Kuantum algoritmalarında kuantum RAM'in amacı nedir?

QRAM'ın varlığının gerekli olduğu birçok makale (örneğin, Kuantum temel bileşen analizi ) görüyorum. QRAM'ın kuantum algoritmalarındaki asıl amacı nedir?

Bu, Ciliberto ve ark. .

Çoğu kuantum (geliştirilmiş) makine öğrenme algoritmasının amacı, klasik verilerin klasik makine öğrenme algoritmalarıyla mümkün olanın üzerinde işlenmesini hızlandırmaktır . Başka bir deyişle, bağlam bir dizi klasik vektörünüzün$\{\boldsymbol x_k\}_k$ve bazı işlevleri hesaplamak istiyorsunuz $\boldsymbol f(\boldsymbol x_k)$(daha sonra bazı özelliklerin tahmincisi olarak veya yeni veri noktaları veya başka bir şey için kullanılacak bir sınıflandırıcıyı karakterize eden bir işlev olarak kullanılabilir). Çoğu kuantum makine öğrenme algoritması, eşleştirmeyi etkili bir şekilde yapabilmeniz koşuluyla size söyler

$$\{\boldsymbol x_k\}_k\mapsto\lvert \{\boldsymbol x_k\}\rangle= N\sum_{kj} x_{kj}\lvert k,j\rangle,$$ o zaman bazen hesaplamak mümkündür $\boldsymbol f(\{\boldsymbol x_k\})$daha verimli. Bununla birlikte, bu tür bir haritalamanın verimli bir şekilde gerçekleştirilmesi son derece önemsizdir .

Kuantum algoritmalarının potansiyel üstel hızlarını korumak için, bu dönüşümün etkili olması gerekir. Eğer durum böyle değilse, o zaman kuantum algoritmasının problemi çok verimli bir şekilde çözebileceği bir durumda, ancak verilerin uzun bir ön işleminden sonra, böylece kuantum algoritmasını kullanmanın tüm noktası öldürülür.

İşte burada QRAM'lar devreye giriyor. QRAM, (teorik olarak) kodlayabilen bir cihazdır$N$ $d$boyutlu klasik vektörlerin kuantum haline (genliklerine) $\log(Nd)$ kübitler, zaman içinde $\mathcal O(\log(Nd))$. Tartışıldığı gibi Ciliberto ve diğ. ve bu ilgili cevapta , QRAM'ların gerçek fizibilitesi hala tam olarak açık değildir ve birçok uyarı devam etmektedir.