跳到正文
热点事件持续更新

QLSTM 在量能器能量回归中更省样本

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Tariq Mahmood 等研究者发布论文(arXiv:2611.17354),在 CaloGAN 数据集的 10 万个 1-100 GeV 模拟电磁簇射事件上,用三种量能器数据表示比较 SVR、ANN、CNN、LSTM 及其量子版本共八种架构做正电子能量重建,报告混合量子-经典模型 QLSTM 重建误差最低,RMSE 为 0.294 GeV。 论文称,在只用 1,500 个训练事件的同等数据条件下,QLSTM 比经典 LSTM 提升 52.7%,并超过用全量数据训练的 LSTM,显示出样本效率优势。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月16日
  1. arXiv cs.AI
    混合量子-经典序列模型在量能器模拟簇射能量回归中的样本效率研究

    研究者在 CaloGAN 数据集(100,000 个 1-100 GeV 模拟电磁簇射事件)上比较 SVR、ANN、CNN、LSTM 及其量子对应版本共八种架构,用三种量能器数据表示做正电子能量重建。

本事件热度走势

可比范围当前
9
可比范围峰值
1011月16日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。