面向化学阻力传感器阵列紧凑读取的自适应量子核主成分分析
信号处理
2025-01-31 v2 人工智能
新兴技术
机器学习
摘要
物联网（IoT）设备的快速增长 necessitates 高效的数据压缩技术来处理这些设备生成的海量数据。化学阻力传感器阵列（CSAs）是一种简单制造但至关重要的IoT系统组成部分，由于其同时的多传感器操作，产生大量数据。经典主成分分析（cPCA）方法作为数据压缩解决方案面临在降维过程中保留关键信息的局限性。在本研究中，我们提出了自适应量子核（SAQK）PCA作为增强信息保留的优越替代方案。我们的发现表明，SAQK PCA 在各种后端机器学习任务中优于cPCA，尤其是在量子比特获取受限的低维场景中。这些结果凸显了噪声中间规模量子（NISQ）计算机在实际IoT应用中通过改进CSAs数据压缩和读取效率和可靠性，尽管当前受限于量子比特可用性，具有颠覆性潜力。
引用
@article{arxiv.2409.00115,
title = {Self-Adaptive Quantum Kernel Principal Components Analysis for Compact Readout of Chemiresistive Sensor Arrays},
author = {Zeheng Wang and Timothy van der Laan and Muhammad Usman},
journal= {arXiv preprint arXiv:2409.00115},
year = {2025}
}
备注
Version 2