PulseAugur
实时 07:55:46

新框架加速量子神经网络架构的优化搜索

研究人员开发了一个名为 MZeQAS 的新框架,用于高效搜索变分量子算法(VQA)的最优架构。该方法利用基于量子神经切线核(Quantum Neural Tangent Kernel)的零样本代理模型,无需完全训练即可估算候选电路的性能,从而显著降低了计算成本。MZeQAS 将这种基于代理的估算与蒙特卡洛树搜索(Monte Carlo Tree Search)相结合,以发现高性能的 VQA 架构,在近期的量子设备上,其效率和解决方案质量均优于现有方法。 AI

排序理由 这是一篇研究论文,详细介绍了一种优化量子算法的新方法。[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 →

新框架加速量子神经网络架构的优化搜索

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Tung Dao, Son Tran, Huynh Thi Thanh Binh ·

    零样本量子神经网络架构搜索

    arXiv:2605.27410v1 Announce Type: cross Abstract: Variational Quantum Algorithms (VQAs) are a leading approach to exploiting near-term quantum hardware, leveraging parameterized quantum circuits and classical optimization to achieve advantage. Despite their promise, the practical…