양자 알고리즘에서 양자 RAM의 목적은 무엇입니까?

qRAM의 존재가 필요한 많은 논문 (예 : Quantum 주요 구성 요소 분석 )을 봅니다. 양자 알고리즘에서 qRAM의 실제 목적은 무엇입니까?

이것은 Ciliberto et al. .

대부분의 양자 (향상된) 머신 러닝 알고리즘 의 목적은 클래식 머신 러닝 알고리즘으로 가능한 것보다 클래식 데이터 의 처리 속도를 높이는 것입니다 . 다시 말해, 문맥에는 고전적인 벡터 세트가 있다는 것입니다. 이고이 데이터의 일부 함수 f ( x k ) 를 계산하려는경우 (일부 속성의 추정기 또는 새 데이터 포인트에 사용할 분류자를 특성화하는 함수로 사용할 수 있음) 다른 것). 대부분의 양자 기계 학습 알고리즘은 매핑 { x k } k ↦ | { x k } ⟩ = N ∑ k j x k j | K , J ⟩ $\{\boldsymbol x_k\}_k$$\boldsymbol f(\boldsymbol x_k)$

$$\{\boldsymbol x_k\}_k\mapsto\lvert \{\boldsymbol x_k\}\rangle= N\sum_{kj} x_{kj}\lvert k,j\rangle,$$ 더 효율적 으로 계산할 수있는 경우가 있습니다 . 그러나 이러한 매핑을 효율적 으로 수행하는 방법은 매우 중요합니다 .$\boldsymbol f(\{\boldsymbol x_k\})$

양자 알고리즘의 잠재적 인 지수 가속을 유지하려면이 변환이 효율적이어야합니다. 그렇지 않은 경우, 양자 알고리즘이 문제를 매우 효율적으로 해결할 수있는 상황에서, 그러나 데이터의 긴 전처리가 수행 된 후에 만 ​​양자 알고리즘을 사용하는 전체 요점을 없앤다.

$N$ $d$$\log(Nd)$$\mathcal O(\log(Nd))$