量子算法中的量子RAM的目的是什么？

我看到许多论文（例如Quantum主成分分析）中都必须存在qRAM。qRAM在量子算法中的实际目的是什么？

quantum-memory

— 安东·卡拉泽耶夫（Anton Karazeev）
source

您好，如果一篇帖子只包含一个问题，我们更喜欢。同样，我们将面临的问题可能会导致问题 /意见，因此对于Quantum Computing StackExchange而言，这不是最佳问题。

— MEE-恢复莫妮卡

@MEE用一个替换了两个问题。

— 安东·卡拉泽耶夫

与quantumcomputing.stackexchange.com/q/115/55

— glS

Ciliberto 等人的第5章对此进行了讨论。。

大多数量子（增强）机器学习算法的目的是在经典机器学习算法可能的范围内，加快经典数据的处理速度。换句话说，上下文是您有一组经典向量，并且您想要计算此数据的某些函数（然后可用作某些属性的估计量，或者作为表征用于新数据点或其他数据的分类器的功能。大多数量子机器学习算法告诉您，只要您能够有效地执行映射， $\{\boldsymbol x_k\}_k$ $\boldsymbol f(\boldsymbol x_k)$ 则有时可以计算更有效。据，然而，高度非平凡如何执行这样的映射效率。

{X_{ķ}}_{ķ} \mapsto | {X_{ķ}} ⟩ = ñ \sum_{ķ Ĵ} X_{ķ Ĵ} | ķ ， Ĵ ⟩ ，

$\{\boldsymbol x_k\}_k\mapsto\lvert \{\boldsymbol x_k\}\rangle= N\sum_{kj} x_{kj}\lvert k,j\rangle,$

f ({x_{k}})

$\boldsymbol f(\{\boldsymbol x_k\})$

为了保持量子算法的潜在指数加速，这种转换需要有效。如果不是这种情况，那么最终将出现一种情况，在这种情况下，量子算法可以非常有效地解决问题，但是只有在对数据进行了长时间的预处理之后，因此最终无法使用量子算法。

这就是QRAM发挥作用的地方。QRAM是一种可以在理论上将维经典矢量在时间编码为量子位的量子状态（的幅度。如Ciliberto 等人所述。，以及在此相关答案中，QRAM的实际可行性仍不完全清楚，仍然有许多警告。 $N$ $d$ $\log(Nd)$ $\mathcal O(\log(Nd))$

— 玻璃
source