# Quantum-SVM-MINIST

**Repository Path**: xpeter/Quantum-SVM-MINIST

## Basic Information

- **Project Name**: Quantum-SVM-MINIST
- **Description**: 通过量子加速的SVM手写体识别程序
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 10
- **Forks**: 4
- **Created**: 2020-06-27
- **Last Updated**: 2024-11-12

## Categories & Tags

**Categories**: quantum

**Tags**: None

## README

# Quantum-SVM-MINIST

#### 介绍
通过量子加速的SVM手写体识别程序

入口程序：quantum_circuit.ipynb


量子线路：
![Alt text](./circuit.png?raw=true "Title")

知识普及：

量子支持向量机(qSVM)

我们经常在机器学习中提到一直监督学习算法，支持向量器(supporting vector machine)，并常常将其用于分类和回归分析。在SVM中，每个数据点可以认为是一个d维的向量，而我们的任务是找到一个d-1维的超平面，来将这些数据点分开，进而判断和预测data的类别。而通过kernal methods可以进一步把SVM扩展到非线性超平面上。其time scale大概为O(poly(d))，即多项式变化。

而在2014年时候Rebentrost和Seth他们提出，量子的SVM无论是在train阶段还是classification阶段都可以到O(log(N))的scale，可参考https://arxiv.org/pdf/1307.0471.pdf。 在2015年，中科大杜江峰组便用NMR系统做了一个proof-of-principle的实验(PhysRevLett.114.140504)，他们考虑一个optical character recognition问题，用一个4 qubits的circuit通过train来识别手写的数字6和9， 识别结果如下图。
![输入图片说明](https://images.gitee.com/uploads/images/2020/0627/073647_7f54327c_476839.png "屏幕截图.png")

加速时间复杂度如下：

![输入图片说明](https://images.gitee.com/uploads/images/2020/0627/073526_ef4f172d_476839.png "屏幕截图.png")