量子电子学报

作者：王庆乐,,薛雪,李元诚∗

单位：( 1 华北电力大学控制与计算机工程学院, 北京 102206;2 北京邮电大学网络与交换技术国家重点实验室, 北京 100876;3 中国科学技术大学量子信息重点实验室, 安徽 合肥 230026 )

关键词：量子算法,量子主成分分析,相关分析,指数加速,

基金：国家自然科学基金 (61801126), 北京邮电大学网络与交换技术国家重点实验室开放项目 (SKLNST-2021-1-05), 中国科学技术大学中国科学院量子信息重点实验室开放项目 (KQI201902), 信息网络安全公安部重点实验室开放课题 (C21605), 中央高校基本科研业务 (2020MS014)

典型相关分析是一种重要的数据处理方法, 用于处理随机向量之间的相互依赖关系。然而, 经典的典型相关分析算法的复杂度对数据维度是多项式依赖的, 致使该类算法并不适用于分析在大数据时代下规模呈指数增长的数据。针对经典的典型相关分析算法的这种缺陷, 提出了一种量子典型相关分析算法。该算法把典型相关分析所涉及的优化问题转化为适合用量子计算技术处理的代数问题, 并采用量子主成分分析技术进行求解,从而降低了典型相关分析算法的复杂度。在特定的参数条件下, 所提算法可实现在数据维度上的指数加速, 符合当今实际数据处理对该算法的需求。

来源：2023年第1期

《量子电子学报》期刊编辑部

查看量子电子学报杂志2023年第1期