重新组织量子测量记录可改善时间序列预测
量子物理
2026-05-01 v1
摘要
近期量子计算机通过重复电路执行来访问,其产生的是有限测量记录而非精确的确定性输出。在量子储备计算中,这些记录被转换为用于经典读数的特征向量。标准的期望值方法将来自单个标记时间步的所有shots平均为单个特征向量。这会减少有限shot噪声,但也使读数仅获得来自多个电路执行的单个训练示例。我们提出了split-ensemble training:对同一shots进行分组,每个组的平均值用作来自相同目标的单独、部分去噪的特征向量。量子电路、任务和测量预算保持不变。通过仿真预测基准测试和真实硬件实验,本简单的重新组织方法在完整平均后读数获得太少训练示例时改进了预测,在硬件上观察到最强的收益。我们的结果确立了shot记录组织为在无需额外量子硬件成本的情况下改善近期量子学习的一种简单、广泛可用的算法杠杆。
引用
@article{arxiv.2604.28160,
title = {Reorganizing Quantum Measurement Records Improves Time-Series Prediction},
author = {Markus Baumann and Maximilian Zorn and Thomas Gabor and Claudia Linnhoff-Popien and Jonas Stein},
journal= {arXiv preprint arXiv:2604.28160},
year = {2026}
}
备注
11 pages, 9 figures