ハイブリッド量子古典顔認識は、8量子ビットVQC(72パラメータ)を使用して97%の精度を達成し、古典的なFaceNet(85.1%)を上回り、同じハードウェア上でトレーニングが267倍高速化されました。実運用環境での展開では、CPU上で0.2~0.5秒の推論時間を実現しました。

ハイブリッド量子古典顔認識は、8量子ビットVQC(72パラメータ)を使用して97%の精度を達成し、古典的なFaceNet(85.1%)を上回り、同じハードウェア上でトレーニングが267倍高速化されました。実運用環境での展開では、CPU上で0.2~0.5秒の推論時間を実現しました。
物理認識変換器は、候補列挙なしに量子シミュレーション用の最適なトロッター順序付けを学習します。チェーンと三角格子上で最大20キュービットまで参照値に近い忠実度を達成し、訓練サイズを超えて汎化します。
量子データ再アップローダーの周波数スペクトルはフーリエ解析により正確に特性化される。方向構造は深さ1で安定化するが、スペクトルは多項式的に増加する。ラデマッハー複雑性の上界が導出され、実験により理論的予測が検証された。
クレムソン大学の学生がSC Quantathon v3で、Quantum Ringsの量子シミュレータ上のランタイム予測に対抗する機械学習モデルを開発し、競争力のある最適化能力を実証しました。
研究者たちはテンソルネットワークにグローバルな正規化条件を追加し、MNISTで94.7%の精度を達成しながら不安定性の問題に対処しました。これは量子物理学と機械学習を橋渡しし、元々物理システムのシミュレーションに使用されていたDMRGを適応させて有効な量子...
革新的な量子ニューラルネットワークアーキテクチャが非局所測定を入力依存的にし、時系列予測と強化学習タスクで優れたパフォーマンスを達成します。