量子机器学习与自适应玻色子采样通过后选择
Francesco Hoch1, Eugenio Caruccio1, Giovanni Rodari1
1Dipartimento di Fisica, Sapienza Università di Roma, Piazzale Aldo Moro 5, I-00185, Roma, Italy.
Nature communications
|January 21, 2025
概括
适应玻色子采样增强了量子机器学习. 这种方法使用可编程光子电路和后选择,为使用线性光学设备的维度增强量子机器学习提供了可行的途径.
科学领域:
- 量子信息科学 量子信息科学
- 量子机器学习就是量子机器学习
- 摄影量子计算 摄影量子计算
背景情况:
- 大规模的通用量子计算具有挑战性.
- 像玻色子采样这样的非通用模型提供了量子计算优势的途径.
- 使用线性光学进行量子机器学习是一个尚未探索的领域.
研究的目的:
- 实验性地实施量子机器学习协议.
- 探索光子量子计算中的自适应策略.
- 通过使用线性光学设备来演示增强维度的量子机器学习.
主要方法:
- 使用了一个带有通用可编程光子电路的玻色子采样平台.
- 使用 femtosecond 激光写作制造的电路.
- 通过后选择引入了适应性.
主要成果:
- 成功实施了量子机器学习协议与自适应玻色子采样.
- 在光子量子系统中证明了适应性策略的可行性.
- 展示了量子机器学习的维度增强功能.
结论:
- 适应玻色子采样是量子机器学习的一个实用方法.
- 五秒激光编写的光子电路可以实现先进的量子功能.
- 这项工作为线性光学量子设备的有用应用铺平了道路.


