PulseAugur
中
实时 10:04:37
English(EN) Hybrid Quantum-Classical PINNs for Scientific Computing: A Multi-GPU Open-Source Framework

新的开源框架QPINNACLE增强了混合量子-经典PINN

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了QPINNACLE，一个旨在提高物理信息神经网络（PINN）在科学计算中性能的开源框架。该框架将先进的训练策略、多GPU加速和混合量子-经典架构集成到一个模块化工作流程中。QPINNACLE有助于在流体动力学和波传播等各种基准问题上评估PINN的有效性，同时分析其计算成本和扩展效率。该框架的能力扩展到混合量子-经典PINN，提供了对参数效率改进的见解。 AI

影响 该框架通过提供一个标准化且高效的平台来评估和开发PINN，有可能加速科学计算领域的研究和开发。

排序理由 这是一篇详细介绍物理信息神经网络新开源框架的研究论文。[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 →

新的开源框架QPINNACLE增强了混合量子-经典PINN

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ziv Chen, Hemanth Chandravamsi, Shimon Pisnoy, Aaron Goldgewert, Gal Shaviner, Boris Shragner, Steven H. Frankel ·

    混合量子-经典PINN用于科学计算：一个多GPU开源框架

    arXiv:2604.15645v2 Announce Type: replace Abstract: We present QPINNACLE, an open-source computational framework for physics-informed neural networks (PINNs) that integrates modern training strategies, multi-GPU acceleration, and hybrid quantum-classical architectures within a un…

相关实体

相关话题