Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/9CB079A3-6AEB-49C4-8B09-FA578377E764 | - |
| Αναγνωριστικό | https://ieeexplore.ieee.org/document/9571235 | - |
| Γλώσσα | en | - |
| Μέγεθος | 2 pages | en |
| Τίτλος | Fock state-enhanced expressivity of quantum machine learning models | en |
| Δημιουργός | Yee Gan Beng | en |
| Δημιουργός | Leykam Daniel | en |
| Δημιουργός | Angelakis Dimitrios | en |
| Δημιουργός | Αγγελακης Δημητριος | el |
| Εκδότης | Institute of Electrical and Electronics Engineers | en |
| Περίληψη | We propose quantum classifiers based on encoding classical data onto Fock states using tunable beam-splitter meshes, similar to the boson sampling architecture. We show that higher photon numbers enhance the expressive power of the circuit. | en |
| Τύπος | Σύντομη Δημοσίευση σε Συνέδριο | el |
| Τύπος | Conference Short Paper | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2023-05-29 | - |
| Ημερομηνία Δημοσίευσης | 2021 | - |
| Θεματική Κατηγορία | Machine learning | en |
| Θεματική Κατηγορία | Laser modes | en |
| Θεματική Κατηγορία | Encoding | en |
| Θεματική Κατηγορία | Integrated circuit modeling | en |
| Θεματική Κατηγορία | Electrooptical waveguides | en |
| Θεματική Κατηγορία | Photonics | en |
| Βιβλιογραφική Αναφορά | G. B. Yee, D. Leykam and D. G. Angelakis, "Fock state-enhanced expressivity of quantum machine learning models," presented at the 2021 Conference on Lasers and Electro-Optics (CLEO), San Jose, CA, USA, 2021. | en |
Copyright © DIAS 2013
