Я бачу багато робіт (наприклад, квантовий аналіз основних компонентів ), в яких необхідне існування qRAM. Яке власне призначення qRAM в квантових алгоритмах?
Я бачу багато робіт (наприклад, квантовий аналіз основних компонентів ), в яких необхідне існування qRAM. Яке власне призначення qRAM в квантових алгоритмах?
Відповіді:
Про це йдеться у главі 5 Ciliberto et al. .
Мета більшості квантових (посилених) алгоритмів машинного навчання - прискорити обробку класичних даних над тим, що можливо за допомогою класичних алгоритмів машинного навчання. Іншими словами, контекст полягає в тому, що у вас є набір класичних векторів , і ви хочете обчислити деяку функцію f ( x k ) цих даних (яка може бути використана як оцінювач деякої властивості, або як функція, що характеризує класифікатор, який буде використовуватися для нових точок даних або чогось іншого). Більшість алгоритмів квантового машинного навчання говорять вам, що за умови, що ви зможете ефективно виконувати відображення { то іноді можна обчислити F ( { х до } ) більш ефективно. Це, однак, досить нетривіальніяк виконати таке відображенняефективно.
Для підтримки потенційних експоненціальних прискорень квантових алгоритмів це перетворення має бути ефективним. Якщо це не так, то опиняється в ситуації, коли квантовий алгоритм може вирішити проблему дуже ефективно, але лише після того, як буде проведено тривалу попередню обробку даних, що вбиває всю точку використання квантового алгоритму.
Тут іграють QRAM. QRAM - це пристрій, який може (теоретично) кодувати d -вимірні класичні вектори в (амплітуди) квантовий стан log ( N d ) кубітів, за час O ( log ( N d ) ) . Як обговорювалося в Ciliberto et al. , а також у цій відповідній відповіді , фактична здійсненність QRAM все ще не зовсім зрозуміла, і багато застережень залишаються.