代码拉取完成,页面将自动刷新
通过量子加速的SVM手写体识别程序
入口程序:quantum_circuit.ipynb
量子线路:
知识普及:
量子支持向量机(qSVM)
我们经常在机器学习中提到一直监督学习算法,支持向量器(supporting vector machine),并常常将其用于分类和回归分析。在SVM中,每个数据点可以认为是一个d维的向量,而我们的任务是找到一个d-1维的超平面,来将这些数据点分开,进而判断和预测data的类别。而通过kernal methods可以进一步把SVM扩展到非线性超平面上。其time scale大概为O(poly(d)),即多项式变化。
而在2014年时候Rebentrost和Seth他们提出,量子的SVM无论是在train阶段还是classification阶段都可以到O(log(N))的scale,可参考https://arxiv.org/pdf/1307.0471.pdf。 在2015年,中科大杜江峰组便用NMR系统做了一个proof-of-principle的实验(PhysRevLett.114.140504),他们考虑一个optical character recognition问题,用一个4 qubits的circuit通过train来识别手写的数字6和9, 识别结果如下图。
加速时间复杂度如下:
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。
1. 开源生态
2. 协作、人、软件
3. 评估模型