量子数据加载器学习真实信号结构

研究者提出量子原生数据加载器，先从真实数据学习共享的低维结构，再由少量参数控制的固定线路为每个信号完成准备。基于论文摘要，在五个公开数据集、七种视图上，该方法以相当的线路门成本达到最强结构化基线目标，并将每个信号的参数数量减少数倍。 预注册盲重复实验显示，信号规模扩大十六倍时，达到与全信号精度误差在10%以内所需的随机子集规模仍在预设范围内。但该加载器会拒载无法表示的样本，实验也未覆盖心电图数据。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。