一篇新论文探讨了面向工业应用的量子机器学习（QML），解决了可训练性、表现力和经典模拟抗性方面的挑战。它介绍了保持子空间的QML算法，包括光子电路和量子卷积神经网络，旨在提供多项式量子优势。该研究还分析了变分量子电路作为量子傅里叶模型，确立了量子模型可证明地与经典模型分离的条件。 AI
排序理由 该集群包含一篇在arXiv上发表的学术论文，详细介绍了量子机器学习的理论研究。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Hamming-weight preserving variational quantum circuits
- Photonic Circuits with Time Delays and Quantum Feedback
- Quantum Convolutional Neural Networks
- quantum Fourier models
- Quantum Machine Learning
- Subspace-preserving QML algorithms
- Variational Quantum Circuits
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →