AI اور دنیا کے مشکل مسائل · کوانٹم طبیعیات اور کوانٹم کمپیوٹنگ · arXiv · 2026-10-20

لکیری لاگت کے ساتھ کوانٹم ڈیٹا ایمبیڈنگز کی پروٹوٹائپ رہنمائی میں اصلاح

اصل عنوان: Prototype-Guided Optimization of Quantum Data Embeddings with Linear Cost

نگرانی شدہ کوانٹم مشین لرننگ میں کوانٹم ڈیٹا ایمبیڈنگز کو بہتر بنانا مہنگا ہے، کیونکہ موجودہ طریقے ہر جوڑی کے نمونوں کے درمیان فیڈیلٹی کا جائزہ لیتے ہیں، جو O(B²) کے حساب سے بڑھتا ہے۔ مصنفین ایک پروٹوٹائپ-رہنمائی یافتہ مقصدی فنکشن تجویز کرتے ہیں جسے صرف O(B) فیڈیلٹی جائزوں کی ضرورت ہوتی ہے، اور اسے ایسی پائپ لائن میں شامل کرتے ہیں جو سرکٹ کے ڈھانچے کو بھی بہتر بناتی ہے۔ 20 کیوبٹس تک کے پانچ بینچ مارکس پر، یہ جائزے کی لاگت کم کرتے ہوئے کوانٹم کرنل SVMs کے ساتھ مسابقتی رہتا ہے، جبکہ T-MNIST پر جوڑی وار اصلاح کے مقابلے میں نمایاں بہتری حاصل ہوتی ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →