arXiv · quant-ph· Emanuele Casciaro, Fabio Mascherpa, Alfonso Amendola, Filippo Caruso·· 1 天前
Divide et Impera 量子神经网络：面向模块化混合计算架构的训练方法
Divide et Impera quantum neural networks for modular hybrid computing architectures
arXiv:2610.09623v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Emanuele Casciaro, Fabio Mascherpa, Alfonso Amendola, Filippo Caruso
首次提交：2026-10-07 16:00
研究任务与主要进展
一项研究提出 Divide et Impera 训练协议，将量子神经网络拆分为更小组件，以改善优化并适配较少量子比特和有限量子门的设计需求。方法基于真实数据和真实预测任务开展基准测试，覆盖电动汽车充电站状态与全球空气质量指数，结果提示其可作为模块化量子架构中量子机器学习算法的设计原则。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org