ترجمه فارسی مقاله هسته‌های آزمایشی بهبود یافته کوانتومی روی یک پردازنده فوتونی

چکیده

Recently, machine learning had a remarkable impact, from scientific to everyday-life applications. However, complex tasks often imply unfeasible energy and computational power consumption. Quantum computation might lower such requirements, although it is unclear whether enhancements are reachable by current technologies. Here, we demonstrate a kernel method on a photonic integrated processor to perform a binary classification. We show that our protocol outperforms state-of-the-art kernel methods including gaussian and neural tangent kernels, exploiting quantum interference, and brings a smaller improvement also by single photon coherence. Our scheme does not require entangling gates and can modify the system dimension through additional modes and injected photons. This result opens to more efficient algorithms and to formulating tasks where quantum effects improve standard methods.

چکیده به فارسی (ترجمه ماشینی)

اخیراً ، یادگیری ماشین از برنامه های علمی تا زندگی روزمره تأثیر چشمگیری داشته است.با این حال ، کارهای پیچیده اغلب حاکی از انرژی غیر ممکن و مصرف انرژی محاسباتی است.محاسبه کوانتومی ممکن است چنین الزاماتی را کاهش دهد ، اگرچه مشخص نیست که آیا پیشرفت ها توسط فناوری های فعلی قابل دستیابی هستند یا خیر.در اینجا ، ما یک روش هسته را در یک پردازنده یکپارچه فوتونیک برای انجام یک طبقه بندی باینری نشان می دهیم.ما نشان می دهیم که پروتکل ما از روشهای پیشرفته هسته ای از جمله هسته های گاوسی و عصبی مماس ، سوء استفاده از تداخل کوانتومی بهتر است و با انسجام تک فوتون ، پیشرفت کمتری را نیز به همراه می آورد.طرح ما نیازی به دروازه های درگیر ندارد و می تواند بعد سیستم را از طریق حالت های اضافی و فوتون های تزریق شده تغییر دهد.این نتیجه به الگوریتم های کارآمدتر و تدوین وظایف که در آن اثرات کوانتومی روشهای استاندارد را بهبود می بخشد ، باز می شود.