研究者提出噪声正则化训练框架GENIE用于QCBM
热点事件持续更新
研究者提出噪声正则化训练框架GENIE用于QCBM
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Hoang M. Ngo 等研究者发布论文，提出在固定执行预算下训练量子电路 Born 机（QCBM）的框架 GENIE，通过带误差缓解上限的噪声水平选择进行训练，并证明 regret 有界。 论文理论上证明噪声可作为正则化手段：任意噪声下最大均值差异的泛化间隙由噪声模型可达分布的复杂度界定。合成与人口普查数据的模拟显示，GENIE 表现接近四种噪声控制策略中的最优者，而任一固定噪声水平在多种场景下都不及它。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
有限射击预算下量子电路 Born 机的噪声正则化训练报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AI有限射击预算下量子电路 Born 机的噪声正则化训练
研究者提出 GENIE 框架，在固定执行预算下通过带误差缓解上限的噪声水平选择来训练量子电路 Born 机（QCBM）。理论证明噪声可作为正则化手段，任意噪声下最大均值差异的泛化间隙由噪声模型可达分布的复杂度界定。合成与人口普查数据模拟显示，GENIE 表现接近四种噪声控制策略中的最优者，而任一固定噪声水平在多种场景下都不及它。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。