AI और दुनिया की कठिन समस्याएँ · क्वांटम भौतिकी और क्वांटम कंप्यूटिंग · arXiv · 2026-10-20

रैखिक लागत के साथ क्वांटम डेटा एम्बेडिंग का प्रोटोटाइप-निर्देशित अनुकूलन

मूल शीर्षक: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost

सुपरवाइज़्ड क्वांटम मशीन लर्निंग में क्वांटम डेटा एम्बेडिंग को ऑप्टिमाइज़ करना महँगा है, क्योंकि मौजूदा तरीके हर जोड़ी के नमूनों के बीच फ़िडेलिटी का मूल्यांकन करते हैं, जो O(B²) के अनुसार बढ़ता है। लेखक एक प्रोटोटाइप-निर्देशित उद्देश्य प्रस्तावित करते हैं, जिसमें केवल O(B) फ़िडेलिटी मूल्यांकन की आवश्यकता होती है, और इसे ऐसी पाइपलाइन में एकीकृत करते हैं जो सर्किट आर्किटेक्चर को भी ऑप्टिमाइज़ करती है। 20 क्यूबिट तक के पाँच बेंचमार्क में, यह मूल्यांकन लागत घटाते हुए क्वांटम कर्नेल SVM के साथ प्रतिस्पर्धी बना रहता है, और T-MNIST पर पेयरवाइज़ ऑप्टिमाइज़ेशन की तुलना में उल्लेखनीय सुधार दिखाता है।

मूल लेख पढ़ें ↗

सभी आइटम →