Hybrid Quantum-Classical Machine Learning Algorithms for Multi-Output Time-Series Forecasting at Utility Scale
Ce papier démontre la faisabilité de l'apprentissage automatique hybride quantique-classique pour la prévision de séries temporelles à multiples sorties à l'échelle des services publics en évaluant deux cadres, le calcul de réservoir quantique à noyau et les processus gaussiens à noyau quantique projeté, sur un jeu de données de compteurs intelligents de 103 ménages utilisant le processeur quantique IBM Marrakech, où les deux modèles ont obtenu des réductions d'erreur significatives par rapport aux bases de référence classiques sur les simulateurs et ont maintenu des performances compétitives sur le matériel NISQ.
Mackenson Polché, Varun Puram, Aditi Lal, Weronika Golletz, Joan Étude Arrow, Vardaan Sahgal, Kumar Ghosh, Giorgio Cortiana, Corey O'Meara2026-05-26⚛️ quant-ph