现场室温量子计算机上的首批量子机器学习应用

我们首次展示了在现尝室温量子计算机上应用量子机器学习（QML）算法。安装在澳大利亚珀斯 Pawsey 超级计算中心的一台双量子比特量子计算机被用于解决未见过的（即未训练的）2D 数据点上的多类分类问题。底层的 1 量子比特模型基于通用量子分类器的数据重上传框架，并使用 Adam 优化器在理想量子模拟器上进行了训练。在训练过程中没有使用噪声模型或特定于设备的见解。优化后的模型通过单次 XYX 分解部署到量子设备上，产生了三次参数化的单量子比特旋转。不同分类问题的结果与理想模拟器的最优结果进行了比较。该室温量子计算机实现了非常高的分类准确率，与理想状态向量模拟不相上下。