AI dan Masalah-Masalah Sulit Dunia · Fisika kuantum & komputasi kuantum · arXiv · 2026-10-20
Optimasi Embedding Data Kuantum yang Dipandu Prototipe dengan Biaya Linear
Judul asli: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost
Dalam pembelajaran mesin kuantum terawasi, mengoptimalkan penyematan data kuantum itu mahal karena metode yang ada mengevaluasi fidelitas antara setiap pasangan sampel, dengan skala O(B²). Para penulis mengusulkan objektif berpemandu prototipe yang hanya membutuhkan O(B) evaluasi fidelitas dan mengintegrasikannya ke dalam pipeline yang juga mengoptimalkan arsitektur sirkuit. Pada lima tolok ukur dengan hingga 20 kubit, metode ini tetap kompetitif dengan SVM kernel kuantum sambil menekan biaya evaluasi, dengan peningkatan yang menonjol dibandingkan optimasi berpasangan pada T-MNIST.