中文

量子-经典机器学习的良性循环

量子物理 2026-07-12 v1
作者: Nenad Tomašev , Jarrod R. McClean , Johannes Bausch
在 arXiv 上查看 ↗ PDF ↗

摘要

人工智能和量子计算近年来都取得了巨大进展，为加速科学发现开辟了新途径。经典机器学习已被证明可用于解决量子计算中的挑战；硬件进展也正朝着早期容错阶段稳步推进。另一方面，新兴的量子机器学习领域旨在利用这两种计算范式的优势，通过开发受益于在量子设备上运行或基于量子数据训练的学习算法或模型来实现。因此，我们认为这两种范式都能从彼此中受益匪浅。在此，我们回顾了机器学习在量子计算中最显著的应用机会，希望能激发一个使两个领域互利共赢的良性循环。

关键词

量子机器学习 量子计算 经典机器学习 科学发现 容错量子计算 学习算法

引用

@article{arxiv.2607.10563,
  title  = {The Virtuous Cycle of Quantum-Classical Machine Learning},
  author = {Nenad Tomašev and Jarrod R. McClean and Johannes Bausch},
  journal= {arXiv preprint arXiv:2607.10563},
  year   = {2026}
}