量子上下文赌博机与面向量子数据的推荐系统
量子物理
2025-10-28 v1 信息检索
机器学习
摘要
我们利用线性上下文赌博机框架研究面向量子数据的推荐系统。每轮中，学习器接收一个可观测量（上下文），并须从有限个未知量子态（动作）中推荐一个进行测量。学习器的目标是最大化每轮奖励，即对该未知态测量的结果。利用此模型我们表述了低能量量子态推荐问题，其中上下文为哈密顿量，目标是推荐能量最低的态。对此任务，我们研究两类上下文族：Ising模型与广义团簇模型。我们观察到，若将动作解释为模型的不同相，则推荐通过对给定哈密顿量的正确相进行分类来完成，该策略可解释为在线量子相分类器。
引用
@article{arxiv.2301.13524,
title = {Quantum contextual bandits and recommender systems for quantum data},
author = {Shrigyan Brahmachari and Josep Lumbreras and Marco Tomamichel},
journal= {arXiv preprint arXiv:2301.13524},
year = {2025}
}
备注
15 pages, 9 figures