研究提出QCBM噪声正则化训练框架GENIE

2026年11月5日，arXiv quant-ph发表的研究显示，硬件残余噪声可作为正则化项，用以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。针对有限测量预算场景，研究者提出了名为GENIE的噪声正则化训练框架。该框架在固定执行预算内结合了受限误差缓解，能够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测试中，GENIE的表现接近4种噪声控制策略中的最优水平。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。