AI dan Masalah-Masalah Sulit Dunia · Fisika kuantum & komputasi kuantum · arXiv · 2026-10-19
ConQUESTA: Pemangkasan Struktural Pasca-Pelatihan Sadar Topologi pada Jaringan Saraf Kuantum
Judul asli: ConQUESTA: Topology-Aware Post-Training Structural Pruning of Quantum Neural Networks
Penerapan jaringan saraf kuantum pada perangkat keras yang jarang (sparse) menuntut pengurangan gerbang dua-qubit, SWAP, dan kedalaman tanpa mengorbankan akurasi. Para penulis mengusulkan ConQUESTA, metode pemangkasan pascapelatihan yang menilai entangler berdasarkan saliensi tugas dan biaya kompiler, lalu mencari seluruh mask pemangkasan di bawah batasan akurasi, dengan men-transpile setiap mask pada beberapa topologi kopling. Pada pemangkasan 55%, rata-rata pengurangan sumber daya adalah 61,6% pada Breast Cancer, 72,0% pada Digits01, dan 82,2% pada Iris, dan pemulihan dengan mask tetap meningkatkan jumlah eksekusi yang layak dari 16 menjadi 22 dari 24.