Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > quant-ph > arXiv:2501.01507v3

帮助 | 高级搜索

量子物理

arXiv:2501.01507v3 (quant-ph)
[提交于 2025年1月2日 (v1) ,最后修订 2025年7月14日 (此版本, v3)]

标题: 变分量子电路的迁移学习分析

标题: Transfer Learning Analysis of Variational Quantum Circuits

Authors:Huan-Hsin Tseng, Hsin-Yi Lin, Samuel Yen-Chi Chen, Shinjae Yoo
摘要: 这项工作分析了变分量子电路(VQC)的迁移学习。 我们的框架从一个在某一领域预训练的VQC开始,并计算出新领域所需的1参数单位子群的转换。 建立了一个形式化方法来研究在损失界限分析下VQC的适应性和能力。 我们的理论观察到VQCs中的知识迁移,并为该机制提供了启发式的解释。 推导出一种解析微调方法,以获得相似领域适应的最佳转换。
摘要: This work analyzes transfer learning of the Variational Quantum Circuit (VQC). Our framework begins with a pretrained VQC configured in one domain and calculates the transition of 1-parameter unitary subgroups required for a new domain. A formalism is established to investigate the adaptability and capability of a VQC under the analysis of loss bounds. Our theory observes knowledge transfer in VQCs and provides a heuristic interpretation for the mechanism. An analytical fine-tuning method is derived to attain the optimal transition for adaptations of similar domains.
评论: 发表于ICASSP 2025
主题: 量子物理 (quant-ph) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2501.01507 [quant-ph]
  (或者 arXiv:2501.01507v3 [quant-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01507
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1109/ICASSPW65056.2025.11011037
链接到相关资源的 DOI

提交历史

来自: Huan-Hsin Tseng [查看电子邮件]
[v1] 星期四, 2025 年 1 月 2 日 19:26:25 UTC (2,068 KB)
[v2] 星期日, 2025 年 2 月 16 日 22:33:35 UTC (2,068 KB)
[v3] 星期一, 2025 年 7 月 14 日 20:11:55 UTC (2,065 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
quant-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号