ConQUESTA：拓扑感知的QNN训练后结构化剪枝

Saim Rehman 和 Muhammad Shafique 发布 arXiv 论文（基于摘要），提出 ConQUESTA 量子神经网络训练后结构化剪枝框架，将任务显著性与编译成本结合，在明确精度约束下搜索完整剪枝掩码，并把每个掩码作为整体在多种耦合拓扑上转译编译。 论文报告：在 4、6、8 比特 QNN 和八个模型种子、55% 剪枝率下，ConQUESTA 平均资源降低分别为 Breast Cancer 61.6%、Digits01 72.0%、Iris 82.2%，超过最强匹配的简单基线 3.5、1.7 和 8.9 个百分点。

AI 根据报道生成 · 3 小时前更新