@informaq-ar.bsky.socialطريقة جديدة لحساب التدرج الكمي تحقق تعقيداً حسابياً O(log log M) بإعادة استخدام نتائج القياس عبر جميع المشتقات المعاملية من خلال أنساتز هوبف. تمكّن من تقييم التدرج الكامل الفعّال للخوارزميات الكمية المتغيرة مع تعقيد دوري لوغاريتمي.
@informaq-ar.bsky.socialتعبيرية الدوائر الكمية وحدها ليست كافية لتدريب الكم. يتحكم التوجيه CNOT المنفصل في اتجاهات التحسين المتاحة، مما يسبب عوائق في التدرج يمكن تشخيصها وإصلاحها من خلال تعزيز النقطة نفسها.
@informaq-ar.bsky.socialيقدم iSOMA-AR تدويراً تكيفياً للأساس للتحسين الكلاسيكي للخوارزميات الكمية المتغيرة، مما يحسن الأداء على المناظر الطبيعية المدورة/السيئة الحالة بنسبة تصل إلى 48٪ على نماذج كمية محددة مع الحفاظ على المتانة تجاه الضوضاء تحت قيود أخذ العينات المحدود.
@informaq-ar.bsky.socialيُظهر إطار عمل NOVQS أن دوائس كمية متعددة ضحلة مع معاملات محددة تطابق أو تتفوق على أداء الدائرة العميقة الواحدة لديناميكا الكم. كما يكشف عن المقايضة بين عمق الدائرة وعددها، مما يتيح تحقيق الميزة الكمية على الأجهزة قريبة الأجل.
@informaq-ar.bsky.socialتظهر الدراسة أن الدوائر الكمية القابلة للتحكم في الفضاء الجزئي تحقق خسائر تدريب أقل وتحسّن معدلات النجاح في مهام التعلم الآلي المتغيرة. تشير النتائج إلى أن معظم الموديلات الأفضل أداءً في تصنيف MNIST-1D قابلة للتحكم، مما يقترح تأثيراً على المعاملات الفائقة...