量子コンピューティングはベイジアン学習をスピードアップできますか？

ディープラーニングに対するベイジアン学習の最大の欠点の1つは実行時です。ベイズの定理を適用するには、データの分散方法に関する知識が必要です。これには通常、高価な積分または何らかのサンプリングメカニズム（対応する欠点があります）が必要です。

結局のところ、すべては分布の伝播であり、これは（私が理解している限り）量子コンピューティングの性質なので、これらを効率的に実行する方法はありますか？はいの場合、どのような制限が適用されますか？

編集（直接関連するリンク）：

• 実用的な量子コンピューターを構築できないという議論は何ですか？
• Googleの72キュービットデバイスは、2000以上のキュービットを特徴とするD-Waveのマシンより優れていますか？

ガウスプロセスは、ベイジアン最適化の中核となるモデル構築手順の主要なコンポーネントです。したがって、ガウスプロセスのトレーニングを高速化すると、ベイジアン最適化が直接強化されます。趙らによる最近の論文。上のアルガウスプロセスを訓練するための量子アルゴリズムは、 まさにこれを行います。