量子机器学习¶
简介¶
量子机器学习 (QML) 结合量子计算和机器学习，有望实现计算加速。
核心算法¶
1. 变分量子算法 (VQA)¶
NISQ时代核心
适合当前量子硬件的混合算法
# VQE 示例
from qiskit.algorithms import VQE
from qiskit.algorithms.optimizers import SLSQP
from qiskit.circuit.library import TwoLocal
# 参数化电路
ansatz = TwoLocal(rotation_blocks=['ry'], entanglement_blocks='cz')
# VQE
vqe = VQE(ansatz=ansatz, optimizer=SLSQP())
result = vqe.compute_minimum_eigenvalue(hamiltonian)
2. 量子核方法¶
\[
K(x_i, x_j) = |\langle\phi(x_i)|\phi(x_j)\rangle|^2
\]
3. 量子神经网络¶
- 量子卷积神经网络
- 量子RNN
- 量子生成对抗网络
应用场景¶
| 应用 | 量子优势 |
|---|---|
| 分类 | 量子核方法 |
| 回归 | VQE |
| 聚类 | 量子k-means |
| 降维 | 量子PCA |