Scalable On-Hardware Training of Quantum Neural Networks and Application to Clinical Data Imputation
本論文は、共設計されたアーキテクチャと並列化されたパラメータシフト則を通じて、勾配推定コストを二次関数的複雑度から対数的な複雑度へと低減させる量子ニューラルネットワークのスケーラブルな学習フレームワークを導入し、臨床データの補完および患者の生存予測において、16量子ビットのIonQハードウェア上での実用的かつ高性能な学習を成功裏に実証したものである。