量子科技中心_量科网

基数估计是数据库管理系统查询优化的重要组成部分。该研究团队开发了一种采用混合量子-经典网络的量子机器学习方法——量子基数估计（QCardEst）。研究人员定义了一种紧凑编码方式，可将SQL查询转化为量子态，该方式仅需与查询中表数量相等的量子比特。这使得在当前硬件上只需单个变分量子电路（VQC）即可处理完整查询。此外，该工作比较了多种经典后处理层，用于将VQC输出的概率向量转化为基数数值。 该团队提出量子基数校正（QCardCorr）方法，通过将经典基数估计器的输出与VQC生成的修正因子相乘来提升估计精度。经QCardCorr优化后，相较标准PostgreSQL优化器，在JOB-light基准上获得6.37倍提升，在STATS基准上获得8.66倍提升。对于JOB-light测试集，该方案甚至以3.47倍优势超越MSCN方法。