Adaptive Quantum Approximate Optimization for Genomic Classification
Dit artikel introduceert een Adaptief Quantum Approximate Optimization Algorithm (QAOA) dat gebruikmaakt van gradiëntgestuurde operatorselectie om dynamisch probleem-specifieke circuits te construeren, waarbij een superieure precisie, specificiteit en hardware-efficiëntie wordt aangetoond ten opzichte van varianten met een vaste architectuur voor genomische sequentieclassificatie onder realistische NISQ-ruisbeperkingen.