Нейросетевой вариационный квантовый алгоритм для эффективного обучения структуры знаков в гибридных архитектурах Представлен sVQNHE — нейросетевой вариационный квантовый алгоритм, который эффективно снижает затраты на измерения и улучшает скорость сходимости вариационной оптимизации за счёт разделения обучения амплитуд и знаков между классическим и квантовым модулями. Результаты экспериментов показывают значительное улучшение точности и эффективности решения задач по сравнению с базовыми методами. Алгоритм масштабируем и устойчив к аппаратным шумам, что делает его подходящим для современных квантовых процессоров и будущих высокопроизводительных систем. arXiv: 2507.07555 Обзоры | Квантовая физика
Нейросетевой вариационный квантовый алгоритм для эффективного обучения структуры знаков в гибридных архитектурах
Представлен sVQNHE — нейросетевой вариационный квантовый алгоритм, который эффективно снижает затраты на измерения и улучшает скорость сходимости вариационной оптимизации за счёт разделения обучения амплитуд и знаков между классическим и квантовым модулями. Результаты экспериментов показывают значительное улучшение точности и эффективности решения задач по сравнению с базовыми методами. Алгоритм масштабируем и устойчив к аппаратным шумам, что делает его подходящим для современных квантовых процессоров и будущих высокопроизводительных систем.
arXiv: 2507.07555
