Discretization-Aware Fine-Tuning for Quantum Machine Learning with Chemical Foundation Models
यह शोध पत्र डिस्क्रीटाइजेशन-अवेयर फाइन-ट्यूनिंग (DAFT) प्रस्तुत करता है, जो डेटा क्वांटाइजेशन के दौरान क्रॉस-क्लास कोलिजन्स (cross-class collisions) को कम करने के लिए प्री-ट्रेंड केमिकल फाउंडेशन मॉडल्स को अनुकूलित करता है, जिससे क्वांटम मशीन लर्निंग मॉडल्स को सूचना-सीमित आणविक गुण भविष्यवाणी कार्यों में क्लासिकल बेसलाइन्स से आगे बढ़ने में सक्षम बनाया जा सके।