量子机器学习综述：当前趋势、挑战、机遇与未来之路
量子物理
2025-06-11 v4 机器学习
摘要
量子计算（QC）声称相比经典计算能提高解决复杂问题的效率。当QC与机器学习（ML）结合时，便产生了量子机器学习（QML）系统。本文旨在提供对QC基础概念及其相对于经典计算的显著优势的全面理解。此后，我们详细而全面地深入探讨QML的关键方面。在本综述中，我们调研了多种QML算法，讨论它们在不同领域的适用性。我们考察量子数据集，突出其独特特性与优势。该综述还涵盖硬件技术的现状，提供对最新进展及其对QML影响的见解。此外，我们回顾可用于QML开发的软件工具与模拟器，讨论其特性与可用性。进而，我们探索QML的实际应用，说明它如何比经典ML方法更有效地用于解决现实世界问题。本综述旨在整合QML的当前格局并勾勒未来研究的关键机遇与挑战。
引用
@article{arxiv.2310.10315,
title = {A Survey on Quantum Machine Learning: Current Trends, Challenges, Opportunities, and the Road Ahead},
author = {Kamila Zaman and Alberto Marchisio and Muhammad Abdullah Hanif and Muhammad Shafique},
journal= {arXiv preprint arXiv:2310.10315},
year = {2025}
}