有偏量子随机数对人工神经网络初始化的影响

实用量子计算的最新进展带来了多种基于云的量子计算平台，使研究者能在含噪中等规模量子（NISQ）设备上评估其算法。量子计算机的一个共同特性是能展现真随机性实例，而非经典系统获得的伪随机性。在机器学习背景下研究此类真量子随机性的影响颇具吸引力，近期结果模糊地表明，使用量子随机数确实可带来益处。为阐明此话题，我们在数值实验中实证研究了硬件有偏量子随机数对人工神经网络权重初始化的影响。我们发现，与无偏量子随机数以及来自经典伪随机数生成器的有偏与无偏随机数相比，无统计显著差异。我们实验所用的量子随机数取自真实量子硬件。