Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > quant-ph > arXiv:2506.03779

帮助 | 高级搜索

量子物理

arXiv:2506.03779 (quant-ph)
[提交于 2025年6月4日 ]

标题: 关于量子算符值核函数

标题: Towards Quantum Operator-Valued Kernels

Authors:Hachem Kadri, Joachim Tomasi, Yuka Hashimoto, Sandrine Anthoine
摘要: 量子核是利用量子力学原理构建的再生核函数,并且研究它们的目的是超越其经典的对应物。 最近研究表明,当在经典数据上进行学习时,量子核可能无法提供加速,这使人们对量子核机器的热情有所降温。 然而,该领域的大多数研究都集中在标量值核上,这些核用于标准分类或回归设置的经典核方法效率很高,因此量子核几乎没有改进的空间。 本文认为,量子核研究应集中于更具表达能力的核类。 我们基于算符值核的最新进展,提出了研究量子核的指导方针。 这将有助于设计新一代的量子核机器,并充分挖掘其潜力。
摘要: Quantum kernels are reproducing kernel functions built using quantum-mechanical principles and are studied with the aim of outperforming their classical counterparts. The enthusiasm for quantum kernel machines has been tempered by recent studies that have suggested that quantum kernels could not offer speed-ups when learning on classical data. However, most of the research in this area has been devoted to scalar-valued kernels in standard classification or regression settings for which classical kernel methods are efficient and effective, leaving very little room for improvement with quantum kernels. This position paper argues that quantum kernel research should focus on more expressive kernel classes. We build upon recent advances in operator-valued kernels, and propose guidelines for investigating quantum kernels. This should help to design a new generation of quantum kernel machines and fully explore their potentials.
主题: 量子物理 (quant-ph) ; 机器学习 (cs.LG); 机器学习 (stat.ML)
引用方式: arXiv:2506.03779 [quant-ph]
  (或者 arXiv:2506.03779v1 [quant-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.03779
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Hachem Kadri [查看电子邮件]
[v1] 星期三, 2025 年 6 月 4 日 09:40:48 UTC (33 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs.LG
quant-ph
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号