面向城市电信预测的量子与经典序列模型基准测试
量子物理
2025-09-24 v2 人工智能
摘要
在本研究中，我们评估了经典和量子仿生序列模型在预测米兰电信活动数据集中传入短信活动（SMS-in）的单变量时间序列性能。由于数据完整性限制，我们仅关注每个空间网格单元格的SMS-in信号。我们比较了五个模型：LSTM（基线）、量子LSTM（QLSTM）、量子自适应自注意（QASA）、量子感受加权键值（QRWKV）和量子快速权重程序员（QFWP），在不同的输入序列长度（4、8、12、16、32和64）下进行训练。所有模型都旨在基于给定序列窗口中仅基于历史值的预测下一个10分钟的SMS-in值。我们的发现表明，不同模型对序列长度的敏感性各不相同，表明量子增强并非在所有情况下都有优势。相反，量子模块的有效性高度依赖于特定任务和架构设计，反映了模型大小、参数化策略与时序建模能力之间的内在权衡。
引用
@article{arxiv.2508.04488,
title = {Benchmarking Quantum and Classical Sequential Models for Urban Telecommunication Forecasting},
author = {Chi-Sheng Chen and Samuel Yen-Chi Chen and Yun-Cheng Tsai},
journal= {arXiv preprint arXiv:2508.04488},
year = {2025}
}