量子科技中心_量科网

随着量子计算即将迈入纠错时代，有必要理解后NISQ时代特定算法对实际问题的适用性。其中最具前景、适用广泛但实际实施难度较高的，是用于线性方程组的Harrow-Hassidim-Lloyd（HHL）算法。从机器学习到流体动力学，大量问题都可表述为线性方程组。然而在多数情况下，HHL算法无法为这些问题提供切实可行的解决方案。本文旨在探究：当预先获知问题的部分数值信息时，是否可通过机器学习分类器将问题标注为适合或不适合采用HHL算法。该研究团队证明，基于代表方程组矩阵数值特性的关键特征，对具有显著代表性的数据分布进行训练，对实现问题的有效分类至关重要。通过精心设计训练数据分布和分类器参数，采用多层感知机能够实现准确分类。