量子机器学习综述_王健.pdf

网络首发时间：2024-01-2609:59:45

网络首发地址：/urlid/11.2560.TP1324.003

软件学报

ISSN

1000-9825,

CODEN

RUXUEWE-mail:

jos@

JournalofSoftware

[doi:

10.13328/ki.jos.007042]

©中国科学院软件研究所版权所有.Tel:

+86-10

*

量子机器学习综述

112

王

健,

张

蕊,

姜

楠

1(智能交通数据安全与隐私保护技术北京市重点实验室

(北京交通大学),

北京

100044)

2(北京工业大学

信息学部,

北京

100124)

通信作者:

姜楠,

E-mail:

jiangnan@

摘要:

近年来,

机器学习一直是被关注和探讨的研究热点,

被应用到各领域并在其中起着重要作用.

但随着数据

量的不断增加,

机器学习算法训练时间越来越长.

与此同时,

量子计算机表现出强大的运算能力.

因此,

有研究人员

尝试用量子计算的方法解决机器学习训练时间长的问题,

量子机器学习这一领域应运而生.

量子主成分分析、量

子支持向量机、量子深度学习等量子机器学习算法相继被提出,

并有实验证明了量子机器学习算法有显著的加速

效果,

使得量子机器学习的研究展现出逐步走高的趋势.

对量子机器学习算法进行综述.

首先介绍量子计算基础;

然后对量子监督学习、量子无监督学习、量子半监督学习、量子强化学习以及量子深度学习5类量子机器学习

算法进行介绍;

接着对量子机器学习的相关应用进行介绍并给出了算法实验;

最后进行总结和展望.

关键词:

量子机器学习;

量子计算;

机器学习;

量子深度学习;

量子实验

中图法分类号:

TP18

中文引用格式:

王健,

张蕊,

姜楠.

量子机器学习综述.

软件学报.

/1000-9825/7042.htm

英文引用格式:

Wang

J,

Zhang

R,

Jiang

N.

Survey

on

Quantum

Machine

Learning.

Ruan

Jian

Xue

Bao/Journal

of

Software

(in

Chinese).

/1000-9825/7042.htm

SurveyonQuantumMachineLearning

112

WANG

Jian,

ZHANG

Rui,

JIANG

Nan

1(B