סטודנטים מ-Clemson University פיתחו מודלי למידת מכונה ב-SC Quantathon v3 התוקפים את ניבויי Quantum Rings לזמן ריצה על סימולטור הקוונטום שלהם, תוך הצגת יכולות אופטימיזציה תחרותיות.

סטודנטים מ-Clemson University פיתחו מודלי למידת מכונה ב-SC Quantathon v3 התוקפים את ניבויי Quantum Rings לזמן ריצה על סימולטור הקוונטום שלהם, תוך הצגת יכולות אופטימיזציה תחרותיות.
QRLQ משיגה עלות נמוכה ב-5-11% והשהיות קצרות יותר ב-82% לעומת היוריסטיקות בתזמון ענן קוונטום—תוך שימוש ב-72% פחות פרמטרים הניתנים להדרכה מאשר RL עמוק קלאסי תוך שמירה על נאמנות ביצוע.
מצבים קוונטיים עצביים היפרבוליים RBM עולים על מקביליהם האוקלידיים בייצוג מערכות בעלות סבוך חוק נפח, בשחזור נאמן של ספקטרום הסבוך על פני 15 סדרי גודל—המדגימים התאמה טבעית של הגיאומטריה ההיפרבולית למערכות קוונטיות סבוכות באופן אקספוננציאלי...
נתוני הדרכה שנוצרו בקוונטום לראשונה משולבים בצינור LLM: Quasar 1.1 438B של Multiverse Computing משתמש ב-LLM הקוונטום היברידי מ-IBM Quantum System Two, המדגימים סינרגיה מעשית קוונטום-קלאסית לאימון מודלים.
מעגלי IQP משפרים את ניקוד F1 של רגרסיה לוגיסטית ב-0.055 בחיזוי ברירת מחדל אשראי, ועולים על Kernel PCA על ידי ניצול הסבוך כדי לקודד אינטראקציות תכונות לא-ליניאריות במעגלים קוונטיים בעומק קבוע.
המסגרת ההיברידית Quantumer משתמשת במעגלים וריאציוניים של 4-qubit ללמידת ייצוג בזמן אימון במודלים IDS קומפקטיים. מעגל הקוונטום הוסר לפני הפריסה, מה שמאפשר סקירת edge עם 105.86K פרמטרים והשהיה של 16.8ms ב-Raspberry Pi 4.
באג קריטי בה-SamplerQNN של Qiskit ML מסיר 85-99.6% מהמדידות הקוונטיות התקפות בחומרה אמיתית, מוריד את הדיוק מ-0.94 ל-0.39. תיקון ה-marginalisation המבוסס על פריסה כעת מוזג ותואם לעתיד.