基于因子分解机和伊辛模型的代理建模:增强高阶交互学习

最近,一项研究提出采用因子分解机作为代理模型来近似原始系统的输入-输出映射关系,并运用量子退火算法优化该代理函数。受此启发,该研究团队提出了一种增强型代理模型,通过在因子分解机及其关联伊辛模型中引入松弛变量,将原本分两步进行的设计流程整合为统一步骤。在训练阶段,松弛变量通过迭代更新使模型能够捕捉高阶特征交互作用。研究人员将该方法应用于药物组合效应预测任务,实验结果表明松弛变量的引入带来了显著性能提升。该工作为构建具有潜在量子优势的高效代理模型提供了新思路。

量科快讯