PulseAugur
中
实时 17:59:00
English(EN) No Reference-Free Generalization in Quantum Machine Learning

量子机器学习在没有参考系的情况下面临泛化限制

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的论文探讨了量子机器学习（QML）中泛化的根本性挑战。研究发现了一个“可辨识性问题”，即QML模型在没有参考系的情况下难以将不同的含义赋予未见的量子态。研究证明，如果训练数据没有覆盖整个希尔伯特空间，正交态将获得相同的预测，无论它们与外部测量的可辨识性如何。这种限制源于缺乏参考信息，而非状态判别或计算能力，并表明成功的QML需要指定能够赋予量子方向语义意义的物理结构。 AI

影响 强调了量子机器学习中的基本理论限制，为实现泛化指明了新的研究方向。

排序理由 关于人工智能子领域理论限制的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

量子机器学习在没有参考系的情况下面临泛化限制

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jeongho Bang ·

    量子机器学习中不存在无参考泛化

    Quantum machine learning is often motivated by the exponentially large state space of quantum systems, but this promise leaves a basic generalization problem unresolved: how can a learner assign different meanings to unseen quantum directions when the training data provide no pre…

相关实体

相关话题