AI और दुनिया की कठिन समस्याएँ · क्वांटम भौतिकी और क्वांटम कंप्यूटिंग · arXiv · 2026-10-19

ConQUESTA: क्वांटम न्यूरल नेटवर्क की टोपोलॉजी-जागरूक पोस्ट-ट्रेनिंग संरचनात्मक प्रूनिंग

मूल शीर्षक: ConQUESTA: Topology-Aware Post-Training Structural Pruning of Quantum Neural Networks

स्पार्स हार्डवेयर पर क्वांटम न्यूरल नेटवर्क तैनात करने के लिए सटीकता खोए बिना टू-क्यूबिट गेट, SWAP और डेप्थ में कटौती करना आवश्यक है। लेखक ConQUESTA प्रस्तावित करते हैं, जो एक पोस्ट-ट्रेनिंग प्रूनिंग विधि है। यह एंटैंगलरों को कार्य-सैलिएंसी और कंपाइलर लागत के आधार पर स्कोर करती है, फिर सटीकता की बाध्यता के अंतर्गत पूरे प्रूनिंग मास्क खोजती है और हर मास्क को कई कपलिंग टोपोलॉजी पर ट्रांसपाइल करती है। 55% प्रूनिंग पर औसत संसाधन कटौती Breast Cancer पर 61.6%, Digits01 पर 72.0% और Iris पर 82.2% रही, और फिक्स्ड-मास्क रिकवरी ने संभव रन 24 में से 16 से बढ़ाकर 22 कर दिए।

मूल लेख पढ़ें ↗

सभी आइटम →