量子アルゴリズムにおける量子RAMの目的は何ですか？

qRAMの存在が必要な多くの論文（量子主成分分析など）があります。量子アルゴリズムにおけるqRAMの実際の目的は何ですか？

quantum-memory

こんにちは、1つの投稿に質問が1つしか含まれていない場合はこちらをお勧めします。また、私たちが直面する問題は、おそらく議論や意見につながるので、Quantum Computing StackExchangeにとって最良の質問ではありません。

— MEE-モニカの

@MEEは2つの質問を1つに置き換えました。

— アントンカラジーエフ

関連quantumcomputing.stackexchange.com/q/115/55

— GLS

これは、Ciliberto らの第5章で説明されています。。

ほとんどの量子（拡張）機械学習アルゴリズムの目的は、古典的な機械学習アルゴリズムで可能なことよりも古典的なデータの処理を高速化することです。言い換えれば、コンテキストは、古典ベクトルのセットを持ち、このデータの関数を計算したいということです（これは、あるプロパティの推定量として使用されるか、新しいデータポイントなどに使用される分類子を特徴付ける関数として）。ほとんどの量子機械学習アルゴリズムは、マッピング $\{\boldsymbol x_k\}_k$ $\boldsymbol f(\boldsymbol x_k)$ それは計算することができる場合があるより効率的。ただし、このようなマッピングを効率的に実行する方法は非常に重要です。

{x_{k}}_{k} \mapsto | {x_{k}} ⟩ = N \sum_{k j} 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}})

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

量子アルゴリズムの潜在的な指数関数的高速化を維持するには、この変換が効率的である必要があります。そうでない場合は、量子アルゴリズムが非常に効率的に問題を解決できる状況になりますが、データの長い前処理が実行されてから、量子アルゴリズムを使用する全体のポイントを殺します。

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

— glS
ソース