研究者提出量子神经网络剪枝框架ConQUESTA
热点事件观察中
研究者提出量子神经网络剪枝框架ConQUESTA
1 篇报道1 个报道来源3 天前更新
先了解这件事
AI 综述
Saim Rehman 与 Muhammad Shafique 提出训练后结构化剪枝框架 ConQUESTA，用于量子神经网络（QNN）。该框架结合任务显著性与编译器成本筛选纠缠门候选，并在显式精度约束下搜索完整剪枝掩码。 在 4、6、8 量子比特 QNN 与八个模型种子上，55% 剪枝率下 Breast Cancer、Digits01、Iris 的平均资源分别降低 61.6%、72.0%、82.2%，据称较最强简单基线高 3.5、1.7、8.9 个百分点。
AI 根据报道生成 · 3 天前更新
最新进展10月19日 12:00
ConQUESTA：面向量子神经网络拓扑感知的训练后结构化剪枝报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv 量子物理ConQUESTA：面向量子神经网络拓扑感知的训练后结构化剪枝
研究者提出训练后剪枝框架 ConQUESTA，结合任务显著性与编译器成本筛选纠缠门候选，并在显式精度约束下搜索完整剪枝掩码。在 4、6、8 量子比特 QNN 与八个模型种子上，55% 剪枝率下 Breast Cancer、Digits01、Iris 平均资源分别降低 61.6%、72.0%、82.2%，较最强简单基线高 3.5、1.7、8.9 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。