量子科技中心_量科网

隐马尔可夫模型（HMMs）在时间序列建模中无处不在，其应用范围从化学反应建模到语音识别。这些HMM通常规模庞大，具有高维记忆特性。最新提出的量子技术应用是执行量子版本的HMM模拟。此类量子隐马尔可夫模型（QHMMs）的表达能力严格优于经典模型，能够构建更精简的随机过程模型。然而，当前基于张量网络的QHMM压缩技术仅适用于转移过程具有确定性的特定HMM子集。该工作提出了一种通用流程，使得任何有限遍历的HMM都能以此方式压缩，为通用HMM的有效量子降维提供了途径。研究人员通过在简单玩具模型和语音数据训练的HMM上进行验证，相比经典压缩方法，该方法在内存-准确率权衡方面表现出更优性能。