量子梯度下降算法

指数级加速梯度计算

针对高斯过程模型超参数优化的可扩展量子算法，将梯度计算集成于量子线路中。

Hu, Junpeng · Li, Jinglai · 张蕾 · Shi, Jin

Mathematical Models and Methods in Applied Sciences 2026

技术优势

梯度计算指数加速

利用量子线性代数算法，对对数边际似然的梯度计算实现了指数加速，大幅降低每次迭代的成本。

整个流程装入量子线路

梯度下降的整个过程被集成到量子线路中，无需在经典计算机与量子处理器之间反复传递数据。

可扩展性显著提升

通过运行时分析和误差界表明，该方法显著改善了高斯过程回归模型优化的可扩展性，使其对大规模应用在计算上可行。

应用场景

• 量子机器学习：为量子机器学习模型的超参数优化提供高效梯度计算，替代经典计算中的高成本步骤。
• 量子算法：将梯度下降算法集成到量子线路中，为量子算法设计提供新的可扩展范例。
• 大规模高斯过程回归：加速高斯过程回归模型优化中的梯度计算，使大规模数据下的训练变得可行。