ИИ и сложнейшие проблемы мира · Квантовая физика и квантовые вычисления · arXiv · 2026-10-23
Структурированные унитарные представления в виде тензорных сетей для эффективного по числу схемных операций кодирования квантовых данных
Оригинальное название: Structured Unitary Tensor Network Representations for Circuit-Efficient Quantum Data Encoding
Кодирование классических данных в квантовые состояния — ключевое узкое место квантового машинного обучения, поскольку многие распространённые методы требуют глубоких схем и значительных квантовых ресурсов. Авторы предлагают TNQE — фреймворк, который раскладывает данные на структурированные унитарные тензорные сети и компилирует их в схемы кодирования с помощью обучаемых блочных унитарных операторов. На различных бенчмарках он обеспечивает схемы глубиной всего 0,04 от глубины амплитудного кодирования, масштабируется до изображений 256×256 и демонстрирует практическую осуществимость на реальном квантовом оборудовании.