基于变分纠缠传感器网络的量子增强数据分类
量子物理
2021-06-09 v2 光学
摘要
建立在含噪中等规模量子（NISQ）硬件之上并结合经典处理的变分量子线路（VQCs），构成了量子模拟、经典优化和机器学习的一种有前景的架构。然而，展示相对于经典方案的量子优势所需的VQC深度超出了现有NISQ器件的能力范围。由纠缠传感器网络辅助的监督学习（SLAEN）是一种独特的范式，它利用由经典机器学习算法训练的VQC来定制传感器共享的多体纠缠，以解决实际有用的数据处理问题。在此，我们报道了SLAEN的首次实验演示，并展示了纠缠带来的多维射频信号分类错误概率的降低。我们的工作为量子增强数据处理及其在NISQ时代的应用铺平了新道路。
引用
@article{arxiv.2006.11962,
title = {Quantum-enhanced data classification with a variational entangled sensor network},
author = {Yi Xia and Wei Li and Quntao Zhuang and Zheshen Zhang},
journal= {arXiv preprint arXiv:2006.11962},
year = {2021}
}
备注
19 pages, 15 figures