基于极值理论估计推荐系统中特征选择的量子计算执行需求
量子计算的最新进展显著加速了量子辅助信息检索与推荐系统的研究,尤其在通过将特征选择问题转化为可在量子硬件上执行的二次无约束二元优化(QUBO)问题方面取得突破。然而现有研究主要聚焦有效性与效率,往往忽略现实量子硬件的概率性与噪声特性。该研究团队提出基于极值理论(EVT)的解决方案,定量评估量子方案的可用性。具体而言,针对固定规模问题,该方法估算量子计算机上为可靠获得高质量解所需的运行次数(shots),该解与传统计算机经典基线结果相当或更优。在多个量子平台(含两台模拟器和两台物理量子处理器)开展的实验表明,该方法有效估算了在两个广泛使用的基准数据集上获得满意解所需的运行次数。
