English(EN) Fully quantum training of parametric circuits with Quantum Hamiltonian Descent

新的量子算法在量子计算机上完全训练参数化电路

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

研究人员引入了一种新颖的连续优化量子算法——量子哈密顿量下降法（QHD）。与仅将量子计算机用于成本函数评估的传统方法不同，QHD将参数视为成本函数势能景观中量子粒子的位置。这种新方法使得整个训练过程可以在量子计算机上进行，通过相干地控制第二个寄存器（其量子比特编码参数）来实现。该方法为平滑周期性扩展提供了与网格分辨率无关的误差界限，并有望提高参数化电路找到全局最小值的概率。 AI

影响这项研究探索了新颖的优化技术，通过实现对复杂参数空间的更有效探索，有可能推动AI模型训练的进步。

排序理由这是一篇详细介绍新量子算法的研究论文。[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 →

本文如何被排名

Signal score: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍新量子算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Marco Burato, Leonardo Banchi · 2026-10-28 04:00

使用量子哈密顿下降法对参数化电路进行全量子训练

arXiv:2610.33144v1 Announce Type: cross Abstract: Parametric quantum circuits are usually trained by classical, local optimizers, which use the quantum computer only to evaluate the cost function, or its gradient, one point at a time. Quantum Hamiltonian Descent (QHD) takes a dif…

本文如何被排名

报道来源 [1]

使用量子哈密顿下降法对参数化电路进行全量子训练

相关实体

相关话题