尽管量子计算架构仍在开发中，但即使未来投入使用，它们也只能处理量子数据，而机器学习算法目前仅能处理数值数据。因此，在分类或回归问题中，必须通过模拟研究量子系统——这些系统能将数值输入数据转换为量子形态，使量子计算机得以运用现有的机器学习方法。 该研究基于混合量子-经典神经网络在手写数字（MNIST数据集）分类问题上的训练与性能实验。通过对比两种模型（参数量相近的经典神经网络与量子神经网络）发现：虽然量子网络的模拟过程耗时较长，但其性能超越了经典网络——具有更好的收敛性，并在训练和测试准确率上均取得更优表现。
作者所在地：
VIP可见
作者单位：
VIP可见
期刊参考：
登录可见
页数/图表：
登录可见
提交arXiv：
2021-08-19 18:49
