量智信息中心_量科网

在NISQ时代，需要开展资源高效的原理验证实验，这些实验可逐步发展为真正有用的应用。单量子比特分类器（SQC）是一种小规模的混合量子-经典机器，能够执行基本的机器学习任务：数据分类。原则上，这类分类器可以扩展为具备量子计算优势的多量子比特量子分类器。另一种量子优势则通过盲量子计算（BQC）实现，在这种计算中，客户端可以在信息论安全的前提下，在不可信服务器上运行委托的量子计算。本研究开发了一个框架，并提出了针对SQC的原型实验方案：服务器知道正在执行分类任务，但数据和结果对服务器保持隐藏，即实现部分盲SQC（PB-SQC）。该方案可集成到量子网络中，为远程客户端提供量子安全分类；论文在一种异构量子网络链路上对此进行了研究，该链路通过纠缠交换，在配备复用固态量子存储器的服务器与客户端之间共享纠缠。针对此设置开发的PB-SQC框架，在基于真实硬件参数、使用实际信用卡交易欺诈数据库的仿真中进行了测试，其分类结果接近等效经典深度置信网络的性能。此外，研究还展示了使用双量子比特分类器（TQC）而非SQC，如何实现对计算结果的验证。这些成果为短期内实现面向特定用例的量子应用网络铺平了道路。