表示量子神经网络激发模式的图上的量子行走
量子物理
2014-04-02 v1
摘要
量子行走已被证明是分析量子系统动力学特性的有效工具。本文提出将量子行走作为量子神经网络（QNN）的一种方法。QNN用量子比特替换二进制的McCulloch-Pitts神经元，以利用量子计算在神经网络中的优势。在这种QNN的激发态上的量子行走被认为可以模拟经典神经网络动力学的核心特性，如联想记忆。结果表明，从生物神经元的更新过程导出的有偏离散Hadamard行走不会导致酉行走。然而，可以构造QNN全局激发态之间的随机量子行走，并且表明它包含了联想记忆的特征。量子对行走的贡献在某些情况下带来了适度的加速。
引用
@article{arxiv.1404.0159,
title = {Quantum walks on graphs representing the firing patterns of a quantum neural network},
author = {Maria Schuld and Ilya Sinayskiy and Francesco Petruccione},
journal= {arXiv preprint arXiv:1404.0159},
year = {2014}
}
备注
9 pages, 7 figures