量子模式识别

我回顾并扩展了近来提出的量子联想记忆模型。在该模型中，n位二进制模式存储于n个量子比特计算基的适当子集的量子叠加中。可通过在该子集内对记忆量子态执行依赖于输入的旋转并测量所得态来检索信息。此旋转后记忆态的振幅在那些与输入汉明距离最近的已存储模式上出现峰值，从而导致以高概率测量到与之非常相似的记忆模式。模式回忆的准确度可通过调节一个充当有效温度角色的参量来调整。该模型解决了经典联想记忆著名的容量不足问题，在容量上提供了指数级改进。所付出的代价是信息检索的概率性本质，然而这一特征本模型与我们自身大脑共有。