量子科技中心_量科网

量子计算在机器学习中的应用是量子技术中最令人兴奋的领域之一。研究团队正在开发受经典模型启发的量子模型，以寻找量子方法相对于经典方法的潜在优势。在开发和测试量子机器学习（QML）算法时，一个主要挑战是缺乏专门为量子算法设计的数据集。现有的数据集通常是从经典机器学习中借用的，需要进行修改才能与当前噪声较大的量子硬件兼容。该工作利用物联网（IoT）设备生成的数据集，其格式直接与所提出的量子算法兼容，从而无需进行特征降维。在量子启发的机器学习算法中，投影量子核（PQK）因其将编码在希尔伯特空间中的数据投影到经典空间的优雅解决方案而脱颖而出。该工作详细介绍了如何利用PQK方法在物联网数据上构建预测模型，并将PQK与常见的量子核方法及其经典对应方法进行了比较，同时研究了不同特征映射在将经典物联网数据编码到量子计算机中的影响。