Ny formel optimerar mätbudgetar i kvantmlärning

arXiv cs.AI

Forskare har tagit fram en matematisk regel för hur man bäst fördelar ett fast antal mätningar i kvantdatorbaserad maskininlärning – ett praktiskt problem eftersom varje mätning kräver att kvantkretsarna körs om från scratch. Formeln säger att optimalt antal träningsstater ska skalas som 2√(2dB/log(2B/δ)), vilket i praktiken ger en noggrannhet som förbättras proportionellt mot B^(-1/4) när mätbudgeten B ökar. Resultaten verifierades med simuleringar i PennyLane på 2- och 4-qubit-kretsar, och felmarginalerna höll sig konsekvent under de teoretiska gränserna i alla nio testscenarier.