个合适的量子计算机来执行给定输入的特定实现是一个困难的挑战，需要关于所实现的量子算法的大量数学知识以及关于所使用的软件开发工具包的技术知识。因此，我们提出了一个路线图，用于自动分析和选择特定量子算法的实现以及可以使用给定输入数据执行所选实现的适当量子计算机。
2020-03-30 quant-ph
Quantum activation functions for quantum neural networks
Istituto di Fotonica e Nanotecnologie, Consiglio Nazionale delle Ricerche（意大利国家研究委员会光子学与纳米技术研究所）；Dipartimento di Fisica, Universitá degli Studi di Milano Bicocca（米兰比可卡大学物理系）
人工神经网络领域有望从量子计算机的最新发展中受益。特别是，量子机器学习，一类利用量子位创建可训练神经网络的量子算法，将为解决模式识别，聚类和机器学习等问题提供更多的力量。前馈神经网络的构建块由连接到输出神经元的一层神经元组成，该输出神经元根据任意激活函数被激活。相应的学习算法被称为Rosenblatt感知器。具有特定激活函数的量子感知器是已知的，但是在量子计算机上实现任意激活函数的一般方法仍然缺乏。在这里，我们填补了这一空白的量子算法，它能够近似任何解析激活函数的任何给定的顺序的幂级数。与以前的建议提供不可逆的测量-基于和简化的激活函数，在这里，我们将展示如何近似任何解析函数的任何所需的精度，而不需要测量的状态编码的信息。由于这种结构的通用性，任何前馈神经网络都可以根据Hornik定理获得通用逼近性质。我们的研究结果重塑了门模型量子计算机架构中的人工神经网络科学。
2022-01-10 cs.AI quant-ph
Feature Selection on Quantum Computers
TU Dortmund（多特蒙德工业大学）；Fraunhofer FZML（弗劳恩霍夫机器学习中心）；Fraunhofer IAIS（弗劳恩霍夫智能分析与信息系统研究所）
在机器学习中，更少的特征可以降低模型的复杂性。因此，仔细评估每个输入特征对模型质量的影响是关键的预处理步骤。我们提出了一种新的特征选择算法的基础上的二次无约束二进制优化（QUBO）问题，它允许选择指定数量的功能的重要性和冗余的基础上。与迭代或贪婪方法相比，我们的直接方法产生更高质量的解决方案。QUBO问题特别有趣，因为它们可以在量子硬件上解决。为了评估我们提出的算法，我们进行了一系列的数值实验，使用经典计算机，量子门计算机和量子退火。我们的评估将我们的方法与各种基准数据集上的一系列标准方法进行了比较。我们观察竞争性的表现。
2023-01-27 cs.LG quant-ph
Quantum computer based Feature Selection in Machine Learning
本文将特征选择建模为QUBO问题，在小规模数据集上比较量子与经典方法，并在27特征数据集上验证，发现经典随机优化因错误率仍更优。
2023-06-18 q-fin.CP quant-ph
The photon identification loophole in EPRB experiments: computer models with single-wing selection
最近的爱因斯坦-波多尔斯基-罗森-玻姆实验[M. Giustina等人，Phys. Rev. Lett. 115，250401（2015）; L. K. Shalm等人，Phys. Rev. Lett. 115，250402（2015）]，并被证明存在光子识别漏洞。数字计算机和离散事件模拟的组合用于构建这些实验室实验的最完美实现的最小但忠实的模型。与先前的模拟相反，所有光子的选择都是严格进行的，就像在实际实验中一样，在本地站进行，不涉及其他“后选择”。模拟结果表明，一个明显的非量子模型，识别光子在相同的本地方式，在这些实验中可以产生的相关性，是在良好的协议与量子理论描述的相应的思想实验，在冲突与贝尔定理。贝尔定理的失败是可能的，因为我们认识到了光子识别的漏洞。这种识别测量程序必然包括在所有实际实验中，但不包括在贝尔及其追随者的理论中。
2017-08-01 physics.comp-ph quant-ph
Automatic Post-selection by Ancillae Thermalisation
本文提出受本征态热化假说启发的辅助量子比特热化方法，用子系统迹消去替代指数级后选择测量，以对数级资源达到同等精度，并在量子感知器和相位估计中验证。
2023-04-21 cond-mat.str-el quant-ph
Feature Selection for Recommender Systems with Quantum Computing
Politecnico di Milano（米兰理工大学）；ContentWise（ContentWise公司）
量子计算在几个科学领域开辟新的未探索的可能性的承诺已经讨论了很长时间，但直到最近，由于缺乏功能性量子计算机，这种讨论主要局限于理论算法论文。直到最近几年，小型但功能强大的量子计算机才被更广泛的研究界所使用。特别是一个范例，量子退火，可以用来采样的最佳解决方案的一些NP-硬优化问题与经典的运筹学工具，提供了一个方便的访问这种新兴技术的潜力。最自然地适合这个数学公式的任务之一是特征选择。在本文中，我们研究如何设计一个混合的特征选择算法的推荐系统，利用领域知识和行为隐藏在用户交互数据。我们将特征选择表示为优化问题，并在D-Wave提供的真实量子计算机上解决它。结果表明，所提出的方法在选择有限的一组重要特征方面是有效的，量子计算机正变得足够强大，可以进入更广泛的应用科学领域。
2021-10-11 cs.IR cs.LG quant-ph
Quantum Neuron with Separable-State Encoding
将先进的量子神经元模型用于模式识别应用需要容错。因此，目前还不可能在现有的量子处理器中大规模测试这些模型。作为替代方案，我们提出了一种量子感知器（QP）模型，该模型使用减少数量的多量子比特门，因此在当前具有有限公差的实际量子计算机中不易受量子错误的影响。所提出的量子算法优于其经典的对应物，虽然由于它没有充分利用量子纠缠，它提供了一个较低的编码功率比其他量子算法使用多量子比特纠缠。然而，可分离状态编码的使用允许在当前可用的非容错量子计算机中大规模地测试算法和不同的训练方案。我们通过在模拟量子计算机中实现几个量子比特版本的QP来证明所提出的模型的性能。所提出的QP使用表征模式的二进制输入数据的N元编码。我们开发了一个混合（量子经典）的训练过程模拟QP的学习过程，并测试其效率。
2022-02-16 quant-ph
Ensemble Algorithm for the Selection Problem by NMR Ensemble Quantum Computers
在本文中，我们提出了一个集成算法的选择问题，找到第k个最小的元素在未排序的数据库。我们将使用“分治”策略搜索第k个最小元素。我们首先将数据库的域D划分为两部分，确定所查找的对象元素属于这两部分中的哪一部分，然后集中于该部分。我们重复划分该部分，直到找到对象元素。确定哪一部分取决于集合计数方案的输出，该方案输出满足oracle查询函数值的赋值的数量设置为1。我们的算法通过构造一个新的Oracle查询函数g_y（j）来修改集合计数方案。如果第j个元素小于或等于y，则我们将g_y（j）设置为1。首先，我们将y设置为D的中间值，并使用Oracle查询函数g_y（.）为了计算数C，满足g_y（j）=1的j的个数。如果C>k，则对象元素位于D的前半部分。如果C<=k，那么它一定在D的后半部分。我们递归地应用这种方法，通过调整y直到找到目标元素。因此，我们的算法需要O（ln |D|）Oracle查询以获得足够的测量精度来找到第k个最小元素，其中|D|表示D的大小。
2004-07-15 quant-ph
Bayesian Searches and Quantum Oscillators
一项新的LLNL战略计划的重点是在输入数据依赖于隐藏参数时开发贝叶斯推断的改进方法。这项工作的一部分涉及调查的想法，使用量子振荡器阵列（即微波腔）作为模拟计算机实现贝叶斯模型选择。实际的动机是双重的：1）贝叶斯模型选择问题往往是棘手的使用传统的数字计算机，和2）量子信息处理可以允许检测弱模拟信号低于通常的量子噪声阈值。
2018-12-19 quant-ph
Quantum Adiabatic Feature Selection
模糊性约简是机器学习和模式识别的基本问题。在数据预处理过程中，为了降低计算复杂度，往往需要进行特征选择。特征选择问题被归类为NP优化问题。在经典计算机上，对庞大的特征集进行穷举搜索需要花费大量时间。本文讨论了量子绝热计算在双二次优化特征选择中的作用，并给出了一种量子特征选择算法。我们的算法运行的量子绝热时间复杂度界$O(1/g_{min}^{2})$，这是优于经典的双二次特征选择方法。
2019-09-18 quant-ph
Left-Deep Join Order Selection with Higher-Order Unconstrained Binary Optimization on Quantum Computers
提出三种基于高阶无约束二值优化模型的量子优化算法解决连接顺序选择问题，在理论上建立与经典算法的联系，并在数千种查询图上验证了实用性。
2025-02-01 cs.DB quant-ph
Quantum Algorithms for State Preparation and Data Classification based on Stabilizer Codes
受量子纠错与稳定子码启发，提出基于校验子检测的量子感知机与神经网络分类模型，并设计了仅需多项式数量基本门近似振幅编码的递归算法RASA以解决量子态制备问题。
2023-09-18 physics.data-an quant-ph
Error detection without post-selection in adaptive quantum circuits
Quantinuum
本文通过使用Quantinuum的H2量子计算机，利用[4,2,2]码模拟非平衡相变，将检测到的错误转换为随机重置，从而避免后选择，降低误差检测成本。
2025-09-29 cond-mat.str-el quant-ph
Quantum Entanglement Path Selection and Qubit Allocation via Adversarial Group Neural Bandits
针对量子数据网络中长距离纠缠连接的路径选择与比特分配难题，提出基于对抗分组神经老虎机的EXPNeuralUCB算法，在有攻击者且链路成功率未知的场景下实现更优的纠缠连接成功率。
2024-11-01 cs.NI quant-ph
A charge selection rule fixes what a squeezed-light reservoir computer can compute and afford
Wyant College of Optical Sciences, University of Arizona（亚利桑那大学怀特光学学院）
研究提出电荷选择规则，揭示压缩光 reservoir computer 的可计算内容与成本由探测器而非光学系统决定，验证了其在位移编码控制任务中的精度损失符合电荷代数预测。
2026-08-31 math-ph math.MP quant-ph
What do we learn from computer simulations of Bell experiments?
与反事实的确定性相反，量子理论告诉我们，测量仪器并不是被动地读取物理可观察量的预定值。反事实确定性允许证明贝尔不等式。如果正确地考虑了量子测量的上下文特征，这些不等式的证明就可能不被完成。在最近的计算机模拟的理想化贝尔实验预定连续的测量结果，为每个设置和预定的时间延迟，他们的注册计算。时间窗口和时间延迟用于选择各种样本。使用这些选定的样本估计的相关性与量子理论的预测一致，并且时间窗口依赖性与在一些真实实验中观察到的依赖性相似。这是一个重要的例子，说明如何在不引起量子非定域性的情况下解释相关性。然而，通过使用适当的后选择，可以证明任何事情。由于在后选择之前生成的样本可能不会像使用量子预测生成的有限样本那样显著地违反贝尔不等式，因此人们可能不会得出反事实确定性不能区分经典物理和量子物理的结论。此外，我们表明，对于每个选择的时间窗口存在一个上下文的隐变量概率模型与作者使用的后选择程序相一致，这解释了为什么他们能够重现量子预测。
2016-11-25 physics.hist-ph quant-ph
When Machine Learning Meets Quantum Computers: A Case Study
University of Notre Dame（圣母大学）；IBM Thomas J. Watson Research Center（IBM托马斯·J·沃森研究中心）
随着人工智能民主化的发展，机器学习方法，特别是神经网络，已被广泛应用。在不同的应用场景中，神经网络将在量身定制的计算平台上加速。神经网络在CPU、GPU、FPGA、ASIC等经典计算平台上的加速已经得到了广泛的研究，然而，随着应用规模的不断增大，存储器瓶颈变得越来越明显，即众所周知的存储器墙。为了应对这样的挑战，可以用N个量子比特（qubit）表示2^N个态的高级量子计算被认为是有希望的解决方案。如何设计用于加速神经网络的量子线路已迫在眉睫。最近，有初步的工作研究如何将神经网络映射到实际的量子处理器。为了更好地理解最先进的设计和启发新的设计方法，本文进行了一个案例研究，以展示一个端到端的实现。在神经网络方面，我们采用多层感知器来完成图像分类任务，使用标准和广泛使用的MNIST数据集。在量子计算方面，我们的目标是IBM Quantum处理器，可以使用IBM Qiskit对其进行编程和模拟。这项工作的目标是在量子处理器上加速经过训练的神经网络的推理阶段。随着案例研究，我们将展示映射神经网络到量子线路的典型过程。
2020-12-18 cs.LG quant-ph
Fitting a Collider in a Quantum Computer: Tackling the Challenges of Quantum Machine Learning for Big Datasets
针对量子系统难处理高能物理高维大数据集的问题，本文研究特征与数据原型选择技术，对比量子与经典浅层机器学习模型，发现二者性能相当，且主成分分析变换数据更适配高能物理量子机器学习场景。
2023-12-06 hep-ex hep-ph physics.data-an
Continuous-variable photonic quantum extreme learning machines for fast collider-data selection
Blackett Laboratory, Imperial College（帝国理工学院布莱克特实验室）；Institute for Particle Physics Phenomenology, Durham University（杜伦大学粒子物理现象学研究所）
研究用连续变量光子量子极端学习机处理对撞机数据，通过正交位移编码数据，经高斯量子基板传播，仅训练线性分类器。在顶喷注标记和希格斯玻色子识别任务中表现出色，优于部分MLP，有望用于对撞机实验的数据选择与触发集成。
2026-07-23 hep-ex hep-ph quant-ph
Robust Quantum Machine Learning for Collider Event Selection under Detector Variability
CERN（欧洲核子研究中心）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Durham University（杜伦大学）
该研究探究参数化量子模型在探测器变异性下对鲁棒对撞机事例选择的作用，发现其在特征模糊时输出分数偏移更小、区分能力保持更优，具备鲁棒性归纳偏置。
2026-08-13 hep-ex hep-ph quant-ph
