양자 정보 병목 현상에 대한 효율적인 알고리즘

[1] S. 아리모토. 임의의 개별 메모리리스 채널의 용량을 계산하기 위한 알고리즘입니다. 정보 이론에 관한 IEEE 거래, 18 (1): 14–20, 1972. 10.1109/TIT.1972.1054753.
https : / //doi.org/10.1109/TIT.1972.1054753

[2] 레오나르도 반치, 제이슨 페레이라, 스테파노 피란돌라. 양자 기계 학습의 일반화: 양자 정보 관점. PRX Quantum, 2: 040321, 2021년 10.1103월. 2.040321/​PRXQuantum.XNUMX.
https : / / doi.org/ 10.1103 / PRXQuantum.2.040321

[3] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe 및 Seth Lloyd. 양자 기계 학습. Nature, 549 (7671) : 195–202, 2017. 10.1038 / 네이처 23474.
https : / /doi.org/ 10.1038 / nature23474

[4] R. 블라후트. 채널 용량 및 속도 왜곡 함수 계산. 정보 이론에 관한 IEEE 거래, 18 (4): 460–473, 1972. 10.1109/TIT.1972.1054855.
https : / //doi.org/10.1109/TIT.1972.1054855

[5] 카스텐 블랭크, 박다니엘 K, 케빈 이준구, 프란체스코 페트루치오네. 맞춤형 양자 커널을 갖춘 양자 분류기. npj Quantum Information, 6 (1): 1–7, 2020. 10.1038/s41534-020-0272-6.
https:/​/​doi.org/​10.1038/​s41534-020-0272-6

[6] 닐란자나 다타(Nilanjana Datta), 크리스토프 히르체(Christoph Hirche), 안드레아스 윈터(Andreas Winter). 양자 정보 병목 현상 함수의 볼록성과 조작적 해석. 2019년 IEEE 정보 이론에 관한 국제 심포지엄(ISIT), 페이지 1157–1161, 2019. 10.1109/​ISIT.2019.8849518.
https : / /doi.org/10.1109/ ISIT.2019.8849518

[7] András Gilyén, Yuan Su, Guang Hao Low, Nathan Wiebe. 양자 특이값 변환 및 그 이상: 양자 행렬 산술의 기하급수적 개선. 컴퓨팅 이론에 관한 제51회 연례 ACM SIGACT 심포지엄 회보, 193–204페이지, 2019. 10.1145/​3313276.3316366.
https : / /doi.org/ 10.1145 / 3313276.3316366

[8] 지브 골드펠드(Ziv Goldfeld)와 유리 폴리안스키(Yuri Polyanskiy). 정보 병목 현상 문제와 머신러닝에서의 응용. 정보 이론의 선별 영역에 관한 IEEE 저널, 1 (1): 19–38, 2020. 10.1109/​JSAIT.2020.2991561.
https:// / doi.org/ 10.1109/ JSAIT.2020.2991561

[9] 아르네 L. 그림스모(Arne L. Grimsmo)와 수잔 스틸(Susanne Still). 양자 예측 필터링. 물리. A, 94: 012338, 2016년 10.1103월. 94.012338/​PhysRevA.XNUMX.
https : / /doi.org/10.1103/ PhysRevA.94.012338

[10] Aram W Harrow, Avinatan Hassidim, Seth Lloyd. 방정식의 선형 시스템을 위한 양자 알고리즘. 물리적 검토 편지, 103 (15): 150502, 2009. 10.1103/PhysRevLett.103.150502.
https : / /doi.org/10.1103/ PhysRevLett.103.150502

[11] Vojtěch Havlíček, Antonio D Córcoles, Kristan Temme, Aram W Harrow, Abhinav Kandala, Jerry M Chow 및 Jay M Gambetta가 있습니다. 양자 강화 기능 공간을 통한지도 학습. Nature, 567 (7747) : 209–212, 2019. 10.1038 / s41586-019-0980-2.
https:/​/​doi.org/​10.1038/​s41586-019-0980-2

[12] 하야시 마사히토와 빈센트 YF 탄. 대략적인 충분한 통계의 최소 비율입니다. 정보 이론에 관한 IEEE 거래, 64 (2): 875–888, 2018. 10.1109/​TIT.2017.2775612.
https : / //doi.org/10.1109/TIT.2017.2775612

[13] Carl W Helstrom. 양자 검출 및 추정 이론. 통계 물리학 저널, 1 (2) : 231–252, 1969. 10.1007 / BF01007479.
https : / /doi.org/ 10.1007 / BF01007479

[14] 크리스토프 히르체와 안드레아스 윈터. 정보 병목 현상 기능에 대한 알파벳 크기 제한입니다. 2020년 IEEE 정보 이론에 관한 국제 심포지엄(ISIT), 페이지 2383–2388, 2020. 10.1109/​ISIT44484.2020.9174416.
https:// / doi.org/ 10.1109/ ISIT44484.2020.9174416

[15] 알렉산더 S 홀레보. 양자 이론의 확률적 및 통계적 측면, 1권. Springer Science & Business Media, 2011. 10.1007/978-88-7642-378-9.
https:/​/​doi.org/​10.1007/​978-88-7642-378-9

[16] Winston H. Hsu, Lyndon S. Kennedy, Shih-Fu Chang. 정보 병목 원리를 통한 비디오 검색 순위 재지정. MM '06, 페이지 35–44, 뉴욕, 뉴욕, 미국, 2006. 컴퓨터 기계 협회. ISBN 1595934472/​10.1145.
https : / /doi.org/ 10.1145 / 1180639.1180654

[17] 세스 로이드, 마리아 슐드, 아루사 이자즈, 조쉬 아이작, 네이선 킬로런. 기계 학습을 위한 양자 임베딩. arXiv 사전 인쇄 arXiv:2001.03622, 2020. 10.48550/​arXiv.2001.03622.
https://​/​doi.org/​10.48550/​arXiv.2001.03622
arXiv : 2001.03622

[18] 광하오 로우(Guang Hao Low)와 아이작 L 추앙(Isaac L Chuang). 균일한 스펙트럼 증폭을 통한 해밀턴 시뮬레이션. arXiv 사전 인쇄 arXiv:1707.05391, 2017. 10.48550/​arXiv.1707.05391.
https://​/​doi.org/​10.48550/​arXiv.1707.05391
arXiv : 1707.05391

[19] Guang Hao Low 및 Isaac L Chuang. 큐 비트 화에 의한 해밀턴 시뮬레이션. 퀀텀, 3 : 163, 2019. 10.22331 / q-2019-07-12-163.
https:/​/​doi.org/​10.22331/​q-2019-07-12-163

[20] 아드리안 페레즈-살리나스, 알바 세르베라-리에르타, 엘리스 길-푸스터, 호세 4세 라토레. 범용 양자 분류기를 위한 데이터 재업로드. 양자, 226: 2020, 10.22331. 2020/q-02-06-226-XNUMX.
https:/​/​doi.org/​10.22331/​q-2020-02-06-226

[21] 마틴 플레쉬(Martin Plesch)와 블라디미르 부젝(Vladimír Bužek). 양자 정보의 효율적인 압축. 물리적 검토 A, 81(3): 032317, 2010. 10.1103/PhysRevA.81.032317.
https : / /doi.org/10.1103/ PhysRevA.81.032317

[22] Navneeth Ramakrishnan, Raban Iten, Volkher B. Scholz 및 Mario Berta. 양자 채널 용량을 계산합니다. 정보 이론에 관한 IEEE 거래, 67 (2): 946–960, 2021. 10.1109/​TIT.2020.3034471.
https : / //doi.org/10.1109/TIT.2020.3034471

[23] Lee A Rozema, Dylan H Mahler, Alex Hayat, Peter S Turner 및 Aephraim M Steinberg. 큐비트 앙상블의 양자 데이터 압축. 실제 검토 편지, 113(16): 160504, 2014. 10.1103/​PhysRevLett.113.160504.
https : / /doi.org/10.1103/ PhysRevLett.113.160504

[24] 시나 살렉, 다니엘라 카다무로, 필립 카머랜더, 캐롤라인 비스너. 관련 정보의 양자율-왜곡 코딩. 정보 이론에 관한 IEEE 거래, 65 (4): 2603–2613, 2019. 10.1109/​TIT.2018.2878412.
https : / //doi.org/10.1109/TIT.2018.2878412

[25] 마리아 슐드. 지도 양자 기계 학습 모델은 커널 방법입니다. arXiv 사전 인쇄 arXiv:2101.11020, 2021/​arXiv.10.48550.
https://​/​doi.org/​10.48550/​arXiv.2101.11020
arXiv : 2101.11020

[26] 마리아 슐드와 네이선 킬로런. 기능 힐베르트 공간의 양자 기계 학습. 물리적 검토 편지, 122(4): 040504, 2019. 10.1103/​PhysRevLett.122.040504.
https : / /doi.org/10.1103/ PhysRevLett.122.040504

[27] Maria Schuld, Ilya Sinayskiy 및 Francesco Petruccione. 양자 기계 학습을 소개합니다. 현대 물리학, 56 (2) : 172–185, 2015. 10.1080 / 00107514.2014.964942.
https : / /doi.org/ 10.1080 / 00107514.2014.964942

[28] 라비드 슈워츠-지브(Ravid Shwartz-Ziv)와 나프탈리 티쉬비(Naftali Tishby). 정보를 통해 심층신경망의 블랙박스를 엽니다. arXiv 사전 인쇄 arXiv:1703.00810, 2017. 10.48550/​arXiv.1703.00810.
https://​/​doi.org/​10.48550/​arXiv.1703.00810
arXiv : 1703.00810

[29] 노암 슬로님(Noam Slonim)과 나프탈리 티슈비(Naftali Tishby). 정보 병목 방법을 통해 단어 클러스터를 이용한 문서 클러스터링. SIGIR '00, 페이지 208–215, 뉴욕, 뉴욕, 미국, 2000. 컴퓨터 기계 협회. ISBN 1581132263/​10.1145.
https : / /doi.org/ 10.1145 / 345508.345578

[30] 막시밀리안 스타크, 아이자즈 샤, 게르하르트 바우흐. 정보 병목현상 기법을 이용한 폴라코드 구축. 2018년 IEEE 무선 통신 및 네트워킹 컨퍼런스 워크숍(WCNCW), 페이지 7~12, 2018. 10.1109/​WCNCW.2018.8368978.
https://doi.org/10.1109/WCNCW.2018.8368978

[31] DJ Strouse와 David J. Schwab. 결정론적 정보 병목 현상. 신경 계산, 29 (6): 1611–1630, 06 2017. ISSN 0899-7667. 10.1162/​NECO_a_00961.
https:/ / doi.org/ 10.1162/ NECO_a_00961

[32] N. 티슈비, FC 페레이라, W. 비알렉. 정보 병목 현상 방법. 통신, 제어 및 컴퓨팅에 관한 제37차 연례 Allerton 회의, 368~377페이지. 대학 일리노이 출판부, 1999. 10.48550/arXiv.physics/0004057.
https:/​/​doi.org/​10.48550/​arXiv.physics/​0004057

[33] 나프탈리 티쉬비(Naftali Tishby)와 노가 자슬라프스키(Noga Zaslavsky). 딥 러닝과 정보 병목 현상의 원리. 2015년 IEEE 정보 이론 워크숍(ITW), 1~5페이지. IEEE, 2015/​ITW.10.1109.
https : / / doi.org/ 10.1109 / ITW.2015.7133169

[34] 피터 위텍. 양자 기계 학습: 양자 컴퓨팅이 데이터 마이닝에 미치는 영향 학술 출판사, 2014. 10.1016/​C2013-0-19170-2.
https:/​/​doi.org/​10.1016/​C2013-0-19170-2

[35] 양 위샹, 줄리오 치리벨라, 다니엘 에블러. 동일하게 준비된 혼합 상태의 앙상블에 대한 효율적인 양자 압축. 물리적 검토 편지, 116 (8): 080501, 2016a. 10.1103/​PhysRevLett.116.080501.
https : / /doi.org/10.1103/ PhysRevLett.116.080501

[36] 양 위샹, 줄리오 치리벨라, 하야시 마사히토. 동일하게 준비된 큐비트 상태에 대한 최적의 압축입니다. 물리. Lett., 117: 090502, 2016년 10.1103월b. 117.090502/​PhysRevLett.XNUMX.
https : / /doi.org/10.1103/ PhysRevLett.117.090502

[37] 양 위샹, 게바이, 줄리오 치리벨라, 하야시 마사히토. 양자 집단 코딩을 위한 압축. 정보 이론에 관한 IEEE 거래, 64 (7): 4766–4783, 2018a. 10.1109/TIT.2017.2788407.
https : / //doi.org/10.1109/TIT.2017.2788407

[38] 양 위샹, 줄리오 치리벨라, 하야시 마사히토. 양자 스톱워치: 양자 메모리에 시간을 저장하는 방법 왕립학회보 A: 수학, 물리 및 공학 과학, 474(2213): 20170773, 2018b. 10.1098/rspa.2017.0773.
https : / /doi.org/ 10.1098 / rspa.2017.0773