Variational Quantum Circuit Model for Knowledge Graph Embedding
PulseAugur coverage of Variational Quantum Circuit Model for Knowledge Graph Embedding — every cluster mentioning Variational Quantum Circuit Model for Knowledge Graph Embedding across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
用于多智能体活动识别的量子增强联邦学习框架
研究人员开发了QFedAgent，一个将量子计算与个性化联邦学习相结合用于多智能体活动识别的新颖框架。这种混合方法解决了多智能体系统中异构和非独立同分布（non-IID）传感器数据带来的挑战，这些数据通常会降低传统联邦学习算法的性能。QFedAgent利用变分量子电路进行融合，与经典方法相比显著减少了参数，并在OPPORTUNITY数据集上展示了具有竞争力的准确性。
-
量子AI学习安全归因，而非仅仅合规
研究人员开发了一种名为干预感知变分量子可微预测控制（IA-VQC-DPC）的新方法，以更好地衡量AI策略的安全贡献与保护层之间的关系。该方法使用预算来训练量子电路策略，该预算会惩罚过度依赖安全过滤器。在建筑控制模拟器上的评估表明，IA-VQC-DPC显著减少了预过滤器违规和对安全层的依赖，表明策略层面的安全性有所提高。
-
受量子启发的算法提升机器学习表示
研究人员开发了将量子计算原理融入以增强机器学习模型的新方法。其中一种方法 QUIVER 使用量子 Fisher 视图来捕捉数据中的高阶相关性，从而提高分子性质预测和粒子识别等任务的性能。另一种方法侧重于通过使用生成模型合成门序列来优化量子机器学习的数据嵌入，从而在各种数据集上获得更好的分类性能。这些进展表明，即使在容错量子硬件广泛可用之前，量子几何特征也能为标准的机器学习任务提供显著价值。