PulseAugur
中
实时 13:12:09
English(EN) Experimentally Extending Quantum Kernel Learning to Quantum Data by NMR

量子核学习通过核磁共振扩展到量子数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员已通过核磁共振（NMR）技术，将量子核学习（QKL）实验性地扩展到处理量子数据。这一进展允许通过数值计算核函数并在一组3量子比特的NMR寄存器上进行验证，从而对包括纠缠和非纠缠类型在内的算子进行分类。该研究表明，QKL提供了一种在无需广泛层析成像的情况下，在硬件上分析量子数据的实用方法，其在捕捉量子空间结构方面优于经典方法。 AI

影响 展示了一种处理量子数据的新颖方法，有可能增强量子计算研究中的机器学习能力。

排序理由 学术论文，详细介绍了将一种机器学习技术新颖地扩展到量子数据的实验。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

量子核学习通过核磁共振扩展到量子数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Vivek Sabarad, Vishal Varma, T. S. Mahesh ·

    实验性地将量子核学习扩展到量子数据通过核磁共振

    arXiv:2412.09557v3 Announce Type: replace-cross Abstract: Quantum kernel learning (QKL) promises efficient machine learning by encoding feature maps onto exponentially large Hilbert spaces inherent in quantum systems. Using the liquid-state nuclear magnetic resonance (NMR) platfo…

相关实体

相关话题