计算机研究与发展

作者：于瑞祺,张鑫云,任爽,

关键词：量子计算, 量子机器学习, 变分量子算法, 量子神经网络, 量子深度学习, 量子强化学习,

随着数据规模的增加，机器学习的重要性与影响力随之增大.借助量子力学的原理能够实现量子计算，结合量子计算和机器学习形成的量子机器学习算法对经典机器学习算法理论上能够产生指数级的加速优势.部分经典算法的量子版本已经被提出，有望解决使用经典计算机难以解决的问题.当前受量子计算硬件所限，可操控的量子比特数目和噪声等因素制约着量子计算机的发展.短期内量子计算硬件难以达到通用量子计算机需要的程度，当前研究重点是获得能够在中等规模含噪声量子（noisyintermediate-scalequantum，NISQ）计算设备上运行的算法.变分量子算法是一种混合量子-经典算法，适合应用于当前量子计算设备，是量子机器学习领域的研究热点之一.变分量子电路是一种参数化量子电路，变分量子算法利用其完成量子机器学习任务.变分量子电路也被称为拟设或量子神经网络.变分量子算法框架主要由5个步骤组成：1）根据任务设计损失函数和量子电路结构；2）将经典数据预处理后编码到量子态上，量子数据可以省略编码；3）计算损失函数；4）测量和后处理；5）优化器优化参数.在此背景下，综述了量子计算基础理论与变分量子算法的基础框架，详细介绍了变分量子算法在量子机器学习领域的应用及进展，分别对量子有监督学习、量子无监督学习、量子半监督学习、量子强化学习以及量子电路结构搜索相关模型进行了介绍与对比，对相关数据集及相关模拟平台进行了简要介绍和汇总，最后提出了基于变分量子电路量子机器学习算法所面临的挑战及今后的研究趋势.

来源：2025年第4期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2025年第4期