Pauli
PulseAugur coverage of Pauli — every cluster mentioning Pauli across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Quantum-Embedded Attention 模型在经典数据集上未显示出一致优势
研究人员调查了一种混合量子-经典模型 Quantum-Embedded Attention (QEA) 在经典数据集上进行跨模态分类的性能。该研究旨在确定参数化量子电路 (PQC) 是否能与具有相同输入和输出维度的经典映射相比，提高准确性或稳定性。在包括乳腺癌 Wisconsin 和 CIFAR-10 在内的多个数据集上，结果并未一致显示出量子优势，在某些情况下，量子模型的表现甚至更差。研究结果表明，在将混合模型中的性能提升归因于量子…
-
量子生成模型通过经典随机性获得表示能力
研究人员已经证明，将共享经典随机性纳入量子生成模型可以使它们比纯粹的单一模型代表更广泛的分布，即使在浅层电路深度下也是如此。这一发现解决了关于这种随机性是否为大型系统提供可证明分离的长期问题。研究表明，通过将由单个随机比特控制的局部 Pauli 运算添加到浅层单一电路中，通道模型可以生成浅层单一模型无法通过有界连接重现的远程相关性。
-
新的量子层析成像方法以更少的测量次数实现了高保真度
研究人员开发了一种新颖的固定协议分摊MPS估计器用于量子态层析成像，以更少的测量次数显著提高了保真度。该方法在最近的arXiv论文中有所详述，它以信息性的局部泡利测量而非随机字符串为条件，从而实现了约0.95的高保真度估计。该方法还提供了保形预测不确定性区间，即使对于未测量的可观测量也是如此，并且随着系统规模和参数化的增长，其性能表现稳健，并成功在IBM硬件上实现。
-
量子神经网络利用噪声实现鲁棒的入侵检测 · arXiv 研究
本文为随机量子神经网络（SQNN）引入了一个严格的理论框架，以增强网络入侵检测中的对抗鲁棒性。该研究提出了一种“退相干收缩定理”，该定理量化了噪声（特别是退偏信道）如何收缩对抗性扰动。在 NSL-KDD 数据集上的实验表明，与无噪声模型相比，使用这种噪声训练的 SQNN 在抵抗 FGSM 和 PGD 等攻击方面具有显著更强的鲁棒性，并避免了灾难性的鲁棒性崩溃。该研究还推导了噪声正则化的自适应惩罚公式，比较了门控丢弃与退偏噪声，发现它们…