基于 trapped-ion 量子处理器的小规模数字图像和加权图的监督二分类

本文报告了使用基于 $^{171}$Yb$^{+}$离子阱的量子处理器进行基准测试的结果，通过执行基本量子机器学习算法来实现。我们使用包含最多5个量子比特的量子增强支持向量机算法，对两种类型的数据集执行监督式二分类：小规模二进制数字图像和拓扑为环形的加权图。在第一个数据集中，人为选择图像，使其可实现100%的分类准确率。这使我们能够特别检验不同类型的量子编码数字数据集，并研究实验噪声的影响。在第二个数据集中，根据其伊辛哈姆顿量模型的谱结构将图分为两类，这与NP难问题相关。对于该问题，我们考虑将指数级哈姆顿谱嵌入到线性数量的量子比特的纠缠态中。对于两个问题，我们研究了各种电路优化水平，发现对于所做的所有实验，我们在训练和测试数据集上都实现了100%的分类准确率。这表明该量子处理器能够在所考虑的基本分类任务中正确求解。正如我们所期望的，随着量子处理器能力的提升，它们可以用于解决机器学习任务。