Qual é o objetivo de uma RAM quântica em algoritmos quânticos?

Eu vejo muitos artigos (por exemplo , análise de componentes principais quânticos ) em que a existência de qRAM é necessária. Qual é o objetivo real do qRAM em algoritmos quânticos?

Isso é discutido no capítulo 5 de Ciliberto et al. .

O objetivo da maioria dos algoritmos quânticos (aprimorados) de aprendizado de máquina é acelerar o processamento de dados clássicos sobre o que é possível com os algoritmos clássicos de aprendizado de máquina. Em outras palavras, o contexto é que você possui um conjunto de vetores clássicos e deseja calcular alguma função f ( x k ) desses dados (que pode ser usada como estimador de alguma propriedade ou como uma função que caracteriza um classificador a ser usado para novos pontos de dados ou outra coisa). A maioria dos algoritmos de aprendizado de máquina quântico diz isso, desde que você possa executar com eficiência o mapeamento $\{\boldsymbol x_k\}_k$$\boldsymbol f(\boldsymbol x_k)$ então por vezes é possível calcular f ( { x k } ) de forma mais eficiente. No entanto, é altamente não trivial como executar esse mapeamento comeficiência.

Para manter as possíveis acelerações exponenciais dos algoritmos quânticos, essa conversão precisa ser eficiente. Se esse não for o caso, então a pessoa acaba em uma situação em que o algoritmo quântico pode resolver o problema com muita eficiência, mas somente após um longo pré-processamento dos dados ter sido realizado, eliminando, portanto, todo o ponto de usar o algoritmo quântico.

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