新AI方法增强量子退火调度

研究人员开发了基于Transformer的神经量子数字孪生（Tx-NQDTs），用于重构多体量子系统的低能谱演化。该方法使用图信息Transformer神经网络来估计谱信息，然后将其整合到自适应量子退火调度中。在D-Wave量子退火器上的实验表明，与默认的线性调度相比，Tx-NQDTs指导的调度将基态成功概率提高了2.2至11.7个百分点。 AI

影响 这项研究可能通过AI优化退火调度来提高量子计算的效率。

排序理由 关于用于量子物理研究的新型AI方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• D-Wave Systems
• Gotit.pub
• Hugging Face
• Jianlong Lu
• ScienceCast
• Transformer-Based Neural Quantum Digital Twins
• Tx-NQDTs

• 论文
• 基础设施

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