课题基金基金详情
量子机器学习算法的设计与实现研究
结题报告
批准号:
11905294
项目类别:
青年科学基金项目
资助金额:
23.0 万元
负责人:
黄合良
学科分类:
A2502.量子物理与量子信息
结题年份:
2022
批准年份:
2019
项目状态:
已结题
项目参与者:
--
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
客服二维码
微信扫码咨询
中文摘要
量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。量子机器学习有机结合了人工智能和量子计算这两个看似截然不同但又影响深远的领域,有望解决目前经典机器学习中因数据量过大导致的空间和时间复杂度过高的困难,并有望衍生出新的机器学习架构,将在模式识别、统计学习、数据挖掘、自然语言处理、自动化、金融分析等领域产生颠覆性影响。因此,探索量子机器学习算法的设计与实现,具有重要的科学意义和实际应用价值。本项目将围绕量子机器学习算法的设计与实现展开研究,深入分析量子机器学习算法的设计技巧,设计新型量子机器学习算法,丰富量子机器学习算法工具库;同时研究量子机器学习的可加速性,探索量子机器学习和经典机器学习的边界;最后基于量子计算平台,探索量子机器学学习的实验实现。通过理论和实验的相辅相成,为进一步探索量子机器学习提供理论依据和实验指导,对未来量子机器学习的实际应用具有前瞻性的科学意义。
英文摘要
Quantum computing is a new computational model based on quantum mechanics, which has the powerful parallel computing capability far beyond classical computing. By combining the artificial intelligence and quantum computing, quantum machine learning is expected to solve the problems of high space and time complexity caused by large amount of data in classical machine learning, and to promote the creation of new machine learning architectures, which will have a subversive impact in the fields of pattern recognition, statistical learning, data mining, natural language processing, automation, financial analysis and so on. Therefore, exploring the design and experimental realization of quantum machine learning algorithms has important scientific significance and practical application value. This project will focus on the design and experimental realization of quantum machine learning algorithms. By analyzing the design techniques for quantum machine learning, we will design new and interesting quantum machine learning algorithms. At the same time, the accelerating nature of quantum machine learning will be studied, and the boundary between quantum machine learning and classical machine learning will be explored. Finally, the experimental realization of quantum machine learning will be explored based on quantum computing devices. The research results of this project can provide theoretical and experimental guidance for further exploring the practical application of quantum machine learning, and has a forward-looking scientific significance for the practical application of quantum machine learning in the future.
量子计算是基于量子力学的全新计算模式,具有远超经典计算的强大并行计算能力。量子机器学习有机结合了人工智能和量子计算这两个看似截然不同但又影响深远的领域,有望解决目前经典机器学习中计算复杂度过高的困难,并有望衍生出新的机器学习架构,将在模式识别、统计学习、数据挖掘、自然语言处理、自动化、金融分析、凝聚态物理等领域产生颠覆性影响。因此,探索量子机器学习算法的设计与实现,具有重要的科学意义和实际应用价值。本项目围绕量子机器学习算法的设计与实现展开研究,深入分析量子机器学习算法的设计技巧,设计了多个新型量子机器学习算法和架构,通过算法创新促进量子计算智能化,丰富量子机器学习算法工具库;同时研究了量子机器学习的可加速性,设计了具有指数加速的量子启发支持向量机,在支持向量机问题上重新定义了量子机器学习和经典机器学习的边界;最后基于量子计算平台,突破了高保真度量子门、纠错和大规模量子线路的实现方法,于国际上首次实现现实数据量子机器学习,以及61比特规模量子机器学习算法,实现量子机器学习实验的可行性和可扩展性验证。通过理论和实验的相辅相成,为进一步探索量子机器学习提供理论依据和实验指导,对未来量子机器学习的实际应用具有前瞻性的科学意义。在项目支持下,发表SCI论文14篇,其中包括中科院一区8篇,获2021戈登贝尔奖(国际高性能计算应用领域最高奖)。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
Evaluating the resilience of variational quantum algorithms to leakage noise
评估变分量子算法对泄漏噪声的恢复能力
DOI:10.1103/physreva.106.042421
发表时间:2022-08
期刊:Physical Review A
影响因子:2.9
作者:Chen Ding;Xiao-Yue Xu;Shuo Zhang;He-Liang Huang;Wan-Su Bao
通讯作者:Wan-Su Bao
Realization of High-Fidelity Controlled-Phase Gates in Extensible Superconducting Qubits Design with a Tunable Coupler
利用可调谐耦合器实现可扩展超导量子位设计中的高保真控制相位门
DOI:10.1088/0256-307x/38/10/100301
发表时间:2021-09
期刊:Chinese Physics Letters
影响因子:3.5
作者:Yangsen Ye;Sirui Cao;Yulin Wu;Xiawei Chen;Qingling Zhu;Shaowei Li;Fusheng Chen;Ming Gong;Chen Zha;He-Liang Huang;Youwei Zhao;Shiyu Wang;Shaojun Guo;Haoran Qian;Futian Liang;Jin Lin;Yu Xu;Cheng Guo;Lihua Sun;Na Li;Hui Deng;Xiaobo Zhu;Jian-Wei Pan
通讯作者:Jian-Wei Pan
Hybrid quantum-classical convolutional neural networks
混合量子经典卷积神经网络
DOI:10.1007/s11433-021-1734-3
发表时间:2021-09-01
期刊:SCIENCE CHINA-PHYSICS MECHANICS & ASTRONOMY
影响因子:6.4
作者:Liu, Junhua;Lim, Kwan Hui;Huang, He-Liang
通讯作者:Huang, He-Liang
Variational quantum circuits for quantum state tomography
用于量子态断层扫描的变分量子电路
DOI:10.1103/physreva.101.052316
发表时间:2020-05-11
期刊:PHYSICAL REVIEW A
影响因子:2.9
作者:Liu, Yong;Wang, Dongyang;Wu, Junjie
通讯作者:Wu, Junjie
Quantum-Inspired Support Vector Machine
受量子启发的支持向量机
DOI:10.1109/tnnls.2021.3084467
发表时间:2021-06-09
期刊:IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
影响因子:10.4
作者:Ding, Chen;Bao, Tian-Yi;Huang, He-Liang
通讯作者:Huang, He-Liang
NISQ设备上的量子纠错实现技术
国内基金
海外基金