有限测量预算下量子电路玻恩机（QCBM）的噪声正则化训练

研究表明硬件残余噪声可作为正则化项，约束基于最大均值差异训练的量子电路玻恩机（QCBM）的泛化误差，且最优噪声强度可处于中间值。为此研究者提出 GENIE 框架，在固定执行预算内结合受限误差缓解，通过保留数据动态选择噪声水平并具备可证明的有界遗憾值。在合成数据与人口普查数据的模拟中，GENIE 表现接近 4 种噪声控制策略中的最优水平。