arXiv · quant-ph· Otto Menegasso Pires, Andr\'e Saimon, Daniela Herrmann, Prashant Kumar, Marcelo Moret, Erick Giovani Sperandio Nascimento·· 5 小时前
基于量子退火与离散小波变换的量子神经网络用于空气污染预测
An Annealing-based Quantum Neural Network with Discrete Wavelet Transforms for Enhanced Air Pollution Nowcasting
arXiv:2610.13882v1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：Otto Menegasso Pires, Andr\'e Saimon, Daniela Herrmann, Prashant Kumar, Marcelo Moret, Erick Giovani Sperandio Nascimento
研究任务与主要进展
作者提出一种结合变分量子电路、量子退火和离散小波变换的混合量子神经网络，用于基于英国城市高密度数据预测PM2.5；摘要称其可扩展至172个量子比特，并在原始高熵环境数据上优于MLP和LSTM。作者还报告量子神经网络对输入波动具有韧性，小波耦合后预测保真度进一步提升；当前仅依据论文摘要，实验与基准细节尚未核验。
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