热点事件观察中
批量参数移位优化器在IBM量子处理器上训练QNN优于SPSA
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026-11-12 14:27，arXiv quant-ph 发表报道，提出把整个 parameter-shift 模板打包进单个云任务来训练量子神经网络分类器。该方法在固定任务数与每任务 shots 的条件下，比较各优化器如何填充任务。实验在 IBM 量子处理器 ibm_fez 上进行，结果显示批量 parameter-shift 优化器在达到与 SPSA 相同损失水平时所需任务数更少，即以更少任务达到 SPSA 的损失表现。这是该事件的首篇报道，暂无与早先报道的矛盾之处。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月12日
- arXiv quant-ph（量子信息与量子物理）量子神经网络训练按任务打包优化：批量 parameter-shift 在 ibm_fez 上以更少任务达到 SPSA 损失
论文提出把整个 parameter-shift 模板打包进单个云任务来训练量子神经网络分类器，在固定任务数与每任务 shots 的条件下比较各优化器如何填充任务。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。