PulseAugur
中
实时 08:37:57
English(EN) Complexity of Normalized Persistence Problems for Topological Data Analysis and Local Hamiltonians

新研究探讨拓扑数据分析中的量子优势和抗噪声能力

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新研究论文探讨了拓扑数据分析（TDA）的进展，这是一种使用拓扑学在数据中查找模式的机器学习技术。第一篇论文介绍了归一化持久性，它是持久同调的一个变体，并证明了其 $\mathsf{DQC}_1$-hardness，暗示了TDA中指数级量子加速的潜力。这项工作还将归一化持久性与局部哈密顿量的复杂度联系起来。第二篇论文提出持久离散同调作为现有方法的一种更具抗噪声能力的选择，特别适用于非度量设置中的数据。 AI

影响 这些论文推进了对拓扑数据分析的理论理解，有望在复杂数据集中实现更鲁棒、更高效的模式识别方法。

排序理由 该集群包含两篇arXiv预印本，详细介绍了拓扑数据分析及其计算复杂性的理论研究。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新研究探讨拓扑数据分析中的量子优势和抗噪声能力

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Dominic Lowe, M. S. Kim, Roberto Bondesan, Ryu Hayakawa ·

    Complexity of Normalized Persistence Problems for Topological Data Analysis and Local Hamiltonians

    arXiv:2607.03278v1 Announce Type: cross Abstract: Topological data analysis (TDA) is a machine learning technique that uses topology to extract patterns from data and has shown the potential to exhibit quantum advantage. A key concept in TDA is persistent homology, which measures…

  2. arXiv cs.LG TIER_1 Italiano(IT) · Chris Kapulkin, Nathan Kershaw ·

    Topological data analysis using persistent discrete homology

    arXiv:2506.15020v2 Announce Type: replace-cross Abstract: We propose persistent discrete homology as a tool for topological data analysis and discuss its advantages over the existing methods. In particular, we provide empirical evidence that persistent discrete homology is more n…

相关实体

相关话题