HARLI CQUINN：用于 K 均值的线性复杂度量子启发网络实现更高调整随机性
量子物理
2025-09-26 v2 新兴技术
摘要
我们将量子 K 均值算法的一种极简实现与经典 K 均值算法进行了对比。通过经典模拟结果，我们展示了量子性能达到或超过经典 K 均值算法。我们给出了其在知名数据集和实验数据集测试用例上的准确性基准。尽管对量子 K 均值算法的研究已很广泛，但我们的方法揭示了此前未被探索的方法论改进。编码步骤可以极简化，将经典数据以比现有方法更直接的方式导入量子态。所提出的量子启发式算法在准确率和调整兰德指数（ARI）方面，相较于纯粹的经典 K 均值算法表现更优。通过研究多种编码策略，我们为量子计算聚类技术提供了细致入微的见解。
引用
@article{arxiv.2509.19395,
title = {HARLI CQUINN: Higher Adjusted Randomness with Linear In Complexity QUantum INspired Networks for K-Means},
author = {Jiten Oswal and Saumya Biswas},
journal= {arXiv preprint arXiv:2509.19395},
year = {2025}
}