论文研究 IBM Quantum Simulator上两个Quantum最近邻居分类器的比较

如今，计算机被用来将数据存储在内存中，然后对其进行处理。在我们的大数据时代，仅由于数据量的快速增长，我们就面临着存储和处理数据的挑战。量子计算为这两个突出的问题提供了机械而美观的解决方案。通过精心设计以采用量子态的叠加，纠缠和干涉，量子算法可以使量子计算机将指数大小的数据集存储为线性大小，然后并行处理它们。量子计算已经在机器学习的世界中找到了自己的方式，因为经典计算机已经达到了其能力，并且对大数据的处理需求的增长速度远远超过了当今经典计算机可以提供的计算能力，因此对新思想和新方法的需求非常迫切。最近邻算法是简单，健壮和通用的有监督的机器学习算法，该算法将所有训练数据点存储为它们的学习