SHADE 使量子模型能夠在不重新測量量子態的情況下遺忘數據。通過使用訓練期間記錄的經典影子，聯邦節點可以估計梯度並應用牛頓修正以移除遺忘數據，耗時 <0.2 秒，性能與重新訓練相當。

#量子機器學習 #聯邦學習 #研究

研究人員表明，反射格雷碼編碼顯著改進了量子電路生成機從連續數據學習的能力，通過保留數據結構和減少人為關聯，相比標準二進制編碼實現了更快的收斂和更好的準確性。

#量子機器學習 #格雷碼 #量子算法

Terra Quantum和Schaeffler的同行評審研究證明混合量子機器學習在工業材料建模中將力預測誤差降低約13%（相比經典方法）——這是向量子優勢邁出的實際一步。

#混合量子 #量子機器學習 #新聞

QBFF 展示了一個 8 量子位變分電路作為語音防欺騙的混合瓶頸，實現了更好校準的信心得分。在真實的 IBM Heron 硬件上執行，該方法改進了得分可靠性，同時保持對深度偽造的競爭性判別...

#量子機器學習 #深度偽造 #研究

MasonQ 轉譯器通過將電路映射到磚砌圖，以對數開銷實現隱私保護的量子機器學習。展示量子計算和隱私優勢可以共存——HHL 與推薦系統保持良好的漸近擴展性...

#量子機器學習 #隱私設計 #研究

QGrAT量子轉換器利用克利福德代數等級進行緊湊的噴流標籤。在144個參數下實現AUC 0.944，與經典基準線具有競爭力。三粒子輔助態將50%信號效率下的背景抑制率從19.9提升至35.7。

#量子機器學習 #粒子物理 #研究

新型量子電路架構用於金融收益生成，通過結構化設計和對稱性啟發的係數共享，以1–8個可訓練參數實現競爭性能，支持直接的景觀分析和可解釋性。

#量子機器學習 #金融建模 #研究

量子振幅嵌入中的數據重新上傳可使多項式表達能力每次上傳提升2個數量級。模擬結果顯示，在四階目標上R²從0.689改進至0.975，但收益關鍵取決於任務複雜性，並伴隨指數級的閘極成本。

#量子機器學習 #變分量子 #研究

量子費舍爾有效維度揭示了電路幾何，而非模型質量。研究表明該指標遠低於參數計數，並在不同種子間表現出與準確度不穩定的相關性，在混合QNN診斷中需要謹慎解釋。

#量子機器學習 #量子神經網絡 #研究

經QFI優化的量子儲存庫在麥基-玻璃預測任務上的性能比經調諧的經典網絡提高25-69%。一項基本界限通過測量、讀出和任務因素將QFI與損失梯度聯繫起來，識別出優化瓶頸。

#量子機器學習 #量子優化 #研究

在希格斯玻色子分類中，量子支持向量機與變分量子分類器相比展示了更好的訓練數據擴展性，但在該嚴格的基準研究中，兩種方法的性能仍低於頂級經典方法。

#量子機器學習 #高能物理 #研究

混合量子-經典架構結合凍結的ViT骨幹網路與8量子位變分電路，實現在標籤噪聲下魯棒的醫學影像分類。通過量子編碼固有的平滑決策邊界，在50%噪聲下達到89.8%的精確度，超越噪聲修正...

#量子機器學習 #醫學影像 #研究

理論框架為基於Transformer的神經量子態在情境學習下建立了嚴格的泛化誤差界限，證明預測誤差與上下文範例和網絡深度成反比。

#量子機器學習 #神經量子態 #Transformer理論

量子傅立葉採樣在實際參數下無法為延遲型PUF審計提供實質優勢。頻譜結構保持擴散,核心診斷在統計控制下失效,量子預言機實現超出設備相干時間限制—

#量子機器學習 #量子密碼學 #研究

輸入正規化的變化改變了量子魯棒性比較的結果，揭示了預算單獨無法證明模組的優勢。本研究強調嚴格的設計檢查和適當的規範對於可靠的量子機器學習魯棒性評估至關重要。

#量子機器學習 #魯棒性評估 #研究

新穎的量子框架實現電路深度、量子位開銷和正規化之間的可調權衡，用於實現非線性變換—達到對數深度，在量子機器學習和圖像處理中具有應用。

#量子算法 #量子機器學習 #研究

混合量子-經典面部識別在8量子位VQC（72個參數）上達到97%的準確率，超越了經典FaceNet（85.1%），同時在相同硬體上的訓練速度快267倍。實際部署在CPU上實現了0.2-0.5秒的推理時間。

#量子機器學習 #生物識別安全 #研究

物理感知轉換器在無需枚舉候選項的情況下學習量子模擬的最優 Trotter 排序。在鏈和三角形晶格上達到接近參考保真度，規模可達 20 個量子位，且能泛化超越訓練規模。

#量子模擬 #量子機器學習 #研究

克利福德糾纏器在伯恩機器中與近似哈爾量子電路相匹配，無需提供非穩定化特性——將資源需求轉向單量子比特旋轉。簡化了量子生成模型的設計，對電路優化具有深遠影響。

#量子電路 #量子機器學習 #研究

我們建立了理論條件，在這些條件下，重置窗口量子極限學習機可以通過分析最近輸入何時包含足夠的歷史信息來模擬量子儲存池計算，以實現準確的輸出。

#量子機器學習 #量子計算 #研究