محققان در تازهترین پژوهش خود، یک استراتژی «کوانتوم-الهامگرفته» (Quantum-inspired) برای دستهبندی تصاویر معرفی کردهاند که میتواند انقلابی در دقت مدلهای بینایی ماشین ایجاد کند.
این مدل که از معماری «مخلوطی از متخصصان» (Mixture of Experts) بهره میبرد، با ترکیب ویژگیهای کلاسیک و عملیات کوانتومی، توانسته نرخ خطای تشخیص در مجموعهدادههای معروفی مثل MNIST را به نصف کاهش دهد. نکته جالب اینکه این روش به جای سختافزارهای پیچیده کوانتومی، روی GPUهای معمولی هم قابل اجراست و یک جایگزین عملی برای شبکههای عصبی سنتی محسوب میشود. 🧠✨
منبع: arXiv Machine Learning