Новые методы квантового и квантово-вдохновленного машинного обучения демонстрируют перспективные результаты в классификации клеток крови для диагностики острого миелолейкоза.
![Итеративный квантово-усиленный алгоритм обучения с подкреплением формирует множественные эпизоды, кодирует их в задачу [latex]QUBO[/latex] и решает с помощью квантового решателя, используя наилучший результат для обновления политики и повторяя процесс до достижения оптимальной стратегии.](https://arxiv.org/html/2601.17570v1/QRL1.png)
Новый подход к выбору эпизодов в алгоритмах Монте-Карло позволяет значительно ускорить обучение и повысить качество стратегий.
Исследование сравнивает производительность перспективных криптографических алгоритмов, устойчивых к квантовым вычислениям, в контексте децентрализованных систем.
В статье представлен всесторонний обзор современных алгоритмов и подходов к построению криптографических систем, устойчивых к атакам квантовых компьютеров.
![Логарифм функции [latex]W\_{1}(Y\_{N}, Y\_{N}^{(n)}, c)[/latex] демонстрирует зависимость от величин [latex]N[/latex] и [latex]n[/latex], указывая на то, как масштаб и итерации влияют на поведение системы, определяемое параметром [latex]c[/latex].](https://arxiv.org/html/2601.16250v1/x2.png)
В статье представлены строгие оценки ошибок, возникающих при использовании вычислительных графов распределений, что позволяет более точно оценивать и контролировать распространение погрешностей в сложных вычислениях.
Новый подход к семантическому поиску в интернет-магазинах позволяет понимать сложные запросы пользователей, сформулированные естественным языком.
Новые методы машинного обучения позволяют улучшить реконструкцию адронных струй и повысить чувствительность к редким процессам распада бозона Хиггса на пары тяжелых кварков.
Исследователи разработали эффективный вычислительный метод для моделирования квантовой динамики многомерных систем, особенно в областях, где происходят неадиабатические процессы.
Исследование посвящено применению импульсных нейронных сетей для создания энергоэффективных систем связи нового типа.
![Для организации доступа к данным на основе диагонализации с использованием вычислительной мощности GPU, применяется подход, в котором хранилище [latex]MultDataThrust[/latex] служит для обмена данными между CPU и GPU, а извлечение указателей на векторы осуществляется непосредственно в GPU-ядрах, обеспечивая эффективное управление памятью и высокую производительность вычислений.](https://arxiv.org/html/2601.16637v1/x1.png)
Новая реализация алгоритма Selected Basis Diagonalization на GPU с использованием библиотеки Thrust значительно повышает скорость расчетов для задач, связанных со сильно коррелированными квантовыми системами.