PulseAugur
中
实时 07:15:40
English(EN) Shot-based quantum encoding: a data-loading paradigm for quantum neural networks

新的量子编码方法提升神经网络性能

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为基于量子比特的编码（SBQE）的新型量子神经网络数据加载技术。该方法利用硬件的本地资源——量子比特，将数据分布到多个量子态中，从而解决了现有编码方案的局限性。SBQE有效地创建了一个混合态表示，该表示与非线性激活函数线性组合，模仿了多层感知机。在Semeion、Fashion MNIST和MNIST等图像数据集上的基准测试表明，SBQE在不需要数据编码门的情况下，实现了与幅度编码和经典网络相比具有竞争力或更优的测试准确率。 AI

影响 这种新的编码方法有望提高量子机器学习模型的效率和性能。

排序理由 该集群包含一篇详细介绍量子神经网络新方法的 ist 研究论文。

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 →

新的量子编码方法提升神经网络性能

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Basil Kyriacou, Viktoria Patapovich, Maniraman Periyasamy, Alexey Melnikov ·

    基于量子比特编码：量子神经网络的数据加载范式

    arXiv:2604.06135v2 Announce Type: replace-cross Abstract: Efficient data loading remains a bottleneck for near-term quantum machine learning. Existing schemes (angle, amplitude, and basis encoding) either underuse the exponential Hilbert-space capacity or require circuit depths t…

相关实体

相关话题