Cross-platform hardware benchmark of style-based quantum GANs for data augmentation on superconducting and trapped-ion processors
Dit artikel presenteert een cross-platform benchmark die de prestaties van een vaste stijlgebaseerde quantum GAN voor data-augmentatie in de hoge-energiefysica vergelijkt op IBM's supergeleidende ibm_torino en IonQ's gevangen-ion aria-1 processors, waarbij wordt onthuld dat hoewel IonQ een iets betere statistische kwaliteit bereikte, het IBM-platform een aanzienlijk snellere end-to-end runtime bood.