IBM Heron
PulseAugur coverage of IBM Heron — every cluster mentioning IBM Heron across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
QANTIS 量子信念更新在 IBM Heron 上实现 32 步
QANTIS 量子信念更新系统已证明能够在 IBM Heron 量子硬件上跨 32 个规划步骤保持准确性。该系统成功更新了信念，而未改变经典规划器通常会采取的行动方案，基准测试显示了这一点。
-
QANTIS 系统使用量子处理器在 IBM Heron 上进行信念更新
研究人员开发了 QANTIS 系统，该系统利用量子处理器作为部分可观测性下运行的自主系统的校准信念更新服务。该方法旨在通过接收先验和观测模型来为经典规划器提供后验信念，然后估计稀有事件证据。在 IBM Heron 上进行的受控硬件研究表明，QANTIS 系统，特别是采用全步固定点放大时，可以在序列视界内保持 Tiger POMDP 的后验，而不会破坏面向规划器的后验。研究发现，硬件衍生的后验与精确贝叶斯后验一致地选择了相同的即时动作，…
-
纠缠而非参数决定量子策略泛化能力
一项新的研究论文提出，在量子强化学习策略中，决定泛化能力的关键因素是纠缠，而不是参数的数量。该研究引入了一个PAC-贝叶斯框架，其中受纠缠影响的Fisher几何的有效维度决定了训练-测试差距。实验表明，即使纠缠电路的参数数量与非纠缠电路相同，其泛化能力也往往较差，这一发现已在IBM Heron量子处理器上得到验证。
-
图强化学习路由器利用校准数据提升量子电路保真度
研究人员开发了一种新的量子电路路由方法，该方法使用图强化学习并整合了量子处理器中的校准数据。该方法使用近端策略优化进行训练，并在 Munich Quantum Toolkit Bench 电路集上进行评估，实现了 0.727 的平均精确保真度。通过基于实时硬件校准优化路由，该方法显著优于 SABRE-best20 (0.440) 和 target-aware SABRE (0.481) 等标准方法，尤其是在较小的量子比特族中。研究表明…
-
感知校准的强化学习增强量子电路路由
研究人员开发了一种新颖的量子电路路由方法，该方法结合了校准数据以提高保真度。这种图强化学习方法利用IBM Heron处理器上的当日校准信息来选择硬件边缘的SWAP门，在精确模拟保真度方面优于SABRE-best20和target-aware SABRE等标准路由方法。虽然学习到的路由增加了双量子比特门的路由数量，但它在保真度方面显示出显著的改进，尤其是在较小的电路系列中，这表明量子处理器具有更鲁棒的编译策略。
-
量子核分析揭示量子GP中的统一病理
研究人员开发了一种新的诊断工具来分析量子高斯过程核，揭示了量子机器学习中看似无关的问题都由同一个基本量控制：核Gram矩阵的归一化谱熵。该诊断方法已在各种核族中得到经验验证，并成功地从模拟器转移到IBM Heron硬件，错误率很低。研究结果表明，最优核熵取决于目标数据，为改进量子机器学习中的贝叶斯优化提供了见解。