EPFL 量子 CNN 仅用 10 个样本学会识别数字,同级经典 CNN 仍是随机水平
PlisSergey · x · 2026-09-23
- EPFL 与 FHNW 研究者(Anthony、Burov、Piro、Dal Peraro、Javerzac)发表论文:带中间线路测量的量子卷积神经网络(QCNN)仅用 10 个样本就能学会识别数字,而同等参数量(45 参数)的经典 CNN 仍停留在随机猜测水平。
- 研究指出,在药物发现等量子 ML 场景中,当前瓶颈已从优化转向数据编码方式。
- 发帖人借机推广自家服务,宣称在无量子计算机条件下也能以 45 参数 CNN 级别的成本获得高质量结果,宣传成分明显,信息价值主要在被引论文。
「研究」频道最新
- 耶鲁博士生开源顶会论文画图脚本，还能接入 Claude Code 当 Skill — burny_tech · 2026-09-23
- AI 在 ForecastBench 上追平超级预测员，10 月将再战 — burny_tech · 2026-09-23
- 几句 prompt 让 Opus 用 Lean 形式化验证 Agent SDK,产出 16 个修 bug PR — bcherny · 2026-09-23
- 数学家群体才是 AI 数学突破的幕后功臣 — tak3sh8 · 2026-09-23
- McKinsey 研究：AI 药物发现周期缩短 15%-80% — menhguin · 2026-09-23
- Gemini 训练细节曝光：组级奖励重分配对抗 reward hacking — nrehiew_ · 2026-09-23