为什么值得记录
Multiverse Computing与多伦多大学研究人员提出一种多头部量子神经网络,可在30B参数Qwen3-30B-A3B-Instruct-2507模型中替换连续8个Transformer块,置换16.33%的模型参数,并在WikiText-2与C4上将困惑度控制在原模型约1%以内。单个QNN含145,281个可训练参数,其量子头部在156量子比特IBM Heron处理器上运行,其余处理在GPU上完成,形成混合量子-经典方案。作者明确表示这并非量子优势主张。
管理员确认
Multiverse Computing与多伦多大学研究人员提出一种多头部量子神经网络,可在30B参数Qwen3-30B-A3B-Instruct-2507模型中替换连续8个Transformer块,置换16.33%的模型参数,并在WikiText-2与C4上将困惑度控制在原模型约1%以内。单个QNN含145,281个可训练参数,其量子头部在156量子比特IBM Heron处理器上运行,其余处理在GPU上完成,形成混合量子-经典方案。作者明确表示这并非量子优势主张。
Multiverse Computing与多伦多大学研究人员提出一种多头部量子神经网络,可在30B参数Qwen3-30B-A3B-Instruct-2507模型中替换连续8个Transformer块,置换16.33%的模型参数,并在WikiText-2与C4上将困惑度控制在原模型约1%以内。单个QNN含145,281个可训练参数,其量子头部在156量子比特IBM Heron处理器上运行,其余处理在GPU上完成,形成混合量子-经典方案。作者明确表示这并非量子优势主张。
管理员确认