量子网络构建的函数神经网络状态保真度
机器学习
2025-08-26 v1 流体动力学
摘要
神经科学家面临着分析密集功能网络的高维神经记录数据方面的挑战。在没有基准参考数据的情况下，寻找最适用于恢复神经学相关网络的最佳算法仍是一个未解决的问题。我们实现了混合量子算法来构建功能网络，并将其结果与已记录的经典技术进行比较。我们展示了我们的量子状态保真度方法可以为经典指标提供具有竞争力的替代方案，通过揭示不同的功能网络。我们的结果表明，量子计算为神经科学中数据驱动的建模提供了一种可行且可能具有优势的替代方案，进而强化了其在高维图推断和复杂系统分析中的更广泛的适用性。
引用
@article{arxiv.2508.16891,
title = {Quantifying Out-of-Training Uncertainty of Neural-Network based Turbulence Closures},
author = {Cody Grogan and Som Dhulipala and Mauricio Tano and Izabela Gutowska and Som Dutta},
journal= {arXiv preprint arXiv:2508.16891},
year = {2025}
}