Exact and Asymptotically Complete Robust Verifications of Neural Networks via Quantum Optimization
Cet article présente deux modèles d'optimisation quantique pour la vérification robuste des réseaux de neurones, offrant une formulation exacte pour les activations linéaires par morceaux et une sur-approximation asymptotiquement complète pour les activations générales, tout en intégrant des techniques hybrides quantiques-classiques pour accélérer le processus de certification.