引导式测验 · 硬等级

量子人工智能测验

测试混合量子/经典工作流程、NISQ 限制、数据加载成本、噪声、基线、硬件声明和再现性。

哪句话最能概括量子 AI 的范围？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

哪句话最能概括量子 AI 的范围？
- 它意味着每个 AI 模型都在量子计算机上运行
- 它研究量子计算与机器学习的交叉，包括量子模型以及用于量子系统的机器学习
- 它是对经典机器学习的已验证替代方案
- 它仅指量子化学
为什么理论上的量子加速不足以证明实际优势？
- 硬件、噪声、数据加载、测量以及完整工作流的成本可能占主导
- 理论结果在当前设备上总是运行得更快
- 不需要经典基准
- 模拟器与生产硬件完全相同
在混合变分量子算法中，经典优化器可能扮演什么角色？
- 用数据库替代所有量子操作
- 在没有参数的情况下读取最终测量
- 使用从量子电路运行中评估的目标函数来调节电路参数
- 自动执行错误校正
为什么量子实验应说明使用的是硬件还是模拟？
- 模拟器始终包含真实设备噪声
- 硬件与仿真结果可互换
- 环境永不影响量子电路
- 执行设置决定结果所展示的内容
关于量子优势的声明必须明确什么？
- 仅产品标题中的量子比特数量
- 未来的市场预测
- 研究人员所在的机构
- 问题、假设、规模和比较条件
为什么数据加载可能会削弱量子机器学习的加速效果？
- 量子态无法被测量
- 编码经典输入可能会增加成本，从而抵消后续计算节省的开销
- 电路不使用任何输入数据
- 经典数据会自动以恒定时间加载
指南建议将量子方法与什么进行比较？
- 同一任务下的强力经典基准
- 仅与不同的量子模拟器比较
- 在硬件完善之前不进行基准测试
- 与任务无关的营销基准
为什么要保留电路定义、种子和硬件细节？
- 它们能保证量子优势
- 它们取代了报告成本的必要性
- 它们支持实验的可重复性和解读
- 它们确保所有硬件的行为完全一致