AI dan Masalah-Masalah Sulit Dunia · Fisika kuantum & komputasi kuantum · arXiv · 2026-10-23
Representasi Jaringan Tensor Uniter Terstruktur untuk Pengodean Data Kuantum yang Efisien dalam Sirkuit
Judul asli: Structured Unitary Tensor Network Representations for Circuit-Efficient Quantum Data Encoding
Mengodekan data klasik ke dalam keadaan kuantum merupakan hambatan utama dalam pembelajaran mesin kuantum, karena banyak metode umum membutuhkan sirkuit yang dalam dan sumber daya kuantum yang besar. Para penulis mengusulkan TNQE, sebuah kerangka kerja yang mendekomposisi data menjadi jaringan tensor uniter terstruktur dan mengompilasinya menjadi sirkuit pengodean menggunakan unitari blok yang dapat dipelajari. Pada berbagai tolok ukur, kerangka ini menghasilkan sirkuit sedangkal 0,04 kali kedalaman pengodean amplitudo, dapat diskalakan hingga citra 256×256, dan menunjukkan kelayakan praktis pada perangkat keras kuantum nyata.