Apa tujuan dari RAM kuantum dalam algoritma kuantum?

Saya melihat banyak makalah (misalnya analisis komponen utama Quantum ) di mana keberadaan qRAM diperlukan. Apa tujuan sebenarnya dari qRAM dalam algoritma kuantum?

quantum-memory

— Anton Karazeev
sumber

Halo, kami lebih suka jika satu posting hanya berisi satu pertanyaan. Juga masalah yang akan kita hadapi mungkin akan mengarah pada diskusi / pendapat dan karena itu bukan pertanyaan terbaik untuk Quantum Computing StackExchange.

— MEE - Pasang kembali Monica

@MEE mengganti dua pertanyaan dengan satu.

— Anton Karazeev

terkait dengan quantumcomputing.stackexchange.com/q/115/55

— glS

Ini dibahas dalam bab 5 dari Ciliberto et al. .

Tujuan sebagian besar algoritma pembelajaran mesin kuantum (-dibesar) adalah untuk mempercepat pemrosesan data klasik atas apa yang mungkin dilakukan dengan algoritma pembelajaran mesin klasik . Dengan kata lain, konteksnya adalah bahwa Anda memiliki satu set vektor klasik , dan Anda ingin menghitung beberapa fungsi dari data ini (yang kemudian dapat digunakan sebagai penduga beberapa properti, atau sebagai fungsi yang mencirikan classifier yang akan digunakan untuk titik data baru, atau sesuatu yang lain). Sebagian besar algoritma pembelajaran mesin kuantum memberi tahu Anda, asalkan Anda dapat melakukan pemetaan secara efisien $\{\boldsymbol x_k\}_k$ $\boldsymbol f(\boldsymbol x_k)$ maka kadang-kadang mungkin untuk menghitung lebih efisien. Namun demikian, sangat tidak penting bagaimana melakukan pemetaan seperti itu secaraefisien.

{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}})

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

Untuk mempertahankan potensi percepatan eksponensial dari algoritma kuantum, konversi ini harus efisien. Jika ini bukan masalahnya, maka seseorang berakhir dalam situasi di mana algoritma kuantum dapat menyelesaikan masalah dengan sangat efisien, tetapi hanya setelah preprocessing data yang panjang telah dilakukan, oleh karena itu membunuh seluruh titik menggunakan algoritma kuantum.

Di sinilah QRAM ikut bermain. Sebuah QRAM adalah sebuah perangkat yang dapat (secara teoritis) encode vektor berdimensi klasik ke (amplitudo) keadaan kuantum dari qubit, dalam waktu . Seperti yang dibahas dalam Ciliberto et al. , serta dalam jawaban terkait ini , kelayakan QRAMs sebenarnya masih belum sepenuhnya jelas, dan masih banyak peringatan. $N$ $d$ $\log(Nd)$ $\mathcal O(\log(Nd))$

— glS
sumber