ИИ и сложнейшие проблемы мира · Квантовая физика и квантовые вычисления · arXiv · 2026-10-19
ConQUESTA: учитывающее топологию структурное прореживание квантовых нейронных сетей после обучения
Оригинальное название: ConQUESTA: Topology-Aware Post-Training Structural Pruning of Quantum Neural Networks
Развёртывание квантовых нейронных сетей на разреженном оборудовании требует сокращения двухкубитных вентилей, SWAP-операций и глубины схемы без потери точности. Авторы предлагают ConQUESTA — метод посттренировочного прунинга, который оценивает запутывающие вентили по значимости для задачи и стоимости компиляции, а затем ищет целые маски прунинга при ограничении на точность, транспилируя каждую маску для нескольких топологий связности. При прунинге 55% среднее сокращение ресурсов составило 61,6% на Breast Cancer, 72,0% на Digits01 и 82,2% на Iris, а восстановление с фиксированной маской увеличило число допустимых запусков с 16 до 22 из 24.