explore | Grilled Cheese

연구원들이 비용이 많이 드는 양자 상태 재구성을 우회하면서 측정 결과로부터 양자 위상을 직접 분류하는 신경망을 개발했다. 약한 측정과 머신러닝을 사용한 후선택 무관 위상 식별을 입증한다.

신경망은 다중 양자 방출체 위치 결정에서 전통적인 방법을 능가하며, 5배 적은 광자로 10배의 정밀도 개선을 달성합니다. 특히 광자 제한 및 높은 배경 조건에서 양자 상관을 활용하여 효과적입니다.

119개 연구 검토 결과 AI-양자 통합의 비대칭성 드러남: 머신러닝은 양자 최적화 구성요소를 명확히 개선하지만, 양자의 AI에 대한 영향은 시뮬레이션에만 제한됨. 연구자들은 고전 및 양자 간의 동적 자원 할당을 파악...

마이크로소프트 AI 날씨 예보 2~6주 개선

하버드의 캐스케이드 디코더는 머신러닝을 활용하여 오류 정정 성능을 20배 향상시키고, 하드웨어 변경 없이 마이크로초 단위로 디코딩을 수행합니다. 이는 소프트웨어가 결함 허용형 양자 시스템 발전의 핵심 분야임을 보여줍니다.

BB-Net는 주의 메커니즘 기반 신경망으로 양자 오류 정정 코드 거리를 96.39% 정확도로 예측하면서 기존 휴리스틱 방법 대비 10,000배 속도 향상을 달성합니다. 이 획기적인 성과는 확장 가능한 오류 허용 양자 코드의 발견을 가속화합니다.

Kaggle 소개와 대안 플랫폼 5가지 비교

유방암 분류에 대한 비교 연구는 고전 로지스틱 회귀(97.8% 정확도)가 양자 분류기 VQC(88.9%) 및 QSVM(95.6%)을 능가함을 보여줍니다. 양자 모델은 작은 구조화된 데이터셋에서 잘 조정된 고전적 기준선보다 명확한 이점을 아직 달성하지 못했습니다.

컬럼비아와 캠브리지 연구진은 ML 모델이 단순히 올바른 답이 아닌 올바른 물리학을 통해 재료 특성을 예측하는지 평가하는 벤치마크를 개발했습니다. 열 전도도 예측은 이제 원자 진동 모델링을 검증합니다. Meta, Microsoft 등에 의해 채택되었습니다.

연구자들은 거울 대칭 정보인 패리티 라벨을 머신러닝 모델 구조에 통합하면 결정성 재료에 대한 물리적으로 불가능한 예측을 제거하고 정확도를 백만 배 향상시킬 수 있음을 발견했다.

UCLA, Caltech, NVIDIA가 분자 양자 역학을 학습하는 푸리에 신경망 연산자를 개발했으며, 포획된 하이드로늄 이온에서 86.2%의 상태 준비 충실도로 10^7배 더 빠른 양자 제어 펄스 수열 설계를 가능하게 했습니다.

우리는 트랜스파일레이션 인식형 GNN을 개발하여 노이즈가 있는 양자 시뮬레이터의 런타임을 예측했으며, 트랜스파일레이션 후 회로 그래프가 예측 정확도를 상당히 개선한다는 것을 발견했습니다—이를 통해 양자 컴퓨팅을 위한 더 나은 리소스 할당이 가능해집니다.

연구원들은 GauXC 라이브러리를 통해 머신러닝 기반의 교환-상관 범함수인 Skala를 CP2K 양자화학 소프트웨어에 성공적으로 통합했으며, 최소한의 계산 오버헤드로 더욱 정확한 분자 예측을 가능하게 했습니다. 검증 결과 1.255 kcal/mol 평균 절대...