建立光子量子机器学习基准：来自开放合作倡议的洞见
量子物理
2025-10-31 v1
摘要
Perceval 挑战是一个开放、可重复的基准，旨�评估光子量子计算在机器学习中的潜力。该挑战聚焦于 MNIST 手写数字分类任务的规模受限且硬件可行的版本，为评估光子量子电路如何从有限数据中学习与泛化提供了具体框架。该挑战持续超过三个月，吸引了来自全球64支团队参赛。初始遴选后，11支最终决赛队获准获取 GPU 资源进行大规模仿真与光子硬件执行。结果建立了光子机器学习性能的首个统一基准，揭示了变分、硬件本土及混合方法之间的互补优势。这一挑战也凸显了开放、可重复实验及跨学科合作的重要性，表明共享基准如何加速量子增强学习的进展。所有实现均公开于单一共享仓库（https://github.com/Quandela/HybridAIQuantum-Challenge），支持透明基准测试与累积性研究。超越此特定任务，Perceval 挑战说明了系统化、协作实验如何勾勒光子量子机器学习当前图景，为实现混合、量子增强型 AI 工作流程铺平了道路。
引用
@article{arxiv.2510.25839,
title = {Establishing Baselines for Photonic Quantum Machine Learning: Insights from an Open, Collaborative Initiative},
author = {Cassandre Notton and Vassilis Apostolou and Agathe Senellart and Anthony Walsh and Daphne Wang and Yichen Xie and Songqinghao Yang and Ilyass Mejdoub and Oussama Zouhry and Kuan-Cheng Chen and Chen-Yu Liu and Ankit Sharma and Edara Yaswanth Balaji and Soham Prithviraj Pawar and Ludovic Le Frioux and Valentin Macheret and Antoine Radet and Valentin Deumier and Ashesh Kumar Gupta and Gabriele Intoccia and Dimitri Jordan Kenne and Chiara Marullo and Giovanni Massafra and Nicolas Reinaldet and Vincenzo Schiano Di Cola and Danylo Kolesnyk and Yelyzaveta Vodovozova and Rawad Mezher and Pierre-Emmanuel Emeriau and Alexia Salavrakos and Jean Senellart},
journal= {arXiv preprint arXiv:2510.25839},
year = {2025}
}