$\mathbb{Z}_2\times \mathbb{Z}_2$ 等变量子神经网络：与经典神经网络的基准对比
量子物理
2024-03-22 v3 机器学习
高能物理 - 唯象学
机器学习
摘要
本文对等变量子神经网络（EQNN）与量子神经网络（QNN）的性能进行了全面对比分析，并与它们的经典对应模型——等变神经网络（ENN）与深度神经网络（DNN）并列比较。我们通过两个二分类任务的玩具示例评估各网络的性能，重点关注模型复杂度（以参数数量衡量）与训练数据集规模。结果表明，在参数规模较小且训练样本量适中时， EQNN 与 QNN 具有更优的性能。
引用
@article{arxiv.2311.18744,
title = {$\mathbb{Z}_2\times \mathbb{Z}_2$ Equivariant Quantum Neural Networks: Benchmarking against Classical Neural Networks},
author = {Zhongtian Dong and Marçal Comajoan Cara and Gopal Ramesh Dahale and Roy T. Forestano and Sergei Gleyzer and Daniel Justice and Kyoungchul Kong and Tom Magorsch and Konstantin T. Matchev and Katia Matcheva and Eyup B. Unlu},
journal= {arXiv preprint arXiv:2311.18744},
year = {2024}
}
备注
13 pages, 7 figures