PulseAugur
中
实时 07:38:32
English(EN) PN-QNN: Harnessing Physical Noise as a Native Regularizer in Photonic Hybrid Quantum Neural Networks

量子神经网络中的物理噪声被探索为一种原生正则化器

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员探索了在光子混合量子神经网络（PHQNN）中使用物理噪声作为原生正则化器的潜力，并将其与经典深度学习中的噪声注入技术进行类比。通过使用遗传算法在Quandela的Perceval模拟器和MerLin框架中调整噪声参数，该研究旨在优化PHQCNN在Iris、Digits和MNIST等数据集上的性能。虽然这种方法在Iris和Digits数据集上取得了适度的准确性提升，但在MNIST数据集上却导致性能下降，这表明物理噪声作为正则化器的有益效果是依赖于数据集的。 AI

影响 这项研究探索了一种利用固有物理噪声来提高量子神经网络性能的新方法，可能为量子计算中的正则化提供一条新途径。

排序理由 研究论文，详细介绍了一种量子神经网络的新方法。[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 →

量子神经网络中的物理噪声被探索为一种原生正则化器

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Farah Elnakhal, Alberto Marchisio, Nouhaila Innan, Gabriel Falcao, Muhammad Shafique ·

    PN-QNN：在光子混合量子神经网络中利用物理噪声作为原生正则化器

    arXiv:2607.20045v1 Announce Type: cross Abstract: Physical noise in near-term quantum hardware is usually treated as a nuisance to suppress. We ask whether it can instead act as a hardware-native regularizer for photonic hybrid quantum-classical neural networks (PHQCNNs), analogo…

相关实体

相关话题