BB-Net是一个基于注意力机制的神经网络，以96.39%的准确度预测量子纠错码的距离，同时相比传统启发式方法实现了10,000倍的加速。这一突破加速了可扩展容错量子码的发现。

#量子纠错 #量子计算 #机器学习

关于乳腺癌分类的比较研究表明，经典逻辑回归（97.8% 准确率）优于量子分类器 VQC（88.9%）和 QSVM（95.6%）。量子模型在小型结构化数据集上尚未相对于经过良好调整的经典基线实现明显优势。

#量子机器学习 #机器学习 #研究

哥伦比亚大学和剑桥大学研究人员建立了一个基准，用于评估机器学习模型是否通过正确的物理学而不仅仅是正确答案来预测材料性能。热导率预测现在验证原子振动建模。已被Meta、微软等采用。

#材料科学 #机器学习 #新闻

研究人员发现，将奇偶性标签（关于镜面对称的信息）纳入机器学习模型架构中，消除了对晶体材料的物理上不可能的预测，使准确度提高了六个数量级。

#材料发现 #机器学习 #新闻

加州大学洛杉矶分校、加州理工学院和英伟达开发了一种傅里叶神经算子，能学习分子量子动力学，使量子控制脉冲序列设计速度提高10^7倍，对被困水合离子的态制备保真度达到86.2%。

#量子控制 #机器学习 #新闻

我们开发了编译感知的图神经网络（GNN）来预测噪声量子模拟器的运行时间，发现编译后的电路图大幅提高了预测精度——实现了更好的量子计算资源分配。

#量子模拟 #机器学习 #研究

研究人员成功地通过GauXC库将机器学习的Skala交换-关联泛函集成到CP2K量子化学软件中，实现了更精确的分子预测，同时计算开销最小。验证表明1.255 kcal/mol的平均绝对...

#机器学习 #量子化学 #新闻