★ 3
弱监督方法实现量子误差缓解
论文提出弱监督量子误差缓解方法，用电路结构与硬件校准产生的廉价、单独不可靠信号替代理想标签，通过16个启发式标注函数与概率标签模型调和分歧。在IBM两台设备上147,000个五量子比特电路上，该方法分别消除24.3%和28.8%的KL散度，优于最强解析基线。监督神经模型在有理想标签时仍更强，但该方…
arXiv cs.AI40 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出弱监督量子误差缓解方法，用电路结构与硬件校准产生的廉价、单独不可靠信号替代理想标签，通过16个启发式标注函数与概率标签模型调和分歧。在IBM两台设备上147,000个五量子比特电路上，该方法分别消除24.3%和28.8%的KL散度，优于最强解析基线。监督神经模型在有理想标签时仍更强，但该方…
论文将海冰类型预测重新定义为弱监督多标签比例学习问题，直接使用冰图的图斑级标注，避免标签近似带来的病态学习。提出两模块框架，先用多实例学习做水冰分类，再用多标签比例学习预测冰型组成，并扩展为融合 SAR、AMSR2 与 ERA5 的多模态模型。在 AI4Arctic 数据集上多模态模型较 SAR …