1IRIF, CNRS - Université Paris Cité ประเทศฝรั่งเศส
2QC Ware, Palo Alto, สหรัฐอเมริกา และ Paris, France
3คณะสารสนเทศศาสตร์ มหาวิทยาลัยเอดินบะระ สกอตแลนด์ สหราชอาณาจักร
4เอฟ ฮอฟมันน์ ลา โรช เอจี
พบบทความนี้ที่น่าสนใจหรือต้องการหารือ? Scite หรือแสดงความคิดเห็นใน SciRate.
นามธรรม
ในงานนี้ หม้อแปลงควอนตัมได้รับการออกแบบและวิเคราะห์ในรายละเอียดโดยการขยายสถาปัตยกรรมเครือข่ายประสาทของหม้อแปลงแบบคลาสสิกที่ล้ำสมัย ซึ่งทราบกันดีว่ามีประสิทธิภาพอย่างมากในการประมวลผลภาษาธรรมชาติและการวิเคราะห์ภาพ จากงานก่อนหน้านี้ ซึ่งใช้วงจรควอนตัมแบบพาราเมตริกสำหรับการโหลดข้อมูลและเลเยอร์ประสาทตั้งฉาก เราแนะนำหม้อแปลงควอนตัมสามประเภทสำหรับการฝึกอบรมและการอนุมาน รวมถึงหม้อแปลงควอนตัมที่ใช้เมทริกซ์ผสม ซึ่งรับประกันความได้เปรียบทางทฤษฎีของกลไกความสนใจควอนตัม เมื่อเปรียบเทียบกับคู่แบบคลาสสิกทั้งในแง่ของรันไทม์เชิงเส้นกำกับและจำนวนพารามิเตอร์โมเดล สถาปัตยกรรมควอนตัมเหล่านี้สามารถสร้างขึ้นได้โดยใช้วงจรควอนตัมแบบตื้นและสร้างแบบจำลองการจำแนกประเภทที่แตกต่างกันในเชิงคุณภาพ ชั้นความสนใจควอนตัมทั้งสามที่นำเสนอนั้นแตกต่างกันไปตามสเปกตรัมระหว่างการติดตามหม้อแปลงแบบคลาสสิกอย่างใกล้ชิดและแสดงคุณลักษณะควอนตัมมากขึ้น ในฐานะที่เป็นส่วนประกอบสำคัญของหม้อแปลงควอนตัม เราขอเสนอวิธีการใหม่ในการโหลดเมทริกซ์เป็นสถานะควอนตัม เช่นเดียวกับชั้นตั้งฉากควอนตัมแบบใหม่ที่สามารถฝึกได้ 2 ชั้น ซึ่งสามารถปรับให้เข้ากับระดับการเชื่อมต่อและคุณภาพของคอมพิวเตอร์ควอนตัมในระดับต่างๆ เราทำการจำลองหม้อแปลงควอนตัมอย่างครอบคลุมบนชุดข้อมูลภาพทางการแพทย์มาตรฐานที่แสดงให้เห็นความสามารถในการแข่งขัน และในบางครั้งประสิทธิภาพก็ดีกว่าเมื่อเปรียบเทียบกับการวัดประสิทธิภาพแบบคลาสสิก รวมถึงเครื่องแปลงสัญญาณการมองเห็นแบบคลาสสิกที่ดีที่สุดในระดับเดียวกัน หม้อแปลงควอนตัมที่เราฝึกอบรมกับชุดข้อมูลขนาดเล็กเหล่านี้ต้องการพารามิเตอร์น้อยกว่าเมื่อเทียบกับการวัดประสิทธิภาพแบบคลาสสิกมาตรฐาน ในที่สุด เราได้นำหม้อแปลงควอนตัมของเราไปใช้กับคอมพิวเตอร์ควอนตัมที่มีตัวนำยิ่งยวด และได้รับผลลัพธ์ที่น่ายินดีสำหรับการทดลองควิบิตสูงสุดหกครั้ง
สรุปยอดนิยม
► ข้อมูล BibTeX
► ข้อมูลอ้างอิง
[1] Jacob Biamonte, Peter Wittek, Nicola Pancotti, Patrick Rebentrost, Nathan Wiebe และ Seth Lloyd “ควอนตัมแมชชีนเลิร์นนิง” ธรรมชาติ 549, 195–202 (2017)
https://doi.org/10.1038/nature23474
[2] Iris Cong, Soonwon Choi และ Mikhail D. Lukin “โครงข่ายประสาทเทียมควอนตัม”. ฟิสิกส์ธรรมชาติ 15, 1273–1278 (2019)
https://doi.org/10.1038/s41567-019-0648-8
[3] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S Kottmann, Tim Menke และคณะ “อัลกอริทึมควอนตัมระดับกลางที่มีเสียงดัง” บทวิจารณ์ฟิสิกส์สมัยใหม่ 94, 015004 (2022)
https://doi.org/10.1103/RevModPhys.94.015004
[4] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio และคณะ “อัลกอริทึมควอนตัมแบบแปรผัน”. ธรรมชาติทบทวนฟิสิกส์ 3, 625–644 (2021)
https://doi.org/10.1038/s42254-021-00348-9
[5] โจนาส แลนด์แมน, นาธานช มาเธอร์, ยุน อีวอนนา ลี, มาร์ติน สตราห์ม, สคานเดอร์ คาซดากลี, อนุปัม ปรากาช และอิออร์ดานิส เคเรนิดิส “วิธีควอนตัมสำหรับโครงข่ายประสาทเทียมและการประยุกต์เพื่อจำแนกภาพทางการแพทย์” ควอนตัม 6, 881 (2022)
https://doi.org/10.22331/q-2022-12-22-881
[6] โบบัค คิอานี, แรนดัลล์ บาเลสเทรียโร, ยานน์ เลอคุน และเซธ ลอยด์ “projunn: วิธีที่มีประสิทธิภาพสำหรับการฝึกอบรมเครือข่ายระดับลึกด้วยเมทริกซ์แบบรวม” ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 35, 14448–14463 (2022)
[7] Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Łukasz Kaiser และ Illia Polosukhin “ความสนใจคือสิ่งที่คุณต้องการ” ความก้าวหน้าในระบบประมวลผลข้อมูลประสาท 30 (2017).
[8] เจค็อบ เดฟลิน, หมิง-เหว่ย ชาง, เคนตัน ลี และคริสตินา ทูตาโนวา “เบิร์ต: การฝึกอบรมล่วงหน้าเกี่ยวกับหม้อแปลงสองทิศทางเชิงลึกเพื่อการทำความเข้าใจภาษา” (2018)
[9] อเล็กเซย์ โดโซวิทสกี, ลูคัส เบเยอร์, อเล็กซานเดอร์ โคเลสนิคอฟ, เดิร์ก ไวส์เซนบอร์น, เซียวฮวา ไจ๋, โธมัส อันเทอร์ทินเนอร์, มอสตาฟา เดห์กานี, แมทเธียส มินเดอเรอร์, จอร์จ ไฮโกลด์, ซิลเวน เกลลี, ยาคอบ อุสโคไรต์ และนีล โฮลสบี “รูปภาพมีค่าเท่ากับ 16 × 16 คำ: Transformers สำหรับการจดจำภาพในขนาด” การประชุมนานาชาติเรื่องการเป็นตัวแทนการเรียนรู้ (2021) URL: openreview.net/forum?id=YicbFdNTTy.
https:///openreview.net/forum?id=YicbFdNTTy
[10] ยี่ ไต, มอสตาฟา เดห์กานี, ดารา บาห์รี และโดนัลด์ เมตซ์เลอร์ “หม้อแปลงไฟฟ้าที่มีประสิทธิภาพ: แบบสำรวจ”. แบบสำรวจคอมพิวเตอร์ ACM (CSUR) (2020)
https://doi.org/10.1145/3530811
[11] ดซมิทรี บาห์ดาเนา, คยองฮยอน โช และโยชัว เบนจิโอ “การแปลด้วยเครื่องประสาทโดยการเรียนรู้ร่วมกันเพื่อจัดตำแหน่งและแปล” (2016) arXiv:1409.0473 [cs, สถิติ]
arXiv: 1409.0473
[12] เจ. ชมิดฮูเบอร์. “การลดอัตราส่วนระหว่างความซับซ้อนในการเรียนรู้และจำนวนตัวแปรเวลาที่แปรผันในเครือข่ายที่เกิดซ้ำอย่างสมบูรณ์” ใน Stan Gielen และ Bert Kappen บรรณาธิการ ICANN '93 หน้า 460–463. ลอนดอน (1993) สปริงเกอร์.
https://doi.org/10.1007/978-1-4471-2063-6_110
[13] เจอร์เก้น ชมิดฮูเบอร์. “การเรียนรู้ที่จะควบคุมความทรงจำที่มีน้ำหนักรวดเร็ว: ทางเลือกแทนเครือข่ายที่เกิดซ้ำแบบไดนามิก” การคำนวณประสาท 4, 131–139 (1992)
https://doi.org/10.1162/neco.1992.4.1.131
[14] ปีเตอร์ ชา, พอล กินสปาร์ก, เฟลิกซ์ วู, ฮวน การ์ราสกียา, ปีเตอร์ แอล. แม็คมาฮอน และอึนอา คิม “เอกซเรย์ควอนตัมแบบอิงความสนใจ” การเรียนรู้ของเครื่อง: วิทยาศาสตร์และเทคโนโลยี 3, 01LT01 (2021)
https://doi.org/10.1088/2632-2153/ac362b
[15] ริคคาร์โด้ ดิ ซิปิโอ, เจีย-หง ฮวง, ซามูเอล เยน-ชี่ เฉิน, สเตฟาโน มานจินี และมาร์เซล วอร์ริง “รุ่งอรุณแห่งการประมวลผลภาษาธรรมชาติควอนตัม” ใน ICASSP 2022-2022 การประชุมนานาชาติ IEEE ว่าด้วยการประมวลผลเสียง คำพูด และสัญญาณ (ICASSP) หน้า 8612–8616. อีอีอี (2022)
https:///doi.org/10.1109/ICASSP43922.2022.9747675
[16] กว่างซี ลี่, ซวนเฉียง จ้าว และซิน หวาง “โครงข่ายประสาทเทียมเพื่อความสนใจตนเองแบบควอนตัมสำหรับการจำแนกข้อความ” (2022)
[17] ฟาบิโอ ซานเชส, ฌอน ไวน์เบิร์ก, ทาคาโนริ อิเดะ และคาซุมิตสึ คามิยะ “วงจรควอนตัมสั้นในนโยบายการเรียนรู้แบบเสริมกำลังสำหรับปัญหาการกำหนดเส้นทางยานพาหนะ” การตรวจร่างกาย A 105, 062403 (2022)
https://doi.org/10.1103/PhysRevA.105.062403
[18] หยวนฟู่ หยาง และ มิน ซุน “การตรวจจับข้อบกพร่องของเซมิคอนดักเตอร์โดยการเรียนรู้เชิงลึกแบบคลาสสิกและควอนตัมแบบไฮบริด” CVPRP หน้า 2313–2322 (2022)
https://doi.org/10.1109/CVPR52688.2022.00236
[19] แม็กซ์เวลล์ เฮนเดอร์สัน, ซัมริดดี ชาคยา, ชาชินดรา ปราธาน และทริสตัน คุก “โครงข่ายประสาทเทียมควอนโวลูชัน: ขับเคลื่อนการจดจำภาพด้วยวงจรควอนตัม” Quantum Machine Intelligence 2, 1–9 (2020)
https://doi.org/10.1007/s42484-020-00012-y
[20] เอ็ดเวิร์ด ฟาร์ฮี และฮาร์ทมุท เนเวน “การจำแนกประเภทด้วยโครงข่ายประสาทควอนตัมในตัวประมวลผลระยะใกล้” (2018) URL: doi.org/10.48550/arXiv.1802.06002
https://doi.org/10.48550/arXiv.1802.06002
[21] โคสุเกะ มิทาราอิ, มาโคโตะ เนโกโระ, มาซาฮิโระ คิตากาวะ และเคสุเกะ ฟูจิอิ “การเรียนรู้วงจรควอนตัม”. การตรวจร่างกาย ก 98, 032309 (2018).
https://doi.org/10.1103/PhysRevA.98.032309
[22] Kui Jia, Shuai Li, Yuxin Wen, Tongliang Liu และ Dacheng Tao “โครงข่ายประสาทเทียมเชิงลึกแบบมุมฉาก”. ธุรกรรม IEEE ในการวิเคราะห์รูปแบบและความฉลาดของเครื่องจักร (2019)
https://doi.org/10.1109/TPAMI.2019.2948352
[23] โรเจอร์ เอ ฮอร์น และชาร์ลส์ อาร์ จอห์นสัน “การวิเคราะห์เมทริกซ์” สำนักพิมพ์มหาวิทยาลัยเคมบริดจ์ (2012)
https://doi.org/10.1017/CBO9780511810817
[24] อิออร์ดานิส เคเรนิดิส และอนุพัม ปรากาช “การเรียนรู้ของเครื่องควอนตัมพร้อมสถานะพื้นที่ย่อย” (2022)
[25] บรูคส์ ฟ็อกซ์เซน, ชาร์ลส นีลล์, แอนดรูว์ ดันส์เวิร์ธ, เปดรัม โรชาน, เบน เชียโร, แอนโธนี่ เมแกรนท์, จูเลียน เคลลี, ซีจุน เฉิน, เควิน แซทซิงเกอร์, รามี บาเรนด์ส และคณะ “สาธิตชุดเกตสองควิบิตที่ต่อเนื่องสำหรับอัลกอริธึมควอนตัมระยะสั้น” จดหมายทบทวนทางกายภาพ 125, 120504 (2020)
https://doi.org/10.1103/PhysRevLett.125.120504
[26] โซนิกา โจห์รี, ชานทานู เดบนาธ, อาวินาช โมเชอร์ลา, อเล็กซานดรอส ซิงก์, อนุปัม ปรากาช, จุงซัง คิม และอิออร์ดานิส เคเรนิดิส “การจำแนกประเภทเซนทรอยด์ที่ใกล้ที่สุดบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่” ข้อมูลควอนตัม npj 7, 122 (2021)
https://doi.org/10.1038/s41534-021-00456-5
[27] เจมส์ ดับเบิลยู คูลีย์ และจอห์น ดับเบิลยู ทูคีย์ “อัลกอริธึมสำหรับการคำนวณอนุกรมฟูเรียร์เชิงซ้อนของเครื่องจักร” คณิตศาสตร์แห่งการคำนวณ 19, 297–301 (1965)
https://doi.org/10.1090/S0025-5718-1965-0178586-1
[28] Li Jing, Yichen Shen, Tena Dubcek, John Peurifoy, Scott A. Skirlo, Yann LeCun, Max Tegmark และ Marin Soljacic “โครงข่ายประสาทเทียมที่มีประสิทธิภาพแบบปรับได้ (eunn) และการประยุกต์ใช้กับ rnns” ในการประชุมนานาชาติเรื่อง Machine Learning (2016) URL: api.semanticscholar.org/CorpusID:5287947.
https://api.semanticscholar.org/CorpusID:5287947
[29] ลีโอ มงบรุสซู, โยนาส ลันด์แมน, อเล็กซ์ บี. กริโล, โรเมน คูคลา และเอลฮัม คาเชฟี “ความสามารถในการฝึกอบรมและการแสดงออกของวงจรควอนตัมเพื่อรักษาน้ำหนักแบบแฮมมิงสำหรับการเรียนรู้ของเครื่อง” (2023) arXiv:2309.15547.
arXiv: 2309.15547
[30] เอนริโก ฟอนทานา, ดีแลน เฮอร์แมน, ชูวนิก จักราบาร์ตี, นิราช คูมาร์, โรมินา ยาโลเวตซกี้, เจมี เฮเร็ดจ์, ศรี ฮารี สุเรชบาบู และมาร์โก พิสโตเอีย “สิ่งที่คุณต้องการคือสิ่งที่แนบมาเท่านั้น: การระบุลักษณะที่ราบสูงที่แห้งแล้งในควอนตัมอันแซตเซ” (2023) arXiv:2309.07902.
arXiv: 2309.07902
[31] Michael Ragone, Bojko N. Bakalov, Frédéric Sauvage, Alexander F. Kemper, Carlos Ortiz Marrero, Martin Larocca และ M. Cerezo “ทฤษฎีที่เป็นหนึ่งเดียวของที่ราบสูงที่แห้งแล้งสำหรับวงจรควอนตัมที่มีพารามิเตอร์แบบลึก” (2023) arXiv:2309.09342.
arXiv: 2309.09342
[32] ซูเฉินโหยว และเสี่ยวตี้หวู่ “ค่าขั้นต่ำในท้องถิ่นจำนวนมากแบบทวีคูณในเครือข่ายประสาทควอนตัม” ในการประชุมนานาชาติเรื่อง Machine Learning หน้า 12144–12155. PMLR (2021)
[33] เอริก อาร์. แอนชูตซ์ และโบบัค ตุสซี คิอานี “อัลกอริธึมการเปลี่ยนแปลงควอนตัมเต็มไปด้วยกับดัก” การสื่อสารธรรมชาติ 13 (2022)
https://doi.org/10.1038/s41467-022-35364-5
[34] อิลยา โอ. โทลสติคิน, นีล โฮลสบี, อเล็กซานเดอร์ โคเลสนิคอฟ, ลูคัส เบเยอร์, เซียวฮวา ไจ๋, โธมัส อันเทอร์ธิเนอร์, เจสซิกา ยูง, แดเนียล คีย์เซอร์ส, ยาคอบ อุสสโคเรท, มาริโอ ลูซิช และอเล็กเซย์ โดโซวิตสกี “MLP-mixer: สถาปัตยกรรม mlp ทั้งหมดเพื่อการมองเห็น” ใน NeurIPS (2021).
[35] Jiancheng Yang, Rui Shi และ Bingbing Ni “ทศกรีฑาประเภท Medmnist: เกณฑ์มาตรฐาน automl ที่มีน้ำหนักเบาสำหรับการวิเคราะห์ภาพทางการแพทย์” (2020)
https://doi.org/10.1109/ISBI48211.2021.9434062
[36] เจี้ยนเฉิง หยาง, รุ่ย ซือ, ตงไหล เว่ย, ซีฉวน หลิว, หลิน จ้าว, บิเลียน เค่อ, ฮันสปีเตอร์ พิสเตอร์ และ ปิงปิง นี “Medmnist v2 เป็นเกณฑ์มาตรฐานน้ำหนักเบาขนาดใหญ่สำหรับการจำแนกภาพชีวการแพทย์ 2 มิติและ 3 มิติ” ข้อมูลทางวิทยาศาสตร์ 10, 41 (2023)
https://doi.org/10.1038/s41597-022-01721-8
[37] อังเกลอส คาธาโรโปลอส, อาปูร์ฟ วียาส, นิโคลอส แปปพาส และฟร็องซัว เฟลอเรต์ “หม้อแปลงเป็น rnns: หม้อแปลงแบบ autoregressive ที่รวดเร็วพร้อมความสนใจเชิงเส้น” ในการประชุมนานาชาติเรื่อง Machine Learning หน้า 5156–5165. พีเอ็มแอลอาร์ (2020)
[38] เจมส์ แบรดเบอรี, รอย ฟรอสทิก, ปีเตอร์ ฮอว์กินส์, แมทธิว เจมส์ จอห์นสัน, คริส เลียรี่, ดูกัล แมคคลอริน, จอร์จ เนคูลา, อดัม ปาสซ์เก้, เจค แวนเดอร์พลาส, สกาย วันเดอร์แมน-มิลน์ และเฉียว จาง “JAX: การแปลงแบบคอมไพล์ของโปรแกรม Python+NumPy” GitHub (2018) URL: http:///github.com/google/jax.
http:///github.com/google/jax
[39] ดีเดริก พี. คิงมา และจิมมี่ บา “อดัม: วิธีการเพิ่มประสิทธิภาพสุ่ม” CoRR ABS/1412.6980 (2015)
[40] ฮยอนอู โน ทักกึน ยู จองฮวานมุน และโบฮยองฮัน “การจัดระเบียบโครงข่ายประสาทเทียมในระดับลึกด้วยเสียง: การตีความและการเพิ่มประสิทธิภาพ” NeurIPS (2017)
[41] เสวี่ยหยิง. “ภาพรวมของการติดตั้งมากเกินไปและวิธีแก้ปัญหา” ใน วารสารฟิสิกส์: ชุดประชุม. เล่มที่ 1168 หน้า 022022 IOP Publishing (2019)
https://doi.org/10.1088/1742-6596/1168/2/022022
อ้างโดย
[1] David Peral García, Juan Cruz-Benito และ Francisco José García-Peñalvo, “การทบทวนวรรณกรรมอย่างเป็นระบบ: การเรียนรู้ของเครื่องควอนตัมและการประยุกต์ใช้งาน”, arXiv: 2201.04093, (2022).
(2) เอล อามีน เชอร์รัต, สเนฮาล ราจ, อิออร์ดานิส เคเรนิดิส, อภิเษก เชคาร์, เบน วูด, จอน ดี, โชวานิก ชากราบาร์ตี, ริชาร์ด เฉิน, ดีแลน เฮอร์แมน, เชาฮาน หู, ปิแอร์ มินเซน, รุสลัน เชย์ดูลิน, เยว่ ซุน, โรมินา ยาโลเวตซกี้ และมาร์โก พิสโตเอีย “การป้องกันความเสี่ยงเชิงลึกควอนตัม” ควอนตัม 7, 1191 (2023).
[3] Léo Monbroussou, Jonas Landman, Alex B. Grilo, Romain Kukla และ Elham Kashefi, “ความสามารถในการฝึกอบรมและการแสดงออกของ Hamming-Weight Preserving Quantum Circuits สำหรับ Machine Learning”, arXiv: 2309.15547, (2023).
[4] Sohum Thakkar, Skander Kazdaghli, Natansh Mathur, Iordanis Kerenidis, André J. Ferreira-Martins และ Samurai Brito, “ปรับปรุงการคาดการณ์ทางการเงินผ่าน Quantum Machine Learning”, arXiv: 2306.12965, (2023).
[5] Jason Iaconis และ Sonika Johri, “การโหลดรูปภาพข้อมูลควอนตัมที่มีประสิทธิภาพบนเครือข่ายเทนเซอร์”, arXiv: 2310.05897, (2023).
[6] Nishant Jain, Jonas Landman, Natansh Mathur และ Iordanis Kerenidis, “เครือข่ายควอนตัมฟูริเยร์สำหรับการแก้ปัญหา PDE แบบพาราเมตริก”, arXiv: 2306.15415, (2023).
[7] Daniel Mastropietro, Georgios Korpas, Vyacheslav Kungurtsev และ Jakub Marecek "Fleming-Viot ช่วยเร่งอัลกอริทึมควอนตัมแปรผันในที่ราบสูงที่แห้งแล้ง" arXiv: 2311.18090, (2023).
[8] Aliza U. Siddiqui, Kaitlin Gili และ Chris Ballance, “เน้นย้ำถึงฮาร์ดแวร์ควอนตัมสมัยใหม่: การประเมินประสิทธิภาพและข้อมูลเชิงลึกในการดำเนินการ”, arXiv: 2401.13793, (2024).
การอ้างอิงข้างต้นมาจาก are อบต./นาซ่าโฆษณา (ปรับปรุงล่าสุดสำเร็จ 2024-02-22 13:37:43 น.) รายการอาจไม่สมบูรณ์เนื่องจากผู้จัดพิมพ์บางรายไม่ได้ให้ข้อมูลอ้างอิงที่เหมาะสมและครบถ้วน
ไม่สามารถดึงข้อมูล Crossref อ้างโดย data ระหว่างความพยายามครั้งล่าสุด 2024-02-22 13:37:41 น.: ไม่สามารถดึงข้อมูลที่อ้างถึงสำหรับ 10.22331/q-2024-02-22-1265 จาก Crossref นี่เป็นเรื่องปกติหาก DOI ได้รับการจดทะเบียนเมื่อเร็วๆ นี้
บทความนี้เผยแพร่ใน Quantum ภายใต้ the ครีเอทีฟคอมมอนส์แบบแสดงที่มา 4.0 สากล (CC BY 4.0) ใบอนุญาต ลิขสิทธิ์ยังคงอยู่กับผู้ถือลิขสิทธิ์ดั้งเดิม เช่น ผู้เขียนหรือสถาบันของพวกเขา
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://quantum-journal.org/papers/q-2024-02-22-1265/
- :เป็น
- :ไม่
- ][หน้า
- $ ขึ้น
- 1
- 10
- 11
- 12
- 125
- 13
- 14
- 15%
- 16
- 17
- 19
- 20
- 2012
- 2015
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 2024
- 22
- 23
- 24
- 25
- 26%
- 27
- 28
- 29
- 2D
- 30
- 31
- 32
- 33
- 35%
- 36
- 39
- 3d
- 40
- 41
- 43
- 7
- 8
- 9
- 98
- a
- ข้างบน
- บทคัดย่อ
- เข้า
- พลอากาศเอก
- อาดัม
- นอกจากนี้
- ความก้าวหน้า
- ความได้เปรียบ
- ข้อได้เปรียบ
- ความผูกพัน
- AL
- อเล็กซ์
- อเล็กซานเด
- ขั้นตอนวิธี
- อัลกอริทึม
- จัดแนว
- ทั้งหมด
- ทางเลือก
- an
- การวิเคราะห์
- และ
- แอนดรู
- แอนโทนี่
- API
- การใช้งาน
- การใช้งาน
- สถาปัตยกรรม
- สถาปัตยกรรม
- เป็น
- AS
- สมมติฐาน
- At
- ความพยายาม
- ความสนใจ
- ผู้เขียน
- ผู้เขียน
- ออโต้เอ็มแอล
- ราว
- ตาม
- BE
- เบน
- มาตรฐาน
- มาตรฐาน
- เบนจามิน
- ดีกว่า
- ระหว่าง
- แบบสองทิศทาง
- ชีวการแพทย์
- Blocks
- ทั้งสอง
- ทำลาย
- การก่อสร้าง
- สร้าง
- by
- การคำนวณ
- เคมบริดจ์
- CAN
- ความสามารถในการ
- คาร์ลอ
- ชะอำ
- ช้าง
- ลักษณะ
- Charles
- เฉิน
- CHO
- คริส
- การจัดหมวดหมู่
- อย่างใกล้ชิด
- ความเห็น
- สภาสามัญ
- คมนาคม
- เมื่อเทียบกับ
- การแข่งขัน
- สมบูรณ์
- ซับซ้อน
- ความซับซ้อน
- ประกอบได้
- สารประกอบ
- การคำนวณ
- คอมพิวเตอร์
- คอมพิวเตอร์
- การคำนวณ
- การประชุม
- การเชื่อมต่อ
- ต่อเนื่องกัน
- ควบคุม
- ลิขสิทธิ์
- ได้
- ของคู่กัน
- counterparts
- สร้าง
- แดเนียล
- ข้อมูล
- ชุดข้อมูล
- เดวิด
- ลึก
- การเรียนรู้ลึก ๆ
- สาธิต
- ได้รับการออกแบบ
- รายละเอียด
- การตรวจพบ
- ต่าง
- สนทนา
- โดนัลด์
- ในระหว่าง
- พลวัต
- E&T
- บรรณาธิการ
- เอ็ดเวิร์ด
- ประสิทธิผล
- ที่มีประสิทธิภาพ
- el
- ให้กำลังใจ
- เสริม
- เอริค
- การประเมินผล
- แม้
- ดำเนินการ
- การปฏิบัติ
- ผู้ร่วมแสดง
- การทดลอง
- สำรวจ
- การขยาย
- กว้างขวาง
- FAST
- กุมภาพันธ์
- น้อยลง
- ในที่สุด
- ทางการเงิน
- โดยมุ่งเน้น
- ตาม
- ดังต่อไปนี้
- สำหรับ
- ฟรานซิส
- ราคาเริ่มต้นที่
- อย่างเต็มที่
- เกตส์
- จอร์จ
- GitHub
- โกเมซ
- การค้ำประกัน
- ฮาร์ดแวร์
- ฮาร์วาร์
- การป้องกันความเสี่ยง
- ช่วย
- จะช่วยให้
- ผู้ถือ
- ที่ http
- HTTPS
- Huang
- เป็นลูกผสม
- อีอีอี
- if
- อิลเลีย
- ภาพ
- การจำแนกรูปภาพ
- การจดจำภาพ
- ภาพ
- การดำเนินการ
- การปรับปรุง
- in
- รวมทั้ง
- ข้อมูล
- ข้อมูลเชิงลึก
- สถาบัน
- Intelligence
- น่าสนใจ
- International
- การตีความ
- แนะนำ
- ITS
- jacob
- เจมส์
- เจมี่
- JavaScript
- ชะแลงขนาดสั้น
- จอห์น
- จอห์นสัน
- จอน
- โจนส์
- วารสาร
- Juan
- คิม
- ที่รู้จักกัน
- kumar
- ภาษา
- ขนาดใหญ่
- ชื่อสกุล
- ชั้น
- ชั้น
- การเรียนรู้
- ทิ้ง
- Lee
- ระดับ
- การใช้ประโยชน์
- Li
- License
- มีน้ำหนักเบา
- กดไลก์
- lin
- เชิงเส้น
- รายการ
- วรรณคดี
- loader
- โหลด
- ในประเทศ
- ลอนดอน
- เครื่อง
- เรียนรู้เครื่อง
- หลาย
- มาร์โก
- มาริโอ
- นกนางแอ่น
- คณิตศาสตร์
- มดลูก
- แมทธิว
- แม็กซ์
- ความกว้างสูงสุด
- แมกซ์เวล
- อาจ..
- แมคคลีน
- กลไก
- ทางการแพทย์
- ความทรงจำ
- วิธี
- วิธีการ
- ไมเคิล
- มิคาอิล
- นาที
- แบบ
- โมเดล
- ทันสมัย
- เดือน
- ข้อมูลเพิ่มเติม
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- ธรรมชาติ
- ใกล้
- จำเป็นต้อง
- อวน
- เครือข่าย
- เครือข่าย
- เกี่ยวกับประสาท
- เครือข่ายประสาท
- เครือข่ายประสาทเทียม
- ใหม่
- สัญญาณรบกวน
- ปกติ
- นวนิยาย
- จำนวน
- ที่ได้รับ
- of
- on
- ONE
- เปิด
- การเพิ่มประสิทธิภาพ
- or
- เป็นต้นฉบับ
- ของเรา
- ออก
- เกิน
- ภาพรวม
- หน้า
- หน้า
- พาโลอัลโต
- กระดาษ
- พารามิเตอร์
- ปารีส
- แพทริค
- แบบแผน
- พอล
- การปฏิบัติ
- ดำเนินการ
- พีเตอร์
- กายภาพ
- ฟิสิกส์
- ปิแอร์
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- นโยบาย
- โปโลสุขิน
- ที่มีศักยภาพ
- powering
- Prakash
- การมี
- นำเสนอ
- การรักษา
- กด
- ก่อน
- ปัญหา
- การประมวลผล
- โปรเซสเซอร์
- ก่อ
- โปรแกรม
- แวว
- เสนอ
- เสนอ
- ให้
- การตีพิมพ์
- สำนักพิมพ์
- สำนักพิมพ์
- การประกาศ
- คุณภาพ
- ควอนตัม
- อัลกอริทึมควอนตัม
- คอมพิวเตอร์ควอนตัม
- คอมพิวเตอร์ควอนตัม
- การคำนวณควอนตัม
- ข้อมูลควอนตัม
- การเรียนรู้ของเครื่องควอนตัม
- qubit
- R
- RAMI
- อัตราส่วน
- เมื่อเร็ว ๆ นี้
- การรับรู้
- กำเริบ
- การอ้างอิง
- ลงทะเบียน
- ซากศพ
- ต้องการ
- ผลสอบ
- ทบทวน
- รีวิว
- ริชาร์ด
- หิน
- โรมัน
- การกำหนดเส้นทาง
- รอย
- วิ่ง
- รันไทม์
- ไรอัน
- s
- ขนาด
- วิทยาศาสตร์
- วิทยาศาสตร์และเทคโนโลยี
- วิทยาศาสตร์
- สกอตต์
- ฌอน
- ชุด
- ชุด
- ตื้น
- แสดงให้เห็นว่า
- สัญญาณ
- ไซมอน
- การจำลอง
- หก
- โซลูชัน
- การแก้
- บาง
- สเปกตรัม
- การพูด
- ความเร็ว
- มาตรฐาน
- รัฐของศิลปะ
- สหรัฐอเมริกา
- ศึกษา
- ประสบความสำเร็จ
- อย่างเช่น
- เหมาะสม
- ดวงอาทิตย์
- ยิ่งยวด
- การสำรวจ
- ระบบ
- งาน
- Tay
- เทคโนโลยี
- ระยะ
- เงื่อนไขการใช้บริการ
- ข้อความ
- การจัดประเภทข้อความ
- ที่
- พื้นที่
- ของพวกเขา
- ตามทฤษฎี
- ทฤษฎี
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- นี้
- โทมัส
- สาม
- ทิม
- เวลา
- ครั้ง
- ชื่อหนังสือ
- ไปยัง
- ผ่านการฝึกอบรม
- การฝึกอบรม
- การทำธุรกรรม
- การแปลง
- หม้อแปลงไฟฟ้า
- หม้อแปลง
- แปลความ
- การแปลภาษา
- ติดกับดัก
- กับดัก
- สอง
- ชนิด
- ภายใต้
- ความเข้าใจ
- ปึกแผ่น
- เป็นเอกลักษณ์
- มหาวิทยาลัย
- ให้กับคุณ
- เมื่อ
- URL
- สหรัฐอเมริกา
- ใช้
- การใช้
- แตกต่าง
- แตกต่างกัน
- พาหนะ
- มาก
- ผ่านทาง
- วิสัยทัศน์
- ปริมาณ
- W
- วัง
- ต้องการ
- คือ
- we
- ดี
- ที่
- กับ
- ไม้
- คำ
- งาน
- คุ้มค่า
- wu
- เสี่ยว
- ปี
- ผล
- หญิง
- คุณ
- หยวน
- ลมทะเล
- Zhao