研究提出噪声正则化QCBM训练框架GENIE

Hoang M. Ngo等作者提出GENIE框架，用于在有限采样预算下训练量子电路Born机器（QCBM）：该框架通过受限的误差缓解实现选定的噪声水平，并在固定执行预算内用留出数据在训练中选择噪声水平，作者称其遗憾有可证明的上界。 作者的研究表明，用最大均值差异训练的QCBM，其泛化差距受噪声模型可达分布复杂度约束；加扰的局部Pauli噪声会压缩这一复杂度，但会使模型偏向均匀分布，因此残余噪声可充当正则项，最优噪声强度可能是中间值。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。