研究提出量子哈密顿下降全量子训练法
热点事件持续更新
研究提出量子哈密顿下降全量子训练法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Marco Burato 和 Leonardo Banchi 提出用量子哈密顿下降（QHD）在量子计算机上全程训练参数化电路；基准函数与电路模拟显示，在相同成本下，优化调度可提高找到全局最小值的概率。方法通过编码参数的量子比特相干控制另一寄存器中的电路。 对具有光滑周期延拓的代价函数，模拟误差界不随网格分辨率变化；用于参数化电路时，误差界至多随参数数量线性增长。
AI 根据报道生成 · 55 分钟前更新
最新进展10月28日 12:00
使用 Quantum Hamiltonian Descent 对参数化电路进行全量子训练报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine Learning使用 Quantum Hamiltonian Descent 对参数化电路进行全量子训练
研究提出用 Quantum Hamiltonian Descent（QHD）在量子计算机上全程训练参数化电路，由编码参数的量子比特相干控制另一寄存器中的电路。对于具有光滑周期延拓的代价函数，模拟误差界与网格分辨率无关；对电路，误差界至多随参数数量线性增长。基准函数与参数化电路模拟显示，在成本相同的情况下，优化后的调度能提高找到全局最小值的概率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。