欧洲航天局利用混合量子神经网络提高地球观测任务的计算效率和准确性
在arXiv上发表的一篇新预印本论文中,来自欧洲航天局和罗马大学的研究人员探索了一种混合量子神经网络(QNN),这种混合QNN结合了量子计算与经典深度学习技术,可用于提高地球观测应用中机器学习任务的计算效率和准确性。该研究还利用这种混合模型评估了Qiskit和PennyLane两种量子计算框架,他们发现两者都能提供强大的性能,但PennyLane由于与PyTorch等机器学习库相集成,它表现出了更快的收敛速度。
量科快讯
11 小时前
14 小时前
16 小时前
【科学家在量子发射体的机理研究与可控构建方面取得重要进展】近日,美国能源部阿贡国家实验室与伊利诺伊大学厄巴纳香槟分校的科学家借助一种先进的专用显微技术QuEEN-M(量子发射体电子纳米材料显微镜),…
17 小时前
1 天前
1 天前



