AI এবং বিশ্বের কঠিন সমস্যাগুলো · কোয়ান্টাম পদার্থবিজ্ঞান ও কোয়ান্টাম কম্পিউটিং · arXiv · 2026-10-19

ConQUESTA: কোয়ান্টাম নিউরাল নেটওয়ার্কের টপোলজি-সচেতন পোস্ট-ট্রেনিং কাঠামোগত প্রুনিং

মূল শিরোনাম: ConQUESTA: Topology-Aware Post-Training Structural Pruning of Quantum Neural Networks

স্পার্স হার্ডওয়্যারে কোয়ান্টাম নিউরাল নেটওয়ার্ক স্থাপন করতে হলে নির্ভুলতা না হারিয়ে দুই-কিউবিট গেট, SWAP এবং ডেপ্থ কমাতে হয়। লেখকেরা ConQUESTA প্রস্তাব করেছেন, এটি একটি প্রশিক্ষণ-পরবর্তী প্রুনিং পদ্ধতি, যা টাস্ক সালিয়েন্সি ও কম্পাইলার খরচের ভিত্তিতে এনট্যাঙ্গলারদের স্কোর করে, তারপর নির্ভুলতার সীমাবদ্ধতার অধীনে সম্পূর্ণ প্রুনিং মাস্ক খোঁজে এবং প্রতিটি মাস্ককে একাধিক কাপলিং টপোলজিতে ট্রান্সপাইল করে। 55% প্রুনিংয়ে গড় সম্পদ হ্রাস ছিল Breast Cancer-এ 61.6%, Digits01-এ 72.0% এবং Iris-এ 82.2%, আর ফিক্সড-মাস্ক রিকভারি সম্ভাব্য রানের সংখ্যা 24টির মধ্যে 16 থেকে বাড়িয়ে 22-এ উন্নীত করেছে।

মূল লেখা পড়ুন ↗

সব আইটেম →