今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

数字化反绝热量子特征提取

《Scientific Reports》:Digitized counterdiabatic quantum feature extraction

【字体: 大 中 小 】 时间:2026年08月29日 来源:Scientific Reports 4.9

编辑推荐:

   摘要我们提出了一种基于哈密顿量的量子特征提取方法,该方法通过k-局域多体自旋哈密顿量的动力学过程生成复杂特征,从而提升机器学习性能。经典特征向量被嵌入自旋玻璃哈密顿量中,其中单变量贡献和高阶相关性均通过多体相互作用来表示。通过在配备156个量子比特的IBM量子处理器上施加合适

  

摘要

我们提出了一种基于哈密顿量的量子特征提取方法,该方法通过k-局域多体自旋哈密顿量的动力学过程生成复杂特征,从而提升机器学习性能。经典特征向量被嵌入自旋玻璃哈密顿量中,其中单变量贡献和高阶相关性均通过多体相互作用来表示。通过在配备156个量子比特的IBM量子处理器上施加合适的量子动力学演化,数据通过低阶和高阶可观测量期望值被映射到更高维度的特征空间。这使得我们能够捕捉到标准经典方法难以获取的统计依赖性。我们在高维度的真实数据集上评估了该方法,包括分子毒性分类和图像识别任务,并分析特征重要性,表明量子提取的特征能够补充且在许多情况下超越经典特征。结果表明,结合量子与经典特征提取可以在多种机器学习任务中带来一致的改进,表明对于当今及近期的量子设备而言,在数据驱动应用中已显示出可靠程度的早期量子实用性。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:量子特征提取|哈密顿量动力学|自旋玻璃模型|量子机器学习|量子实用性

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号