IBM Quantum Platform
PulseAugur coverage of IBM Quantum Platform — every cluster mentioning IBM Quantum Platform across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的变分代理框架增强了NISQ硬件上的量子相位估计
研究人员开发了一种新的量子相位估计（QPE）框架，该框架对于当前的嘈杂中型量子（NISQ）设备更有效。该方法使用分析训练的变分代理来模拟QPE测量分布，而无需进行完整的量子电路模拟。该方法在IBM Quantum Platform上使用氢分子进行了测试，在分子能量估计的化学精度阈值内取得了结果。
-
新的量子-经典混合方法加速药物发现的分子模拟
研究人员开发了一种新颖的量子-经典混合工作流程，旨在改进药物发现的分子模拟。该方法将新的 ansatz，LCNot-UCCSD，与受限玻尔兹曼机（RBM）集成，创建了一个更有效的生成子空间扩展模型，QSCI-RBM。该方法在包括阿曼他定和 SARS-CoV-2 蛋白酶抑制剂在内的各种分子上进行了测试，证明与现有的最先进方法相比，它在更经济高效的模拟方面具有潜力。
-
新型量子启发式模型实现可扩展序列学习
研究人员开发了一个名为 gated QKAN-FWP 的新型量子启发式序列学习框架，该框架将快速权重编程器 (FWP) 与量子启发式 Kolmogorov-Arnold 网络 (QKAN) 相结合。该方法利用单量子比特数据重新上传电路作为非线性激活，并结合标量门控更新规则以实现稳定的参数演化。该框架在时间序列预测（包括太阳周期预测）方面表现出色，其参数量远少于经典模型，但性能更优。
-
经典人工智能的进步是解锁量子计算能力的关键
尽管量子计算机有潜力解决复杂问题，但经典计算基础设施对其发展至关重要。为了让量子计算充分发挥潜力，支持性的经典硬件和软件的创新必不可少。Nvidia、Q-CTRL、IBM Quantum、Riverlane 和 Google Quantum AI 等公司正在开发基于人工智能的软件和自动校准算法，以管理量子比特的易变性并确保其可靠性。
-
量子Transformer实现精确数学推理
研究人员开发了一种通用量子Transformer（UQT），它利用量子特性进行精确数学推理，克服了经典神经网络的局限性。这种量子原生架构在紧凑的5量子比特系统上使用参数化几何相位嵌入和SU(2)波干涉。UQT在学习模运算和非阿贝尔代数方面表现出完美的泛化能力，这种现象被称为“结晶”，超越了经典的“顿悟”。该框架通过绕过经典自注意力机制的二次瓶颈，提供了显著的计算和内存优势，并已成功部署在NISQ硬件上。