标签
该论文证明多项式图滤波器（线性消息传递与谱图网络的核心）在长程伊辛模型基准上存在无法通过提高阶数消除的误差下界，并提出分层步长滤波器与膨胀卷积网络，显著超越已发表的最佳结果。
该论文提出ΣΔ-Sampler优化器，将二值和三值神经网络训练损失映射为高阶Ising模型能量，并通过噪声整形与退火实现高效的边缘设备训练，在CIFAR-10、ImageNet-1k和MatMul-free语言模型上验证了接近全精度的精度，同时将训练内存减少超过50%、速度提升一个数量级。
IBM在其量子优势追踪器中公布了三个新条目，每个都采用不同方法来克服错误并验证量子结果，以即使经典验证不可行也能信任的方式展示了量子优势。
提出Trans-Ising，一种针对高维Ising模型的迁移学习方法，该方法利用基于损失的源筛选规则和两阶段估计，相比于仅使用目标数据和朴素池化方法，提高了估计精度。
本文提出了一种基于可扩展反向传播的算法，用于训练在热力学Ising硬件上运行的深度卷积网络，在CIFAR-10上达到94.9%的准确率，在CIFAR-100上达到76.0%的准确率，同时分析了推理成本与准确率之间的权衡。