量子马尔可夫链：针对时尚推荐系统的枢纽修剪估计

本文探讨了浅层量子电路能否准确再现由时尚电子商务推荐链接导出的离散时间马尔可夫链的短期动力学。将转换算子编译为块编码电路，并使用固定点易忽深�幅增幅进行迭代，使用幅度编码的边缘来估计经典的推前作用。经验上，诸如黑色和在一定程度上为白色的颜色类别功能为高度枢纽，主导概率流。因此，我们评估了三种链变体：包括所有颜色的完整网络、不包括黑色的网络，以及不包括黑色和白色的网络，以量化在现实电路深度和测量预算下的枢纽修剪效果。在来自多个零售商聚合的网络中，枢纽修剪在浅层深度下一致地改善了量子和经典的一致性；总变距离和KL散度通常相对于完整网络降低约为二分之一，而状态保真度保持接近于单位。通过减少交叉项和有效扩大谱间隙，偏差和收缩分析解释了这些收益。结果表明，枢纽修剪的块编码是近期实验中用于推荐动态的小型量子寄存器上的实用启发式方法，并提供了一个可重复的基准测试协议，报告总变距离、KL散度和状态保真度作为电路深度和预测时滞的函数。