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。

相關引導路徑量子人工智慧
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。

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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