引導式測驗 · 硬 等級
量子人工智慧測驗
測試混合量子/經典工作流程、NISQ 限制、資料載入成本、雜訊、基準、硬體聲明和再現性。
問題 1 的 8
哪一項說明能捕捉量子 AI 的範圍?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 哪一項說明能捕捉量子 AI 的範圍?
- 它意味著每個 AI 模型都在量子電腦上運行
- 它研究量子計算與機器學習之間的交叉點,包括量子模型和量子系統的機器學習
- 它是一個已被證實取代傳統機器學習的方案
- 它僅指量子化學
- 為什麼理論上的量子加速不足以確立實際優勢?
- 硬體、噪音、資料載入、測量以及完整工作流程成本可能佔主導地位
- 理論結果在目前裝置上總是更快
- 傳統基準不必要
- 模擬器與實際硬體完全相同
- 在混合變分量子演算法中,傳統優化器可能扮演什麼角色?
- 用資料庫取代所有量子操作
- 在沒有參數的情況下讀取最終測量值
- 使用從量子電路執行中評估的目標來調整電路參數
- 自動執行錯誤更正
- 為什麼量子實驗應說明是否使用硬體或模擬?
- 模擬器永遠包含真實裝置噪音
- 硬體與模擬結果可互換
- 環境永遠不會影響量子電路
- 執行設定會影響結果所示的內容
- 對量子優勢的聲稱必須說明什麼?
- 僅在產品標題中列出量子位數
- 未來市場預測
- 研究者所在機構
- 問題、假設、規模與比較條件
- 為什麼資料載入可能會削弱量子機器學習的加速效果?
- 量子態無法被測量
- 編碼古典輸入可能增加成本,超過後續計算所節省的成本
- 電路不使用任何輸入資料
- 古典資料會自動在常數時間內載入
- 指南建議將量子方法與什麼進行比較?
- 在相同任務上強大的古典基準
- 僅與不同的量子模擬器比較
- 在硬體完美之前不設基準
- 與任務無關的行銷基準
- 為什麼要保留電路定義、種子(seeds)和硬體細節?
- 它們保證了量子優勢
- 它們取代了報告成本的必要性
- 它們支持實驗的可重現性和解釋性
- 它們確保所有硬體表現完全相同