张量网络与变分量子分类器的比较
量子物理
2024-07-09 v2
摘要
本文的主要目标是对两种机器学习方法——张量网络（TN）与变分量子分类器（VQC）——进行比较分析。尽管这两种方法在使用对数数量参数表示希尔伯特空间方面具有相似性，但它们所覆盖的流形不同。因此，旨在评估和比较这些方法的表达能力与可训练性。通过此比较，我们可以深入了解可能发现量子优势的潜在领域。我们的研究结果表明，在处理特征数量少的数据时，VQC在速度和精度方面具有优势。然而，对于高维数据，TN在整体分类精度上超越VQC。我们认为这种差异主要归因于量子电路训练过程中遇到的挑战。需要强调的是，本文仅关注单一特定任务，未对结果进行充分的均值处理。因此，建议将本文结果视为特例，不宜过度泛化。
引用
@article{arxiv.2311.15663,
title = {Comparison between Tensor Networks and Variational Quantum Classifier},
author = {Georgios Laskaris and Artem A. Melnikov and Michael R. Perelshtein and Reuben Brasher and Thomas Baeck and Florian Neukart},
journal= {arXiv preprint arXiv:2311.15663},
year = {2024}
}