arXiv · ML· Anastasiia Lukianenko, Yash J. Patel, Nurbolat Kenbayev, Vedran Dunjko·· 16 小时前AI 评分22
利用 Boosting 提升含噪量子机器学习效率
Beyond Error Mitigation: Using Boosting for Noisy Quantum Machine Learning
AI 导读
研究表明,在含噪量子电路中,Boosting 算法比概率误差消去(PEC)更高效。 在有限样本师生模拟中,针对 Pauli 噪声下的 AdaBoostR,Boosting 在电路深度和噪声强度增加时,达到相同分类准确率所需的电路执行次数更少。 证明了利用噪声输出中的信息可避免理想输出重建的成本,实现任务依赖的资源优势。
来源:arXiv · ML · arxiv.org