ИИ и сложнейшие проблемы мира · Квантовая физика и квантовые вычисления · arXiv · 2026-10-20
Оптимизация квантовых вложений данных под управлением прототипов с линейной стоимостью
Оригинальное название: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost
В обучении с учителем в квантовом машинном обучении оптимизация квантовых вложений данных обходится дорого, поскольку существующие методы оценивают фиделити между каждой парой образцов, что масштабируется как O(B²). Авторы предлагают целевую функцию на основе прототипов, которой требуется лишь O(B) оценок фиделити, и встраивают её в конвейер, который также оптимизирует архитектуру схемы. На пяти бенчмарках с числом кубитов до 20 метод остаётся конкурентоспособным по сравнению с SVM с квантовыми ядрами при меньших затратах на оценку, а на T-MNIST заметно превосходит попарную оптимизацию.