[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Analyse de l'apprentissage par transfert des circuits quantiques variationnels

Created by
  • Haebom

Auteur

Huan-Hsin Tseng, Hsin-Yi Lin, Samuel Yen-Chi Chen, Shinjae Yoo

Contour

Cet article analyse l'apprentissage par transfert des circuits quantiques variationnels (VQC). À partir d'un VQC pré-entraîné dans un domaine existant, nous présentons un cadre de calcul du transfert d'un sous-ensemble unitaire à un paramètre du domaine requis vers un nouveau domaine. Nous établissons un cadre formel pour étudier l'adaptabilité et les performances des VQC par l'analyse des limites de perte. Nous observons le transfert de connaissances dans les VQC et fournissons une interprétation heuristique de leurs mécanismes. Nous dérivons une méthode d'ajustement analytique pour obtenir un transfert optimal pour une adaptation similaire à un domaine.

Takeaways, Limitations_

Takeaways : Fournit une compréhension théorique du mécanisme d'apprentissage par transfert du VQC et propose une méthode d'ajustement efficace. Elle peut contribuer à améliorer l'adaptabilité dans des domaines similaires.
Limitations: La méthode d'affinement analytique proposée pourrait être limitée à des domaines similaires. Des recherches supplémentaires sur les performances de l'apprentissage par transfert dans différents domaines sont nécessaires. Il manque une vérification expérimentale à l'aide d'ordinateurs quantiques réels. Un examen plus approfondi de la rigueur de l'analyse des limites de perte pourrait être nécessaire.
👍