Квантовый отжиг обычно используется для комбинаторной оптимизации, но его когерентная динамика также перспективна для машинного обучения. В статье представлена модель, которая кодирует классические данные в гамильтониан Изинга, эволюционирует их на квантовом аннотаторе и использует полученные вероятностные распределения в качестве карт признаков для классификации. Эксперименты показали, что короткие времена аннигиляции дают более высокую точность классификации, а более длительные времена снижают точность, но уменьшают затраты на выборку. arXiv: 2601.09938 Обзоры | Квантовая физика
За пределами оптимизации: использование динамики квантового аннейлера для машинного обучения
Квантовый отжиг обычно используется для комбинаторной оптимизации, но его когерентная динамика также перспективна для машинного обучения. В статье представлена модель, которая кодирует классические данные в гамильтониан Изинга, эволюционирует их на квантовом аннотаторе и использует полученные вероятностные распределения в качестве карт признаков для классификации. Эксперименты показали, что короткие времена аннигиляции дают более высокую точность классификации, а более длительные времена снижают точность, но уменьшают затраты на выборку.
arXiv: 2601.09938
