В статье описывается квантовая экстремальная машина обучения (QELM), которая использует до 124 кубитов и более 5000 двухкубитных гейтов на суперпроводящих платформах для обработки временных данных. Представлена стратегия настройки гиперпараметров и локальный анализ собственных задач, что позволяет эффективно выбирать признаки и улучшать производительность. Результаты демонстрируют конкурентоспособность квантового подхода по сравнению с классическими методами на примерах прогнозирования временных рядов и классификации спутниковых изображений. arXiv: 2603.13005 Обзоры | Квантовая физика
Преодоление барьеров концентрации для квантового экстремального обучения на цифровых квантовых процессорах
В статье описывается квантовая экстремальная машина обучения (QELM), которая использует до 124 кубитов и более 5000 двухкубитных гейтов на суперпроводящих платформах для обработки временных данных. Представлена стратегия настройки гиперпараметров и локальный анализ собственных задач, что позволяет эффективно выбирать признаки и улучшать производительность. Результаты демонстрируют конкурентоспособность квантового подхода по сравнению с классическими методами на примерах прогнозирования временных рядов и классификации спутниковых изображений.
arXiv: 2603.13005
