.png){kind=icon}
返回
Quantum machine learning with Adaptive Boson Sampling via post-selection
.png){kind=icon}
OA
AI
DOI：10.1038/s41467-025-55877-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大规模通用量子计算的实现代表了信息量子处理道路上的一项挑战性和野心勃勃的任务。近年来，人们追求一种中间方法，通过非通用计算模型来演示量子计算优势。对于光子平台，玻色采样范式及其变体提供了一个相关示例，这些范式已知在计算上具有难度，同时仅需通过线性光学和探测来操控产生的光子资源。除量子计算优势演示外，一个有前景的方向可能在于量子机器学习领域，考虑到当前几乎未被探索的非自适应线性光学与通用光子量子计算之间的中间场景。这里，我们报告了通过在基于飞秒激光写入制造的通用可编程光子电路的玻色采样平台上添加后选自适应来实现量子机器学习协议的实验。我们的实验结果表明，自适应玻色采样是利用线性光学设备实现维度增强量子机器学习的一条可行途径。
Keyword:
COMPUTATIONAL ADVANTAGE
PHASE-SHIFT
PHOTON
期刊
IF:
15.7
论文数:
9.4W
被引数:
91.2W
机构
暂无机构信息
.png){kind=icon}
查看更多内容