Partially-Blind Single-Qubit Classification over a Prototype Hybrid Quantum Network
Dieses Paper schlägt ein Framework für die teilweise-blinde Einzelqubit-Klassifizierung über ein prototypisches hybrides Quantennetzwerk unter Verwendung von Entanglement Swapping und festkörperbasiertem Quantenspeicher vor und simuliert dieses, wobei es demonstriert, dass ein solches ressourceneffizientes, quantensicheres maschinelles Lernen eine mit klassischen Deep-Belief-Netzwerken vergleichbare Leistung erzielen kann, während es gleichzeitig zukünftige Verifizierbarkeit und Skalierbarkeit ermöglicht.