PulseAugur
中
实时 09:58:10
English(EN) Classical $\mathrm{SU}(2)$ Models Match or Exceed Shallow Variational Quantum Circuits on Vision Benchmarks

经典 SU(2) 模型在视觉任务上优于量子电路

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文在各种视觉基准测试上比较了经典 SU(2) 模型与变分量子电路 (VQC)。研究发现，四元数神经网络（一种经典 SU(2) 模型）在 MNIST、Fashion-MNIST 和 CIFAR-10 等数据集上的表现与浅层 VQC 相当或更好。虽然四元数网络保持了很高的实值网络性能百分比，但 VQC 显示出较低的准确率和较高的计算成本，这表明对于缺乏内在量子结构的任务，经典 SU(2) 几何可以作为浅层量子电路的有效替代方案。 AI

影响 表明经典模型可以成为某些任务的量子电路的有效替代方案，可能影响硬件开发和模型选择。

排序理由 研究论文在基准测试上比较经典模型和量子模型。[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 →

经典 SU(2) 模型在视觉任务上优于量子电路

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Christopher Fulton, Irene Tsapara, Lawrence Fulton ·

    经典 $\mathrm{SU}(2)$ 模型在视觉基准测试上匹配或超越浅层变分量子电路

    arXiv:2608.07822v1 Announce Type: cross Abstract: Quaternion-valued neural networks and variational quantum circuits (VQCs) both derive local transformations from $\mathrm{SU}(2)$ geometry, yet their performance on classical supervised learning remains poorly understood. We compa…

相关实体

相关话题