用于赊销风险分类的变分量子本征求解器

数据分类任务被广泛应用于众多科学领域，并且可以通过不同的已知方法（例如神经网络）来实现。然而，在这项工作中，我们利用量子计算来解决该问题。我们考虑一种基于变分量子本征求解器（VQE）和所谓 SWAP-Test 的量子线路，这使我们能够解决与赊销相关的分类问题。更具体地说，我们处理一个基于所选决策变量（例如生成的营业额、合作历史）的值来确定客户可靠性的决策问题。经典数据样本被转换为归一化量子态。在此操作之后，样本可由量子门线路处理。VQE 方法允许训练量子线路（所谓 ansatz）的参数，以输出每个类的模式态。在所使用的数据集中，可以观察到两类——低信用风险和高信用风险的情况。然而，VQE 线路区分了多于两个的类别（引入了更细致的情况），最终结果是利用前述 SWAP-Test 获得的。所提出的解决方案紧凑，并且仅需要对数增长的量子比特数（由于量子寄存器的指数容量）。由于所呈现的量子线路复杂度低，可以在当前可用的量子计算机上开展实验，包括含噪中等规模量子（NISQ）设备。尽管存在噪声，这类设备仍能够解决本工作中分析的任务。所有计算、模拟、绘图和比较均在 Python 语言环境中实现和进行。每个量子分类示例的源代码均可在源代码仓库中找到。