跳到正文
热点事件持续更新

研究探索用机器学习为SQD算法选择参数配置

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

Doriela Grabocka 等研究者在 arXiv 论文(arXiv:2611.18307)中训练机器学习“预言机”模型,根据哈密顿量和候选参数配置预测基于采样的量子对角化(SQD)算法的量子运行时间与近似误差,从而在运行前先验地选择参数配置。论文称,这是对“预言机模型能否从哈密顿量和候选配置预测运行时间与误差”这一问题的探索。

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
    AI 用于基于采样的量子对角化(SQD)参数选择

    arXiv 论文探索用机器学习模型为 SQD 方法预测量子运行时间与近似误差,实现参数配置的先验选择。

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。