Квантовые и гибридные модели машинного обучения для задач материаловедения В статье рассматриваются практические задачи материаловедения, для решения которых применяются квантовые алгоритмы машинного обучения и гибридные квантово-классические модели. Используются квантовые методы опорных векторов (QSVM) и квантовые нейронные сети (QNN). Определены комбинации гиперпараметров, которые обеспечивают высокие результаты (около 90%) в предсказаниях. Созданы оптимизированные квантовые модели для регрессии и классификации. arXiv: 2507.08155 Обзоры | Квантовая физика
Квантовые и гибридные модели машинного обучения для задач материаловедения
В статье рассматриваются практические задачи материаловедения, для решения которых применяются квантовые алгоритмы машинного обучения и гибридные квантово-классические модели. Используются квантовые методы опорных векторов (QSVM) и квантовые нейронные сети (QNN). Определены комбинации гиперпараметров, которые обеспечивают высокие результаты (около 90%) в предсказаниях. Созданы оптимизированные квантовые модели для регрессии и классификации.
arXiv: 2507.08155
