11:16
官方账号arXiv cs.LG@Yuqi Huang, Vincent Y. F. Tan, Sharu Theresa Jose
推荐理由：这篇论文教你用更省事的核函数解决量子优化问题，省计算省样本，还能量化精度损失，做量子控制或VQA的人值得看看。
NISQ
共 1 条相关 AI 资讯
7月2日
11:16
该论文研究量子核诱导的高斯过程（GP）Bandit优化问题，假设均值奖励函数位于量子核的RKHS中。针对NISQ时代任务（如量子控制、状态制备），作者指出全量子核因高维度过高导致信息增益大、累积遗憾高。他们提出投影量子核和经典核近似技术，降低特征维度同时保留关键量子性质。基于近似核开发的误指定GP Bandit算法，推导出遗憾界以权衡近似误差与信息增益。实验表明，该方法在样本效率上超越全量子核，并显著降低计算开销。