量子機器學習
以三元(ternary)格狀初始化穩健化變分量子電路頻譜匹配
這篇論文針對角度編碼(angle encoding)的量子機器學習模型提出頻率可達性問題的系統性實驗與解方。研究發現所謂可訓練頻率(trainable-frequency)模型在實務上受限於梯度驅動能力,頻率前置係數通常只能在約±1 的區間移動,導致若目標頻率超出此區間時訓練失敗。
量子機器學習
這篇論文針對角度編碼(angle encoding)的量子機器學習模型提出頻率可達性問題的系統性實驗與解方。研究發現所謂可訓練頻率(trainable-frequency)模型在實務上受限於梯度驅動能力,頻率前置係數通常只能在約±1 的區間移動,導致若目標頻率超出此區間時訓練失敗。
量子時間序列分析
研究針對傳統 ARIMA 的高維度參數搜尋問題提出量子化解法。利用量子自相關、部分自相關與 swap‑test 結合固定 VQC 架構完成滯後篩選與參數估計,最後在多項環境與工業資料上驗證可降低預測誤差並提升統計顯著性。