الذكاء الاصطناعي ومشكلات العالم الصعبة · فيزياء الكم والحوسبة الكمومية · arXiv · 2026-10-20

تحسين تضمينات البيانات الكمومية الموجَّه بالنماذج الأولية بتكلفة خطية

العنوان الأصلي: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost

في التعلم الآلي الكمي الخاضع للإشراف، يُعدّ تحسين التضمينات الكمية للبيانات مكلفًا لأن الطرق الحالية تقيّم الإخلاص (fidelity) بين كل زوج من العينات، ما يجعل التكلفة تتزايد بنسبة O(B²). يقترح المؤلفون هدفًا موجَّهًا بالنماذج الأولية لا يتطلب سوى O(B) من تقييمات الإخلاص، ويدمجونه في مسار عمل يحسّن أيضًا بنية الدائرة. وعبر خمسة معايير اختبار تصل إلى 20 كيوبت، يظل منافسًا لآلات المتجهات الداعمة ذات النواة الكمية (SVM) مع خفض تكلفة التقييم، مع تحسينات ملحوظة مقارنةً بالتحسين الزوجي على T-MNIST.

اقرأ المصدر الأصلي ↗

جميع العناصر →