Une architecture de réseau de neurones quantique innovante rend les mesures non-locales dépendantes de l'entrée, réalisant des performances supérieures sur la prévision de séries chronologiques et les tâches d'apprentissage par renforcement.
Explore
Un cadre novateur basé sur la mesure uniquement certifie la robustesse adversariale des classifieurs quantiques sans accès au circuit interne, permettant l'audit de sécurité par des tiers et la validation des systèmes ML quantiques déployés.
