В разработке протоколов квантового машинного обучения (QML) важно закодировать классические данные на квантовом устройстве. Для этого используется представление квантовых систем в виде матричных произведений состояний. Такой подход позволяет создать схемы для кодирования нужных состояний и обеспечивает высокую точность классификации, а также устойчивость к классическим атакам. Это подтверждается экспериментами с вариационными квантовыми классификаторами на наборах данных MNIST и FMNIST, а также на квантовом устройстве с сверхпроводниками. arXiv: 2601.09363 Обзоры | Квантовая физика
Эффективное приготовление состояния для квантового машинного обучения
В разработке протоколов квантового машинного обучения (QML) важно закодировать классические данные на квантовом устройстве. Для этого используется представление квантовых систем в виде матричных произведений состояний. Такой подход позволяет создать схемы для кодирования нужных состояний и обеспечивает высокую точность классификации, а также устойчивость к классическим атакам. Это подтверждается экспериментами с вариационными квантовыми классификаторами на наборах данных MNIST и FMNIST, а также на квантовом устройстве с сверхпроводниками.
arXiv: 2601.09363
