用于聚合物分类的光子量子计算
量子物理
2022-11-23 v1 机器学习
神经与进化计算
摘要
我们提出了一种用于聚合物结构二分类的经典-量子混合方法。基于聚合物间隙尺寸定义了视觉（VIS）与近红外（NIR）两类聚合物。该混合方法将高斯核方法、量子增强随机厨房水槽或变分量子分类器三种方法之一（由线性量子光子电路（LQPCs）实现）与经典深度神经网络（DNN）特征提取器相结合。后者从经典数据中提取样本化学结构信息，并降低数据维度，得到紧凑的二维数据向量，随后输入 LQPCs。我们采用 Gan 等人 [EPJ Quantum Technol. 9, 16 (2022)] 提出的基于光子的数据嵌入方案，将经典二维数据向量嵌入更高维的 Fock 空间。这种经典-量子混合策略利用仅含少量光子的 Fock 态，可获得精确的噪声中等规模量子兼容分类器。使用三种混合方法中任一方法所得的模型均成功分类了 VIS 与 NIR 聚合物。其准确率相当，得分介于 0.86 至 0.88 之间。这些发现表明，我们采用光子量子计算的混合方法能够捕捉真实聚合物数据中的化学与结构-性质关联模式。它们也为在具备更多逻辑量子比特时将此方法应用于复杂化学结构开辟了前景。
引用
@article{arxiv.2211.12207,
title = {Photonic Quantum Computing For Polymer Classification},
author = {Alexandrina Stoyanova and Taha Hammadia and Arno Ricou and Bogdan Penkovsky},
journal= {arXiv preprint arXiv:2211.12207},
year = {2022}
}