增强型变分量子 Kolmogorov-Arnold 网络
量子物理
2025-12-19 v3 计算物理
摘要
Kolmogorov-Arnold 网络 (KAN) 是一种新型多层网络模型，在类神经计算中备受关注，其神经元之间的突触被训练为线性。KAN 的计算通过生成状态向量并由层级训练的突触构成多项式向量来完成，实现了高效处理。虽然 KAN 可通过块编码和量子信号处理在量子计算机上实现，但这些方法需要容错量子设备，在当前的噪声中间规模量子 (NISQ) 硬件上难以实用。我们提出了增强型变分量子 Kolmogorov-Arnold 网络 (EVQKAN) 以克服此限制，该网络通过变分量子算法模拟 KAN。EVQKAN 采用铺砌技术模拟层矩阵，相较于传统变分量子 Kolmogorov-Arnold 网络 (VQKAN) 和量子神经网络 (QNN) 在层数更少的情况下显著提高了准确性。EVQKAN 实现了卓越的性能，单层架构即可实现，而 QNN 和 VQKAN 通常难以实现。此外，EVQKAN 消除了对量子信号处理的需求，提高了对噪声的鲁棒性，使其更适合在 NISQ 量子设备上实际部署。
引用
@article{arxiv.2503.22604,
title = {Enhanced Variational Quantum Kolmogorov-Arnold Network},
author = {Hikaru Wakaura and Rahmat Mulyawan and Andriyan B. Suksmono},
journal= {arXiv preprint arXiv:2503.22604},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2503.21336