🧬 الأحياء
Diagnosing Simulation and Hardware Barriers to Cross-Size Transfer in Equivariant Quantum Reinforcement Learning
تُثبت هذه الورقة البحثية أنه بينما يمكن لسياسات التعلم التعزيزي الكمي المتكافئة (equivariant) المدربة على نماذج تحسين توافقي صغيرة أن تتفوق على التدريب المتوافق في الحجم عند النقل الصفري (zero-shot transfer) إلى نماذج أكبر ضمن أطر مثالية، إلا أن أداءها على الأجهزة الواقعية يتدهور بشدة بسبب بتر المحاكاة، والحدود الأدائية المشروطة، ومحدودية ضجيج العينات (shot-noise)، مما يضع في النهاية معياراً تشخيصياً صارماً للادعاءات المستقبلية حول التفوق الكمي.