Ising Optimization

新的QCBO框架实现了可证明、可扩展的量化神经网络训练

研究人员开发了一个新的量化神经网络训练框架，解决了非凸损失景观和离散参数空间带来的挑战。他们的方法利用了具有可证明保证的精确二次约束二元优化（QCBO）公式，在没有松弛间隙的情况下保留了全局离散最优值。为了管理计算扩展性，他们引入了分解下界优化（DLBO），将复杂度从数据集规模降低到单样本规模。实验证明了在Fashion-MNIST等任务上以低比特精度实现高准确率，验证了该方法的扩展性和有效性。