研究人员推出JGRA，一个旨在评估量子神经网络（QNN）在噪声存在下的鲁棒性的新框架。该方法利用雅可比几何来分析QNN对嘈杂中等规模量子（NISQ）时代实际噪声引起的参数扰动的敏感程度。JGRA结合了噪声校准、噪声感知训练和噪声条件雅可比提取，以导出预测模型在各种噪声条件下性能的几何描述符。 AI
影响 为评估量子机器学习模型的可靠性提供了一种新方法，这对其在实际中的应用至关重要。
排序理由 该集群包含一篇详细介绍评估量子神经网络鲁棒性的新框架的学术论文。[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 →