评估噪声对量子神经网络的影响：一项实验分析
人工智能
2023-11-27 v1
摘要
在量子计算的竞赛中，量子神经网络（QNNs）的潜在益处已愈发明显。然而，含噪声中等规模量子（NISQ）处理器易于出错，这对复杂算法或量子机器学习的执行提出了重大挑战。为确保QNNs的质量与安全，探究噪声对其性能的影响至关重要。本文全面分析噪声对QNNs的影响，考察不同噪声模型下的Mottonen态制备算法，并研究量子态经过QNNs多层时的退化。此外，本文评估噪声对预训练QNNs性能的影响，并强调噪声模型在量子计算中带来的挑战。本研究的发现对量子软件的发展具有重要意义，强调在开发QNNs时优先考量稳定性与噪声校正措施以确保可靠可信结果的重要性。本文增添了量子计算与量子机器学习的文献体系，为噪声对QNNs的影响提供新见解，并为开发更鲁棒高效的量子算法铺平道路。
引用
@article{arxiv.2311.14057,
title = {Assessing the Impact of Noise on Quantum Neural Networks: An Experimental Analysis},
author = {Erik B. Terres Escudero and Danel Arias Alamo and Oier Mentxaka Gómez and Pablo García Bringas},
journal= {arXiv preprint arXiv:2311.14057},
year = {2023}
}