Исследователи разработали алгоритм, позволяющий более эффективно оценивать локальные наблюдаемые в квантовых спиновых цепях, что открывает новые возможности для изучения сложных квантовых систем.
Исследователи демонстрируют, что использование симметрии в архитектуре нейронных сетей позволяет значительно улучшить точность и эффективность моделей, изучающих квантово-механические свойства молекул.
В новой работе предлагается подход к оптимизации квантовых систем памяти, сочетающий в себе принципы классического линейно-квадратичного гауссовского управления и методы сглаживания для минимизации отклонений от начального состояния.
Исследователи предложили архитектуру квантовой нейронной сети, использующей непрерывные переменные и вдохновленную принципами квантовой оптики, для повышения эффективности и анализируемости.
Новый подход объединяет возможности квантовых вычислений и глубокого обучения с подкреплением для решения сложных задач оптимизации.
В статье представлен обзор современных подходов к квантовому машинному обучению, классифицированных по способам обработки данных и вычислительным моделям.
В статье представлена автоматизированная платформа для эффективной загрузки данных в квантовые системы, позволяющая сбалансировать точность и погрешности для минимизации затрат.
Новый подход объединяет возможности квантовых и классических вычислений для эффективного моделирования нелинейных дифференциальных уравнений в частных производных.
Исследователи разработали усовершенствованный квантовый алгоритм, способный эффективно решать задачи комбинаторной оптимизации с линейными ограничениями.
В статье представлена методика построения иерархических моделей обучения с подкреплением, основанная на формальном определении абстракций и их связи с реализуемыми действиями в исходной среде.