标签
本文对扩散模型中的变分量子电路进行了公平比较研究，引入了一个挤压-激励（SE）骨架来隔离量子贡献。研究发现与经典对照的功能对等性，并识别了基于分数的设置中的角度嵌入失败，提供了严格的方法论和机理分析。
本文介绍了QUIVER，一种通过从量子费舍信息矩阵中提取的量子启发特征来丰富经典机器学习模型的范式，并在分子属性预测和喷注味分类基准上展示了改进效果。
本文提供了实证证据，表明量子纠缠在多智能体强化学习中提供了可测量的优势，通过CHSH游戏和协作导航任务展示了相对于经典基线的性能提升。