研究人员推出了一种新颖的量子专家软混合(Soft-MoQE)架构,旨在改进混合量子-经典学习。该模型利用一组固定的量子电路,每个电路提供独特的嵌入,以及一个学习为单个数据点加权这些嵌入的经典门控网络。通过避免直接的变分量子训练,Soft-MoQE 显著降低了如 barren plateaus 和硬件限制等优化挑战。在 MNIST 和 Fashion-MNIST 数据集上的基准测试表明,Soft-MoQE 的性能优于单一专家、均匀平均和线性基线,在没有大量量子参数优化的情况下,达到了与可训练量子神经网络相当的性能。 AI
影响 通过减少对复杂量子参数优化的依赖,这种方法可能为更高效、可训练的混合量子-经典模型铺平道路。
排序理由 该集群描述了一篇详细介绍量子机器学习新架构的研究论文。[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 →