10:01
官方账号arXiv cs.LG@Yeonhong Kim, Jonghyeok Im, Monu Nath Baitha, Kyoungsik Kim
推荐理由：这篇论文用晶圆缺陷分类任务硬核对比了两种量子计算范式，CV在4个qumodes下比DV高出18个点，还解释了为什么。搞量子机器学习或半导体良率的朋友可以看看。
CV-QNN
共 1 条相关 AI 资讯
7月2日
10:01
该论文在WM-811K晶圆图缺陷分类任务（8类）上，控制卷积主干（约430万参数）不变，仅替换头部为经典全连接、连续变量（CV）或离散变量（DV）量子神经网络（QNN），并缩放至3、4、8个qumodes/qubits。在4个qumodes/qubits时，CV-QNN达到79.7±1.8%准确率，DV-QNN仅61.6±1.4%，差距18个百分点。CV对空间局部的Edge-Loc类召回率达0.66±0.06，而DV始终低于0.05。实验表明CV优势来自结构化层和连续相空间编码，而非希尔伯特空间维度；经典基线为85.0%，但控制实验揭示了结构头部的潜力。