Прогноз времени обработки Quantum Processing Unit (QPU) с помощью машинного обучения В статье рассматриваются методы машинного обучения для прогнозирования времени обработки квантовых задач на квантовых процессорах. Используя алгоритмы Gradient-Boosting (LightGBM) и методы предобработки данных, исследователи создали модели, которые повышают эффективность работы квантовых вычислительных систем. Результаты демонстрируют, что машинное обучение эффективно для прогнозирования времени обработки квантовых задач, что может улучшить управление ресурсами и планирование в квантовых вычислениях. arXiv: 2510.20630 Обзоры | Квантовая физика
Прогноз времени обработки Quantum Processing Unit (QPU) с помощью машинного обучения
В статье рассматриваются методы машинного обучения для прогнозирования времени обработки квантовых задач на квантовых процессорах. Используя алгоритмы Gradient-Boosting (LightGBM) и методы предобработки данных, исследователи создали модели, которые повышают эффективность работы квантовых вычислительных систем. Результаты демонстрируют, что машинное обучение эффективно для прогнозирования времени обработки квантовых задач, что может улучшить управление ресурсами и планирование в квантовых вычислениях.
arXiv: 2510.20630
