原型混合量子网络上的部分盲单量子比特分类

在NISQ时代，需要能够构建为真正实用性的资源高效原理验证实验。单量子比特分类器（SQC）是能够执行基本机器学习任务（数据分类）的小型混合量子经典机器。原则上，这些可以扩展到能够实现量子计算优势的多量子比特量子分类器。另一种量子优势由盲量子计算（BQC）实现，其中客户端可以在不可信服务器上以信息论安全性运行委托的量子计算。在本文中，我们开发了一个框架，并为SQC提出了一个原型实验，其中服务器知道正在执行分类，但数据和结果保持隐藏，即执行部分盲SQC（PB-SQC）。这可以集成到量子网络中，为远程客户端提供量子安全的分类；我们针对异构量子网络链路进行了研究，其中通过纠缠交换在服务器和配备多路复用固态量子存储器的客户端之间共享纠缠。我们为此设置开发的PB-SQC框架在具有现实硬件参数的模拟中，在真实世界信用卡交易欺诈数据库上进行了测试，分类结果接近其等效经典深度信念网络。此外，我们展示了如何使用双量子比特分类器（TQC）代替SQC来实现计算的验证。这些结果为短期至中期的量子网络铺平了道路，提供了可立即使用的量子应用。