跳到正文
arXiv AI· Zeinab Sharifi, Hossein Shirazi·· 3 天前评分40

Quantum Graph Neural Networks: Architectures, Trainability, and Applications

摘要

量子图神经网络(QGNNs)将参数化量子电路应用于图结构数据,旨在克服经典图神经网络在可扩展性、表达力和长距离信息流动方面的局限。自首个基于哈密顿量的模型在2019以来,该领域已产生许多架构、应用和声明,但其背后证据尚未系统评估。本文介绍了一种统一的公理体系,描述每个QGNN作为编码器、图条件电路、可观测量和可选的类经典头,同时包含电路层面的排列对称性和资源模型用于成本比较。

推荐理由

请对照arXiv AI原文,核对完整说明及适用条件。

本站只提供摘要与原文入口。完整内容请阅读原文。

来源:arXiv AI · arxiv.org