研究人员开发了一种新颖的量子计算方法，用于从哈密顿量的态密度 (DOS) 中提取谱特征，然后可用于带符号图的机器学习。该方法将带符号图嵌入为伊辛模型，并利用伊辛 DOS 的标准化矩作为特征。该方法在社交网络分析和蛋白质相互作用网络等领域的应用前景广阔，在经典采样效率低的情况下具有实现量子优势的潜力。 AI
影响 这种量子方法可以实现对社会科学和生物学等领域复杂网络结构更有效的分析。
排序理由 该集群描述了一篇发表在 arXiv 上的研究论文，其中详细介绍了一种用于图机器学习的新量子方法。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.11736v1 Announce Type: cross Abstract: We develop a quantum approach to spectral feature extraction from the density of states (DOS) of a problem-dependent Hamiltonian, and apply it to machine learning on signed graphs. We propose to embed a signed graph as an Ising mo…
We develop a quantum approach to spectral feature extraction from the density of states (DOS) of a problem-dependent Hamiltonian, and apply it to machine learning on signed graphs. We propose to embed a signed graph as an Ising model instance with positive and negative interactio…