量子退火混合QNN用于PM2.5预测论文
热点事件持续更新
量子退火混合QNN用于PM2.5预测论文
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Otto Menegasso Pires 等在 arXiv 论文（arXiv:2610.13882）中提出一种结合变分量子线路、量子退火和离散小波变换的混合量子神经网络，用英国城市高密度数据预测 PM2.5。摘要称模型可扩展至 172 个量子比特，并在原始高熵环境数据上显著优于 MLP 和 LSTM 两个经典基线。 作者还称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。目前仅依据论文摘要，实验与基准细节尚未核验。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · quant-ph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
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月12日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。