QCardEst/QCardCorr：量子基数估计与校正
量子物理
2025-09-11 v1 人工智能
数据库
机器学习
摘要
基数估计是数据库管理系统查询优化中的重要环节。我们开发了基于量子机器学习的量子基数估计(QCardEst)方法，采用混合量子-经典网络。我们定义一种紧凑编码，将SQL查询转化为量子态，仅需等于查询中表格数量的量子比特。这使得在当前硬件上仅用单个变分量子电路(VQC)即可处理完整查询。此外，我们比较多种经典后处理层，将VQC输出的概率向量转化为基数值。我们引入量子基数校正QCardCorr，通过VQC生成的因子来提高经典基数估计器的输出，从而改善基数估计。采用QCardCorr后，针对JOB-light数据集相对于标准PostgreSQL优化器提升6.37倍，针对STATS数据集提升8.66倍。对于JOB-light，我们以3.47倍的因子超越MSCN。
引用
@article{arxiv.2509.08817,
title = {QCardEst/QCardCorr: Quantum Cardinality Estimation and Correction},
author = {Tobias Winker and Jinghua Groppe and Sven Groppe},
journal= {arXiv preprint arXiv:2509.08817},
year = {2025}
}
备注
7 pages