面向量子机器学习的局部替代模型
量子物理
2025-06-12 v1
摘要
替代模型被提议作为预训练量子学习模型的经典仿真器，能够模仿量子模型中固有的输入输出关系。该框架下，量子硬件用于训练和生成经典替代模型。推断任务则交由经典替代模型完成，从而在训练完成后减轻额外的量子计算成本。借鉴可解释模型的思路，我们引入一种基于重新上载类型量子学习模型的局部替代协议，包括作为高效中间量子学习模型的局部量子替代模型。当训练和推断仅关注数据空间的子区域时，部署局部量子替代模型可实现比特成本的降低，而下游的局部经典替代模型实现了推断阶段的去量子化。本文 presenting several numerical experiments.
引用
@article{arxiv.2506.09425,
title = {Local surrogates for quantum machine learning},
author = {Sreeraj Rajindran Nair and Christopher Ferrie},
journal= {arXiv preprint arXiv:2506.09425},
year = {2025}
}
备注
13 pages, 7 figures