应用数学和力学
 
 首页  |  期刊介绍  |  编 委 会  |  发展历程  |  投稿指南  |  期刊订阅  |  出版守则  |  数字保存策略  |  English
应用数学和力学
  在线办公
  在线期刊
    ipad移动阅读平台
    最新录用
    当期目录
    文章检索
    过刊浏览
    摘要点击排行
    全文下载排行
    Email Alert
    
  下载中心
  中英文摘要写作要求
  版权转让协议
  Latex格式稿件模板
  插图投稿要求
  Word格式稿件模板
更多  
  友情链接
  中图分类号
  Applied Mathematics and Mechanics (English Edition)
  力学学报
  岩石力学与工程学报
  重庆交通大学
  COAJ
更多  
  访问统计
文章快速检索  
  高级检索
 
 

量子计算遇上机器学习:新兴的量子机器学习领域

(来源:科学网http://paper.sciencenet.cn/htmlpaper/2019/4/20194121744689749926.shtm

 在当今计算机科学中,机器学习和量子计算是两个非常火热的研究领域。在机器学习方面,以人工神经网络为代表的方法在视觉、语音、自然语言理解、游戏等应用领域中取得很大的性能提升,大大推动了人工智能的发展,也让人们对未来通用智能有了更大的想象空间。在量子计算方面,硬件实现的一个个突破性进展让人们看到大规模通用量子计算机的脚步越来越近,而未来量子计算机对信息处理可能的颠覆性改变也让人们对此充满憧憬和持续探索的兴趣。

近些年的一个研究热点在机器学习和量子计算的结合上,关于量子机器学习的工作在短期内大量涌现。由于领域在发展初期,各个工作的方向、风格和成熟度都不尽相同,这个略显凌乱的现状可能会给初学者带来一些困惑。

在《国家科学评论》(National Science Review,NSR)2019年第1期出版的《量子计算》专题中,腾讯量子实验室的Jonathan Allcock和张胜誉撰写观点文章“Quantum Machine Learning”,对这一领域进行了一次系统性梳理,并选取部分代表性工作加以介绍。

考虑到篇幅的限制并避免与已有综述的重复,该文将重点放在介绍人工神经网络与量子信息处理的交互领域上。这既包括经典人工神经网络,如玻尔兹曼机(Boltzmann machine)、自编码器(Autoencoder)和生成式对抗网络(GAN)在量子信息中的扩充和应用,也包括用量子计算机加速经典人工神经网络的计算,文中还谈到了量子纠缠理论用于加深理解经典神经网络的尝试。

作者希望这篇文章能使广大读者对这一领域产生初步认识,推动更多学者进入这个令人期待的新兴领域,并做出更加踏实和深入的研究。(来源:科学网)

论文相关信息:https://doi.org/10.1093/nsr/nwy149

 
版权所有 © 《应用数学和力学》编辑部  渝ICP备11007697号-3
地址:重庆市南岸区学府大道66号 重庆交通大学90号信箱 邮编:400074
电话/传真: 023-62652450 电子邮箱: amm1980@163.com   applmathmech@cqjtu.edu.cn
技术支持:北京玛格泰克科技发展有限公司