量智信息中心_量科网

高斯过程以其在监督机器学习模型中提供概率预测的能力而广为人知。这种非参数化特性和灵活性使其特别适用于回归任务。然而，使用标准方法训练高斯过程模型需要进行具有立方时间复杂度的矩阵求逆运算，这对大型数据集推断提出了重大计算挑战。 量子算法（如HHL算法）被提出作为解决方案，通过利用量子计算机高效求解线性方程组来规避经典矩阵求逆的需求。但要获得超越经典算法的计算优势，这些算法需要具备大量量子比特的容错量子计算机——目前尚未实现。 变分量子线性求解器是一种混合量子-经典算法，其通过经典计算机优化变分量子电路的参数来求解线性方程组。这种方法特别适用于含噪声中等规模量子计算机，因为它不需要大量量子比特。该技术可通过将矩阵求逆问题转化为线性方程组集合，用于计算高斯过程的后验分布。 该研究团队通过实证表明，使用变分量子线性求解器进行高斯过程回归推断时，其回归质量可与经典方法相媲美。