面向射电天文学的量子机器学习
量子物理
2021-12-13 v2 高能天体物理现象
机器学习
摘要
在这项工作中，我们引入了一种利用 Born 机（常被称为量子神经网络）解决时域射电天文学中脉冲星分类问题的新方法。使用单量子比特架构，我们展示了脉冲星分类问题能很好地映射到 Bloch 球上，并且可以达到与更经典的机器学习方法相媲美的准确率。我们为本文所用的脉冲星数据引入了一种新颖的单量子比特编码，并展示其性能与多量子比特 QAOA 编码相当。
引用
@article{arxiv.2112.02655,
title = {Quantum Machine Learning for Radio Astronomy},
author = {Mohammad Kordzanganeh and Aydin Utting and Anna Scaife},
journal= {arXiv preprint arXiv:2112.02655},
year = {2021}
}
备注
Accepted in: Fourth Workshop on Machine Learning and the Physical Sciences (35th Conference on Neural Information Processing Systems; NeurIPS2021); final version