⚛️ فراتر از کلاسیک؛ یادگیری مداوم کوانتومی با استفاده از اطلاعات فیشر! 🧠

محققان در تازه‌ترین پژوهش خود، با چالش «فراموشی فاجعه‌بار» (Catastrophic Forgetting) در مدل‌های کوانتومی دست‌وپنج نرم کرده‌اند. در یادگیری مداوم، مدل‌ها معمولاً با یادگیری وظایف جدید، دانش قبلی خود را از دست می‌دهند.

حالا با معرفی روش جدید QEWC (تلفیق وزن الاستیک کوانتومی) که از «اطلاعات فیشر کوانتومی» (QFI) بهره می‌برد، مدل‌های کوانتومی می‌توانند بدون از دست دادن حافظه، وظایف متوالی را یاد بگیرند. این رویکرد یک گام بزرگ در جهت بهینه‌سازی سیستم‌های هوش مصنوعی کوانتومی است که نسبت به نویزهای محیطی نیز مقاومت بیشتری نشان می‌دهند.

منبع: arXiv AI