-
题名面向含噪中规模量子处理器的量子机器学习
被引量：1
- 1
-
-
作者
石金晶
肖子萌
王雯萱
张师超
李学龙
-
机构
中南大学电子信息学院
中南大学计算机学院
广西师范大学广西多源信息挖掘与安全重点实验室
中国电信人工智能研究院
-
出处
《计算机学报》
北大核心
2025年第3期602-631,共30页
-
基金
国家自然科学基金(62272483)
湖南省自然科学基金杰出青年基金(2023JJ10078)
湖南省研究生科研创新项目(CX20240266)资助。
-
文摘
量子计算与人工智能结合,在增强模型表达能力、加速和优化机器学习等方面可能产生颠覆性影响,有望突破人工智能领域所面临的可解释性差、最优解难等问题,量子人工智能已成为国内外重点关注的学科前沿。量子机器学习是量子人工智能领域的重要研究内容,它将量子计算基础理论与机器学习原理相结合,以实现具有量子加速的机器学习任务。随着量子计算软硬件的快速发展,含噪中规模量子(NISQ)处理器的学习优势被证明,国内外学者相继提出一系列量子机器学习方法,以挖掘量子计算助力人工智能技术发展的创新应用。然而,当前的量子机器学习仍局限于对算法的优化,缺乏系统层面的理论架构,仍有许多科学问题亟待解决。本文首先从量子机器学习系统表征角度出发,建立量子机器学习系统的层次模型,概括和总结了面向各类任务的量子机器学习方案,分析了量子机器学习在提高经典算法速度等方面可能体现的“量子优势”。接着根据量子机器学习系统的层次结构,从原理层、计算层、应用层这三个方面对现有量子机器学习方法进行了总结与梳理,系统性地分析和讨论了其中的关键问题与解决方案。最后,结合当前阶段量子人工智能的发展特点,重点分析了量子机器学习领域面临的科学问题与挑战,并对未来该领域的发展趋势进行了深入分析与展望。
-
关键词
量子计算
量子人工智能
量子机器学习
量子算法
含噪中规模量子处理器
-
Keywords
quantum computing
quantum artificial intelligence
quantum machine learning
quantum algorithm
noisy intermediate-scale quantum processor
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
