研究人员提出 Soft-MoQE 混合量子-经典学习架构
热点事件持续更新
研究人员提出 Soft-MoQE 混合量子-经典学习架构
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Valeria Repetto 等人提出 Soft-MoQE(Soft Mixture of Quantum Experts)架构。该架构通过非可训练量子电路池与经典门控网络,替代传统的变分量子训练方式,旨在避免 barren plateaus 等优化难题。 在 MNIST parity、MNIST 10-class 和 FashionMNIST 任务中,Soft-MoQE 的性能优于单专家、均匀平均和线性基线,达到了可训练量子神经网络的水平。同时,该架构的量子训练成本比可训练量子神经网络低数个数量级。
AI 根据报道生成 · 12 小时前更新
最新进展11月19日 13:00
研究提出 Soft-MoQE 架构实现混合量子-经典学习报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · AI研究提出 Soft-MoQE 架构实现混合量子-经典学习
研究提出 Soft-MoQE 架构,通过非可训练量子电路池与经典门控网络替代变分量子训练,避免 barren plateaus 等优化难题。 在 MNIST parity、MNIST 10-class 和 FashionMNIST 任务中,Soft-MoQE 性能优于单专家、均匀平均和线性基线,达到可训练量子神经网络的水平,且量子训练成本低数个数量级。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月20日
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。