机构名称：
¥ 1.0
天文数据收集的进步需要更有效、更准确的星系分类方法。本论文探讨了量子启发算法的开发和应用，以提高星系的分类精度。该研究利用机器学习和计算机视觉技术，采用卷积神经网络 (CNN) 并集成奇异值分解 (SVD) 和张量网络来处理和分析天文图像。所提出的方法旨在降低计算复杂度，同时保持较高的分类性能。结果表明，与传统方法相比，量子启发算法实现了几乎同样好的分类精度，但在大多数情况下它们使用的数据更少。但所有方法的表现都明显优于本论文提出的基线。此外，这项研究凸显了量子计算概念在解决天文学复杂问题方面的潜力，为在各个科学领域的进一步探索和应用铺平了道路。
一种受量子启发的星系分类算法
主要关键词
相关文件推荐
