Gated QKAN-FWP: Un Framework di Apprendimento Sequenziale Scalabile Ispirato al Quantum
Un nuovo articolo di ricerca propone gated QKAN-FWP, un framework a pesi veloci che integra Fast Weight Programmers (FWP) con reti Kolmogorov-Arnold ispirate al quantum (QKAN). Utilizza circuiti di re-uploading di dati a singolo qubit (DARUAN) come attivazioni non lineari apprendibili, evitando architetture multi-qubit difficili da scalare su dispositivi NISQ. Il framework introduce una regola di aggiornamento dei pesi veloci con gate scalare, con garanzie teoriche su memoria adattiva, limitatezza geometrica e gradienti parallelizzabili. Valutato su benchmark di serie temporali e compiti di apprendimento per rinforzo MiniGrid, mostra una migliore scalabilità e prestazioni rispetto ai FWP quantistici esistenti. L'articolo è disponibile su arXiv con ID 2605.06734.
Fatti principali
- Propone gated QKAN-FWP che integra FWP con reti Kolmogorov-Arnold ispirate al quantum
- Utilizza circuiti di re-uploading di dati a singolo qubit (DARUAN) come funzioni di attivazione
- Introduce una regola di aggiornamento dei pesi veloci con gate scalare
- Fornisce analisi teorica del kernel di memoria adattiva, limitatezza geometrica e percorsi di gradiente parallelizzabili
- Valutato su benchmark di serie temporali e compiti di apprendimento per rinforzo MiniGrid
- Mira a migliorare la scalabilità su dispositivi NISQ e ridurre il costo di simulazione classica
- ID arXiv: 2605.06734
- Tipo di pubblicazione: cross
Entità
Istituzioni
- arXiv