AI এবং বিশ্বের কঠিন সমস্যাগুলো · কোয়ান্টাম পদার্থবিজ্ঞান ও কোয়ান্টাম কম্পিউটিং · arXiv · 2026-10-20

রৈখিক ব্যয়ে কোয়ান্টাম ডেটা এমবেডিংয়ের প্রোটোটাইপ-নির্দেশিত অপ্টিমাইজেশন

মূল শিরোনাম: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost

সুপারভাইজড কোয়ান্টাম মেশিন লার্নিংয়ে কোয়ান্টাম ডেটা এমবেডিং অপ্টিমাইজ করা ব্যয়বহুল, কারণ বিদ্যমান পদ্ধতিগুলো প্রতিটি নমুনা-জোড়ার মধ্যে ফিডেলিটি মূল্যায়ন করে, যা O(B²) হারে বাড়ে। লেখকরা একটি প্রোটোটাইপ-নির্দেশিত উদ্দেশ্য-ফাংশন প্রস্তাব করেছেন, যার জন্য মাত্র O(B) ফিডেলিটি মূল্যায়ন প্রয়োজন, এবং এটিকে এমন একটি পাইপলাইনে সংহত করেছেন যা সার্কিটের আর্কিটেকচারও অপ্টিমাইজ করে। ২০ কিউবিট পর্যন্ত পাঁচটি বেঞ্চমার্কে এটি কোয়ান্টাম কার্নেল SVM-এর সঙ্গে প্রতিযোগিতামূলক থাকে এবং মূল্যায়নের খরচ কমায়, আর T-MNIST-এ জোড়াভিত্তিক অপ্টিমাইজেশনের তুলনায় উল্লেখযোগ্য উন্নতি দেখায়।

মূল লেখা পড়ুন ↗

সব আইটেম →