В Nature Machine Intelligence опубликована работа, предлагающая QuanONet — квантовый нейрооператор для эпохи квантовых устройств промежуточного масштаба с шумом. Классические нейрооператоры применяются для решения дифференциальных уравнений в частных производных.

Авторы работы связывают разработку эффективных квантовых аналогов с двумя проблемами существующих подходов: высокими вычислительными издержками и теоретическими пробелами. В описании также говорится, что некоторые парадигмы квантового машинного обучения требуют слишком большого масштабирования числа кубитов или глубоких схем для оборудования ближайшей перспективы.

Источник представлен метаданными и кратким синопсисом издателя, а не полным текстом исследования. Поэтому по имеющимся материалам нельзя установить архитектуру QuanONet, результаты экспериментов, требуемое число кубитов или наличие сравнения с классическими методами.