Layer-wise QUBO-Based Training of CNN Classifiers for Quantum Annealing
本文提出了一种基于二次无约束二值优化(QUBO)的迭代框架,通过冻结卷积特征并仅优化全连接层,利用量子退火技术训练 CNN 分类器,在多个图像分类基准上实现了与经典梯度下降方法相当甚至更优的性能。
10681 篇论文
量子物理探索着物质与能量在微观尺度上最奇妙的行为,从神秘的叠加态到跨越空间的纠缠现象,这一领域正不断重塑我们对现实世界的理解。Gist.Science 致力于让深奥的 arXiv 预印本变得触手可及,我们追踪该分类下发布的每一份最新预印本,并为其提供两种解读视角:既包含通俗易懂的科普解读,也涵盖保留核心细节的技术摘要。
无论您是希望快速掌握前沿动态的科研工作者,还是对宇宙奥秘充满好奇的普通读者,这里都能为您提供清晰的研究概览。我们梳理了 arXiv 上量子物理板块的最新成果,确保您能第一时间读懂科学界的最新突破。下方列出了该领域刚刚发布的最新论文及其摘要。
本文提出了一种基于二次无约束二值优化(QUBO)的迭代框架,通过冻结卷积特征并仅优化全连接层,利用量子退火技术训练 CNN 分类器,在多个图像分类基准上实现了与经典梯度下降方法相当甚至更优的性能。
本文提出了一种基于图神经网络的 QAOA-Predictor 模型,能够根据问题图结构预测固定参数 QAOA 的成功概率和最小层数,从而在无需昂贵运行时优化的情况下实现高效的组合优化。
该研究首次报道了在非手性波导中通过原子热运动与集体衰减速率的相互作用实现了高达 0.89 的可控集体发射方向性,并通过数值模拟揭示了这一运动诱导方向性的物理机制。
本文提出了 QFlowNet 框架,通过结合生成流网络(GFlowNet)与 Transformer 架构,利用稀疏奖励信号实现了快速、多样且高效的酉矩阵合成,在 3 量子比特基准测试中达到了 99.7% 的成功率。
本文在二维 U(1) 晶格规范理论的罗赫萨尔 - 基尔森模型中识别出具有精确稳定子结构的子晶格疤痕态,揭示了晶格规范约束、量子多体疤痕与稳定子量子信息之间的直接联系,并展示了其经典可模拟性。
该研究提出了量子神经网络的几何设计原则,通过引入几乎完全局部选择性(aCLS)准则,指出实现有效特征学习需具备数据与权重联合依赖的可控几何变形能力,从而将设计重点从状态可达性转向可学习的隐藏表示几何结构。
该研究提出了一种利用互信息引导纠缠结构的量子启发式哈密顿量特征提取方法,并通过 GPU 加速模拟在 10 个 ADMET 基准测试中实现了优于经典基线的性能,证实了少量量子特征对模型预测具有显著的重要性贡献。
本文提出了一种利用可擦除子集将任意量子码转化为纠缠辅助码的通用方法,从而构建了稳定子框架之外的新方案,并探讨了利用简并性压缩接收方共享态的可能性。
该研究建立了基于统计矩的非高斯特征见证与恒星秩之间的定量联系,证明这些见证可为恒星秩提供可认证的实验下界,从而实现了非高斯态的可扩展认证。
该研究通过在介电米氏共振超表面中嵌入 GaAs 量子点,克服带电激子发光弱的限制,在相同泵浦条件下实现了从单个量子点同时产生反聚束单光子和超聚束光子。