วัตถุประสงค์ของควอนตัมแรมในอัลกอริทึมควอนตัมคืออะไร?

ฉันเห็นเอกสารจำนวนมาก (เช่นการวิเคราะห์องค์ประกอบหลักของควอนตัม ) ซึ่งจำเป็นต้องมี qRAM อะไรคือวัตถุประสงค์ที่แท้จริงของ qRAM ในอัลกอริทึมควอนตัม?

quantum-memory

— Anton Karazeev
แหล่งที่มา

สวัสดีเราชอบมากถ้าโพสต์เดียวมีเพียงคำถามเดียว นอกจากนี้ปัญหาที่เราจะเผชิญอาจนำไปสู่การแยกแยะ / ความคิดเห็นดังนั้นจึงไม่ใช่คำถามที่ดีที่สุดสำหรับ Quantum Computing StackExchange

— MEE - Reinstate Monica

@MEE แทนที่คำถามสองข้อด้วยคำถามเดียว

— Anton Karazeev

ที่เกี่ยวข้องกับการquantumcomputing.stackexchange.com/q/115/55

— GLS

เรื่องนี้ถูกกล่าวถึงในบทที่ 5 ของCiliberto et al .

จุดประสงค์ของอัลกอริธึมการเรียนรู้ของเครื่องควอนตัม (- ขั้นสูง)ส่วนใหญ่คือเพื่อเพิ่มความเร็วในการประมวลผลของข้อมูลแบบดั้งเดิมผ่านสิ่งที่เป็นไปได้ด้วยอัลกอริทึมการเรียนรู้ของเครื่องแบบดั้งเดิม กล่าวอีกนัยหนึ่งบริบทคือคุณมีชุดเวกเตอร์แบบคลาสสิกและคุณต้องการคำนวณฟังก์ชันของข้อมูลนี้ (ซึ่งอาจใช้เป็นตัวประมาณของคุณสมบัติบางอย่างหรือ เป็นฟังก์ชั่นการจำแนกลักษณนามที่จะใช้สำหรับจุดข้อมูลใหม่หรืออย่างอื่น) ส่วนใหญ่เครื่องเรียนรู้กลไกควอนตัมบอกคุณว่าให้คุณสามารถที่จะดำเนินการได้อย่างมีประสิทธิภาพการทำแผนที่ $\{\boldsymbol x_k\}_k$ $\boldsymbol f(\boldsymbol x_k)$ แล้วบางครั้งมันเป็นไปได้ที่จะคำนวณได้อย่างมีประสิทธิภาพมากขึ้น มันเป็นอย่างไรขี้ปะติ๋วสูงวิธีการดำเนินการทำแผนที่ดังกล่าวได้อย่างมีประสิทธิภาพ

{x_{k}}_{k} \mapsto | {x_{k}} ⟩ = ยังไม่มีข้อความ \underset{k J}{Σ} x_{k J} | k, J ⟩,

$\{\boldsymbol x_k\}_k\mapsto\lvert \{\boldsymbol x_k\}\rangle= N\sum_{kj} x_{kj}\lvert k,j\rangle,$

f ({x_{k}})

$\boldsymbol f(\{\boldsymbol x_k\})$

เพื่อรักษาความเร็วในการอธิบายขั้นตอนวิธีเชิงควอนตัมที่เป็นไปได้ของการแปลงนี้จำเป็นต้องมีประสิทธิภาพ หากไม่เป็นเช่นนั้นก็จะสิ้นสุดลงในสถานการณ์ที่อัลกอริทึมควอนตัมสามารถแก้ปัญหาได้อย่างมีประสิทธิภาพมาก แต่หลังจากดำเนินการประมวลผลข้อมูลที่มีความยาวเป็นเวลานานแล้ว

$N$ $d$ $\log(Nd)$ $\mathcal O(\log(Nd))$

— แอลเอส
แหล่งที่มา