محققان در مقالهای نوآورانه، دست به ترکیب دنیای محاسبات کوانتومی و شبکههای عصبی مدرن زدند. نتیجه این پژوهش، معرفی «شبکههای عصبی کولموگوروف-آرنولد کوانتومی» یا به اختصار QKAN است.
در این روش، از «مدارهای کوانتومی متغیر» به عنوان توابع فعالساز (Activation Functions) استفاده میشود. این نوآوری باعث شده تا:
✅ کارایی پارامترها به شدت افزایش یابد.
✅ مدلها قدرت بیان (Expressivity) و تعمیمپذیری بالاتری داشته باشند.
✅ با جایگزین کردن لایههای کلاسیک (MLP) با ماژولهای QKAN، مدلهای بزرگ در عین جمعوجور بودن، بهینهتر عمل کنند.
این تحقیق گام مهمی در جهت استفاده از قابلیتهای محاسبات کوانتومی برای ارتقای تواناییهای مدلهای یادگیری عمیق در وظایفی مثل طبقهبندی تصویر و مدلهای زبانی است.
منبع: arXiv Machine Learning