¿Cuál es el propósito de una RAM cuántica en algoritmos cuánticos?

Veo muchos artículos (por ejemplo , análisis de componentes principales cuánticos ) en los que es necesaria la existencia de qRAM. ¿Cuál es el propósito real de qRAM en algoritmos cuánticos?

quantum-memory

— Anton Karazeev
fuente

Hola, preferimos que una publicación contenga solo una pregunta. Además, los problemas que enfrentaremos probablemente darán lugar a opiniones / opiniones y, por lo tanto, no es la mejor pregunta para Quantum Computing StackExchange.

— MEE - Restablece a Mónica el

@MEE reemplazó dos preguntas con una.

— Anton Karazeev

relacionado con quantumcomputing.stackexchange.com/q/115/55

— glS

Esto se discute en el capítulo 5 de Ciliberto et al. .

El propósito de la mayoría de los algoritmos cuánticos (mejorados) de aprendizaje automático es acelerar el procesamiento de datos clásicos sobre lo que es posible con los algoritmos clásicos de aprendizaje automático. En otras palabras, el contexto es que tiene un conjunto de vectores clásicos , y desea calcular alguna función de estos datos (que luego puede usarse como un estimador de alguna propiedad, o como una función que caracteriza un clasificador para ser usado para nuevos puntos de datos, o algo más). La mayoría de los algoritmos de aprendizaje automático cuántico le dicen que, siempre que pueda realizar el mapeo de manera eficiente $\{\boldsymbol x_k\}_k$ $\boldsymbol f(\boldsymbol x_k)$ a continuación, a veces es posible calcular de manera más eficiente. Sin embargo, es altamente no trivial cómo realizar dicha asignación de maneraeficiente.

{X_{k}}_{k} \mapsto El | {X_{k}} ⟩ = norte \sum_{k j} X_{k j} El | k, j ⟩,

$\{\boldsymbol x_k\}_k\mapsto\lvert \{\boldsymbol x_k\}\rangle= N\sum_{kj} x_{kj}\lvert k,j\rangle,$

f ({x_{k}})

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

Para mantener las aceleraciones exponenciales potenciales de los algoritmos cuánticos, esta conversión debe ser eficiente. Si este no es el caso, entonces uno termina en una situación en la que el algoritmo cuántico puede resolver el problema de manera muy eficiente, pero solo después de que se haya realizado un preprocesamiento prolongado de los datos, por lo que se elimina el punto de usar el algoritmo cuántico.

Aquí es donde entran en juego los QRAM. A QRAM es un dispositivo que puede (teóricamente) encode vectores -dimensional clásico en el (las amplitudes de) un estado cuántico de qubits, en el tiempo . Como se discutió en Ciliberto et al. , así como en esta respuesta relacionada , la viabilidad real de QRAM todavía no está del todo clara, y quedan muchas advertencias. $N$ $d$ $\log(Nd)$ $\mathcal O(\log(Nd))$

— glS
fuente