L'IA face aux grands problèmes du monde · Physique quantique et informatique quantique · arXiv · 2026-10-19
ConQUESTA : élagage structurel post-entraînement des réseaux de neurones quantiques tenant compte de la topologie
Titre original: ConQUESTA: Topology-Aware Post-Training Structural Pruning of Quantum Neural Networks
Le déploiement de réseaux de neurones quantiques sur du matériel clairsemé exige de réduire les portes à deux qubits, les SWAP et la profondeur sans perte de précision. Les auteurs proposent ConQUESTA, une méthode d'élagage post-entraînement qui évalue les intriqueurs selon leur saillance pour la tâche et leur coût de compilation, puis recherche des masques d'élagage complets sous contrainte de précision, en transpilant chaque masque sur plusieurs topologies de couplage. Avec 55 % d'élagage, les réductions moyennes de ressources étaient de 61,6 % sur Breast Cancer, 72,0 % sur Digits01 et 82,2 % sur Iris, et la récupération à masque fixe a fait passer les exécutions réalisables de 16 à 22 sur 24.