使用博弈求解器指标对量子/经典神经网络的定量评估
量子物理
2025-11-11 v2 人工智能
机器学习
摘要
为了评估量子计算系统相对于经典系统的性能并探索其潜力，我们提出了一种基于井字棋游戏中Elo等级分的博弈求解基准。我们通过评估循环赛的表现，比较了经典卷积神经网络(CCNNs)、量子或量子卷积神经网络(QNNs, QCNNs)以及混合经典-量子神经网络(Hybrid NNs)。结果表明，Hybrid NNs引擎获得了与CCNNs引擎相当的Elo等级分，而量子引擎在当前硬件约束下表现不佳。此外，我们实现了一个集成量子通信的QNN并评估了其性能，以量化含噪量子信道引入的开销，发现通信开销适中。这些结果证明了使用基于博弈的基准来评估量子计算系统的可行性，并表明可以在对性能影响有限的情况下引入量子通信，为未来的混合量子应用奠定了基础。
引用
@article{arxiv.2503.21514,
title = {Quantitative Evaluation of Quantum/Classical Neural Network Using a Game Solver Metric},
author = {Suzukaze Kamei and Hideaki Kawaguchi and Shin Nishio and Takahiko Satoh},
journal= {arXiv preprint arXiv:2503.21514},
year = {2025}
}
备注
12 pages, 15 figures