arXiv · ML· Zeinab Sharifi, Hossein Shirazi·· 4 天前AI 评分26
量子图神经网络综述:架构、可训练性与应用
Quantum Graph Neural Networks: Architectures, Trainability, and Applications
AI 导读
该综述提出统一形式化体系,将量子图神经网络(QGNN)拆解为编码器、图条件化电路、观测值和经典头部,并归纳出卷积、等变、消息传递及循环、哈密顿、混合五大架构族。 综述系统审计了现有数据与评估实践,发现目前证据薄弱:结果多基于模拟和小规模图,未能在超越经典图模型的任务上确立优势。 文章提出了包含可证明优势、等变几何设计及容错实现的开放挑战与研究议程。
来源:arXiv · ML · arxiv.org