PulseAugur
中
实时 23:25:41
实体 Probabilistic Error Cancellation

Probabilistic Error Cancellation

PulseAugur coverage of Probabilistic Error Cancellation — every cluster mentioning Probabilistic Error Cancellation across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_369175 ·

    增强技术通过减少采样开销来改进嘈杂的量子机器学习

    研究人员探索了使用增强技术来提高在嘈杂条件下运行的量子机器学习模型的性能。虽然量子误差缓解 (QEM) 可以从嘈杂的量子计算中恢复信息,但它通常需要大量的样本。本研究调查了监督学习,特别是二元分类,如何利用特定问题的信息来减少采样开销。研究结果表明,与概率误差消除相比,增强方法(如 AdaBoostR 和 Real AdaBoost)可以实现更高的测试准确性,并且需要更少的电路执行次数,尤其是在电路深度和噪声水平增加的情况下。

  2. RESEARCH · CL_352317 ·

    新框架增强量子机器学习中的不确定性和噪声鲁棒性

    研究人员正在开发新的方法来提高量子机器学习 (QML) 模型的可靠性和性能。一种方法引入了使用 Dempster-Shafer 理论的不确定性感知框架,允许 QML 模型通过为标签集分配权重来表达超越简单准确性指标的不确定性。另一项开发是 APGEM,一个基于学习的框架,它根据 QML 算法的实时反馈自适应地选择误差缓解技术,其性能优于固定策略,并能跟踪真实硬件的噪声模型。

  3. TOOL · CL_277249 ·

    新框架增强了嘈杂硬件上的量子强化学习

    研究人员开发了一个名为APGEM的自适应误差缓解框架,用于嘈杂中型量子(NISQ)系统上的混合量子强化学习。该系统在量子强化学习训练循环中动态选择最合适的误差缓解策略,以适应不断变化的噪声条件。APGEM集成了零噪声外推、概率误差消除、Clifford数据回归和读出误差缓解,并在容量车辆路径问题的实验中显示出改进的鲁棒性和可靠性。