研究人员开发了 DistributedEstimator 系统，该系统通过将大型量子电路分解为更小、可管理的子电路来训练量子神经网络。该方法包括分区、子实验生成、并行执行和经典重构，其中重构被证明是最耗时的阶段。尽管存在重构开销，该系统在 Iris 和 MNIST 等基准数据集上保持了测试准确性，并保持了对噪声和扰动的鲁棒性，尽管子实验的指数级增长限制了实际应用到较少量子比特的数量。 AI
影响 这项研究探索了扩展量子神经网络训练的方法，可能对未来的 AI 硬件和算法产生影响。
排序理由 学术论文，详细介绍了一种训练量子神经网络的新系统。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
