探索量子引导抽样用于AQP误差评估：一项试点研究
量子物理
2025-08-26 v1 统计理论
统计理论
摘要
Approximate Query Processing (AQP)的误差评估是一个具有挑战性的问题。引导抽样可以在population数据分布未知的情况下产生误差评估。然而，引导抽样需要对数据进行大量带替换的抽样，这是一项计算密集型的程序。本文引入了量子引导抽样（Quantum Bootstrap Sampling, QBS）框架，在量子计算机上生成引导抽样样本，并为AQP查询估计产生误差评估。本文包括该框架的量子电路设计。
引用
@article{arxiv.2508.17500,
title = {Exploring Quantum Bootstrap Sampling for AQP Error Assessment: A Pilot Study},
author = {Feng Yu and Raya Jahan},
journal= {arXiv preprint arXiv:2508.17500},
year = {2025}
}
备注
Database and Expert Systems Applications 2025 Conference