.png){kind=icon}
返回
Quantum-inspired machine learning: a survey
.png){kind=icon}
OA
AI
DOI：10.1016/j.cosrev.2026.101072.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 专门针对量子信息机器学习（QiML）作为独立、跨领域领域的首次综述。
• 统一了涵盖去量子化算法、张量网络和变分电路模拟的分类体系。
• 识别了2017-2025年实证应用中跨领域的成功模式。
• 评估了QiML各家族的算法成熟度和实践准备情况。
• 识别出开放问题：可扩展性、数据嵌入和量子归纳偏差。
Keyword:
Quantum-inspired
Machine learning
Tensor networks
Dequantization
Variational algorithms
Quantum computing
Classical simulation
期刊
IF:
12.7
论文数:
2.3K
被引数:
5.2K
机构
查看更多机构
引用论文
暂无论文信息