量子AI

タスクを定義し、強力な従来のベースラインと比較します。量子リソース、回路の深さ、ノイズ、データの読み込み、および測定がワークフローを支配する可能性があります。量子アルゴリズムに関するクレームには、問題、仮定、ハードウェアまたはシミュレーター、結果が測定されたスケールを記載する必要があります。量子モデルをハイブリッド ワークフローから分離します。システムの大部分は、古典的な前処理、最適化、および後処理である可能性があります。繰り返しのショット、エラーの軽減、データ転送を含む、全体的なコストと精度を評価します。実験で実際のハードウェアを使用するかシミュレーションを使用するか、比較が公平かどうかを確認します。小さなおもちゃのデータセットはアイデアを説明することができますが、実稼働ワークロードについてはほとんど言及しません。コード、回路定義、関連する場合はランダム シード、および再現性を確保するためにハードウェアの詳細を保存します。一般的な量子的優位性に関する予測は不確実なものとして扱います。研究の可能性を現在の能力として提示するのではなく、信頼できるマイルストーンを追跡し、ハードウェアやアルゴリズムの変化に応じて評価を更新します。