研究人员开发了一个名为 EXAQC 的进化框架，用于自动发现用于图像分类任务的量子电路架构。该框架将参数化量子电路（PQC）与经典神经网络相结合，针对 MNIST、Fashion-MNIST 和 CIFAR-10 等特定数据集优化量子组件。进化的混合模型在实现高精度的同时，与传统的 CNN 相比显著减少了可训练参数的数量，展示了更高效的量子-经典混合系统的潜力。 AI
影响 通过自动化量子架构搜索，展示了通往更具参数效率的混合人工智能模型的路径。
排序理由 学术论文，详细介绍了一种进化量子电路的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
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:2610.03220v1 Announce Type: cross Abstract: Hybrid quantum classical neural networks integrate parameterized quantum circuits (PQCs) with established deep learning architectures, but their performance depends strongly on the choice of quantum circuit architecture, a choice …
Hybrid quantum classical neural networks integrate parameterized quantum circuits (PQCs) with established deep learning architectures, but their performance depends strongly on the choice of quantum circuit architecture, a choice that remains largely manual. Most existing approac…