PulseAugur
中
实时 07:17:29
English(EN) VQCSim: When Does Compile-Once Statevector Simulation Beat Generic Quantum Frameworks?

新的VQCSim框架加速量子-经典机器学习训练

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了VQCSim，一个专为混合量子-经典机器学习工作流设计的新型状态向量模拟框架。这个PyTorch原生系统通过一次编译来优化参数化电路的执行，显著降低了开销。在使用MQT Bench的基准测试中，VQCSim实现了显著的加速，中位数增益在推理方面为4.49倍，训练方面为27.78倍，这主要归功于其原生的自动微分能力。该框架以增加GPU内存使用量为代价来缩短运行时间，并包含一个开源后端选择器，可自动选择最优模拟器。 AI

影响 通过提高混合工作流的模拟效率，加速了量子机器学习领域的研究。

排序理由 该集群包含一篇详细介绍量子机器学习新模拟框架的学术论文。[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 →

新的VQCSim框架加速量子-经典机器学习训练

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Anton Firc, Martin Pere\v{s}\'ini, Vojt\v{e}ch Mr\'azek, Kamil Malinka, Vojt\v{e}ch Stan\v{e}k, Zbyn\v{e}k Li\v{c}ka, Nouhaila Innan, Walid El Maouaki, Alberto Marchisio, Muhammad Shafique ·

    VQCSim：何时一次编译的状态向量模拟能胜过通用量子框架？

    arXiv:2607.11985v1 Announce Type: cross Abstract: Hybrid quantum-classical machine learning workflows repeatedly evaluate many small parametrized circuits during training and model exploration. In this regime, framework dispatch and orchestration overhead often dominate runtime. …

相关实体

相关话题