西瓦尼·赛尼;科斯拉，P.K。;曼吉特·考尔;古尔莫汉·辛格 量子驱动的机器学习。 （英语） Zbl 1462.81063号 国际J.Theor。物理学。 59，第12期，4013-4024（2020）. 概要：量子计算被证明对解决复杂的机器学习问题非常有益。量子计算机在处理和操纵向量和矩阵运算方面天生就很优秀。不断增长的数据量开始为经典机器学习系统带来瓶颈。量子计算机正在成为解决大数据相关问题的潜在解决方案。提出了一种基于量子支持向量机（QSVM）算法的量子机器学习模型来解决分类问题。量子机器学习模型在量子模拟器和实时超导量子处理器上实际实现。从处理速度和精度的角度计算了量子机器学习模型的性能，并与经典模型进行了比较。乳腺癌数据集用于分类问题。这些结果表明量子计算机提供了量子加速。 引用于1文件 MSC公司： 81页68 量子计算 68T05型 人工智能中的学习和自适应系统 65年第68季度 算法和问题复杂性分析 68瓦30 符号计算和代数计算 关键词：量子比特;量子计算;机器学习;支持向量机;大数据 软件：PMTK公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Saini}等人，国际期刊Theor。物理学。59，第12号，4013--4024（2020；Zbl 1462.81063） 全文： 内政部 参考文献： [1] D.Reinsel、J.Gantz和J.Rydning，“从边缘到核心的世界数字化”，IDC白皮书#US44413318，2018 [2] 蔡，C。；赖，C。；Chao，H.，大数据分析：一项调查，《大数据杂志》，2，21，1-32（2015） [3] P.A.M.Dirac，《量子力学原理》，第4版，牛津大学出版社，（1930/1958） [4] Nielsen，M.A.，Chuang，I.L.：量子计算和量子信息。剑桥：剑桥大学出版社（2000）·Zbl 1049.81015号 [5] Murphy，K.P.：机器学习：概率观点。麻省理工学院出版社（2012）·Zbl 1295.68003号 [6] 舒尔德，M。；Petruccione，ISF，量子机器学习导论，康特姆。物理。，56, 2, 172-185 (2015) ·doi:10.1080/00107514.2014.964942 [7] Biamonte，J.，Wittek，P.，Pancotti，N.，Rebentrost，P.、Wiebe，N.、Lloyd，S.：量子机器学习。自然。549（7671），（2016年11月） [8] Mishra，N.、Kapil，M.、Rakesh，H.、Anand，A.、Warke，A.、Sarkar，S.、Dutta，S.和Gupta，S..、Dash，A.P.、Gharat，R.、Chatterjee，Y.、Roy，S.，Raj，S.以及Jain，V.K.、Bagaria，S.。、Chaudhary，S..，Singh，V.，Maji，R.，Dalei，P.、Behera，B.K.、Mukhopadhyay，S.及Panigrahi，P.K.：量子机器学习：回顾与现状，第1-24页。doi:10.13140/RG.2.2.22824.72964 [9] Wittek，P.：量子机器学习。学术出版社。73-83, (2014). doi:10.1016/B978-0-12-800953-6.00020-7·Zbl 1304.68008号 [10] Lloyd，SP，pcm中的最小二乘量化，IEEE信息理论汇刊，28129-137（1982）·Zbl 0504.94015号 ·doi:10.1109/TIT.1982.1056489 [11] 卢，S。；Braunstein，S.，量子决策树分类器，Quantum Inf.Process，13757-770（2014）·兹比尔1291.81103 ·doi:10.1007/s11128-013-0687-5 [12] Ciliberto，C.、Herbster，M.、Ialongo，A.D.、Pontil，M.，Rocchetto，A.、Severini，S.、Wossnig，L.：量子机器学习：经典观点。程序。R.Soc.A数学。物理学。工程科学。474(2209), (2018) ·Zbl 1402.68154号 [13] Dunjko，V.，Briegel，H.J.：量子领域的机器学习和人工智能：最新进展综述。报告程序。物理学。81(7), (2018) [14] Havlicek，V.，Corcoles，A.D.，Temme，K.，Harrow，A.W.，Kandala，A.，Chow1，J.M.，Gambetta，J.M.:使用量子增强特征空间进行监督学习。自然。567(7747), 209-212 (2019) [15] 安吉塔，D。；Ridela，S。；里维奇奥，F。；Zunino，R.，训练支持向量机的量子优化，神经网络。，16, 5-6, 763-770 (2003) ·doi:10.1016/S0893-6080（03）00087-X [16] 哈罗，AW；Hassidim，A。；Lloyd，S.，线性方程组的量子算法，物理评论信件，103，15，150502（2009）·doi:10.1103/PhysRevLett.103.150502 [17] Patrick Rebentrost、Masoud Mohseni和Seth Lloyd“大数据分类的量子支持向量机”，Phys。修订稿。，2014年9月113:130503 [18] 日本苏肯斯；Vandewalle，J.，最小二乘支持向量机分类器，神经网络。过程。莱特。，9, 3, 293-300 (1999) ·doi:10.1023/A:1018628609742 [19] Seth Lloyd、Masoud Mohseni和Patrick Rebentrost“监督和非监督的量子算法”，机器学习。arXiv:1307.04112013年7月 [20] 威斯康星州乳腺癌（诊断）数据集。[在线]。可用：https://www.kaggle.com/uciml/breast-cancer-wisconsin-data网址 [21] IBM、IBM Quantum体验。https://quantumexperience.ng.bluemix.net/qx/experience。2020年3月12日访问 [22] IBM，量子信息科学工具包。https://qiskit.org/aqua。2020年3月访问 [23] Adebola Lamidi，“使用支持向量机（SVM）进行乳腺癌分类”，2018年11月23日。可用：https://towardsdastascience.com/bream-cancer-classification-using-support-vector-machinesesvm-a510907d4878（https://towardsdastascience.com/bream-cancer-classification-using-support-vector-machinesesvm-a510907d4878） [24] 乳腺细针抽吸活检。美国癌症学会医学和编辑内容团队。可用：https://www.cancer.org/cancer/broom-cancer/screening-tests-and-early-detection/broom-biopsy/fine-needle-aspiration-biopsy-of-the-brast.html 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。