赵健 陈昭昀 庄希宁3) 薛程 吴玉椿2)† 郭国平2)3)

1) (中国科学技术大学, 中国科学院量子信息重点实验室, 合肥 230026)

2) (合肥综合性国家科学中心人工智能研究院, 合肥 230088)

3) (合肥本源量子计算科技有限责任公司, 合肥 230026)

经典计算机的运算能力依赖于芯片单位面积上晶体管的数量, 其发展符合摩尔定律. 未来随着晶体管的间距接近工艺制造的物理极限, 经典计算机的运算能力将面临发展瓶颈. 另一方面, 机器学习的发展对计算机的运算能力的需求却快速增长, 计算机的运算能力和需求之间的矛盾日益突出. 量子计算作为一种新的计算模式, 比起经典计算, 在一些特定算法上有着指数加速的能力, 有望给机器学习提供足够的计算能力. 用量子计算来处理机器学习任务时, 首要的一个基本问题就是如何将经典数据有效地在量子体系中表示出来. 这个问题称为态制备问题. 本文回顾态制备的相关工作, 介绍目前提出的多种态制备方案, 描述这些方案的实现过程, 总结并分析了这些方案的复杂度. 最后对态制备这个方向的研究工作做了一些展望.

1 引 言

机器学习是一门人工智能领域的科学, 其通过计算机学习训练已知的数据, 并利用训练好的数据模式预测未知数据的信息. 随着计算机性能的不断增强, 机器学习对数据的处理能力也不断提升, 被广泛应用到各个领域[1]. 这包括图像识别[2,3]、人脸识别[4-6]等分类问题, 也包括最优决策问题, 如Alpha Go[7], Alpha Zero[8]的……