![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日](/simg/4/436b4cba32137f0410fc8b28cbdebd4ad3d934c7.webp)
机构名称：
¥ 2.0
准确的胺属性预测对于优化后燃烧过程中的CO 2捕获效率至关重要。量子机学习（QML）可以通过利用叠加，纠缠和干扰来捕获复杂相关性来增强预测性建模。在这项研究中，我们开发了杂交量子神经网络（HQNN），以改善CO 2接制胺的定量结构 - 性质关系模型。通过将变异量子回归器与经典的多层感知器和图形神经网络相结合，在无噪声条件下的物理化学属性预测中探索了量子优势，并使用IBM量子系统评估了针对量子硬件噪声的鲁棒性。我们的结果表明，HQNNS提高了关键溶剂特性的预测准确性，包括碱度，粘度，沸点，熔点和蒸气压。具有9个Quarbits的微调和冷冻预训练的HQNN模型始终达到最高排名，突出了将量子层与预验证的经典模型相结合的好处。此外，硬件噪声下的模拟证实了HQNN的鲁棒性，以保持预测性能。总体而言，这些发现强调了分子建模中杂交量子古典体系结构的潜力。随着量子硬件和QML算法继续推进，QSPR建模和材料发现中的实用量子益处有望变得越来越可实现，这是由量子电路设计，降解噪声和可扩展体系结构的改进而驱动的。
arxiv：2503.00388v1 [Quant-ph] 2025年3月1日
主要关键词
![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日PDF文件第1页](/bimg/3/37442bf62dc59c3e47c018e040bdc9b8c1d94259.webp)
![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日PDF文件第2页](/bimg/d/d50ed94f4b4272e9af29346fcf048bd0a9b5d4a6.webp)
![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日PDF文件第3页](/bimg/0/0d270808f04aa8abf36e0257558d60e5c35dd6a9.webp)
![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日PDF文件第4页](/bimg/9/954747e7eed3934756aa7a599eff397fe6f44c9d.webp)
![arxiv：2503.00388v1 [Quant-ph] 2025年3月1日PDF文件第5页](/bimg/7/72a1381138760ffb84cf97f7abfbcc21c1a8253f.webp)
相关文件推荐
![arxiv：2503.00396v1 [Quant-ph] 2025年3月1日](/simg/4/4d38ed02123f4c38ca83bbc177612d51f67fe776.webp)
![arxiv：2503.05052v1 [Quant-ph] 2025年3月7日](/simg/d/d0dd8384a19622e5bbc6106229919e75ac462ae1.webp)
![arxiv：2503.04566v1 [Quant-ph] 2025年3月6日](/simg/1/18dfd6f3f24f42815ba8e2417257c56b04563282.webp)
![arxiv：2503.07431v1 [Quant-ph] 2025年3月10日](/simg/b/b6ea618b3bb5098bb617b9ff1403b2da54802ee8.webp)
![arxiv：2503.15118v1 [Quant-ph] 2025年3月19日](/simg/2/2e6159aa740f96f1fdb76b1f0423436f7fbf3c12.webp)
![arxiv：2503.18949v1 [Quant-ph] 2025年3月24日](/simg/c/c4c79bbea74bffbdc4fbd5c86789c5bd507a5616.webp)
![arxiv：2503.12256v1 [Quant-ph] 2025年3月15日](/simg/f/fad41da29972105c157d3813d7c83fc52afd8369.webp)
![arxiv：2503.16156v1 [Quant-ph] 2025年3月20日](/simg/b/b66094df83d357c17f2fc389fc6a962bc8efc756.webp)
![arxiv：2503.03098v1 [Quant-ph] 5 2025年3月5日](/simg/f/f217ca0b79c77bb19e395ec6c8de95be94981ee4.webp)
![arxiv：2503.00261v1 [Math.ca] 2025年3月1日](/simg/5/51260f1baf682b036f8d38e1c4a3d438c1269b51.webp)
![arxiv：2503.00450V1 [CS.CV] 2025年3月1日](/simg/7/70f98bbcfaa2f06bb6204e86710947587f3aa6fc.webp)
![arxiv：2503.00289v1 [physics.bio-ph] 2025年3月1日](/simg/8/8a7edae2917ddf2b6be5c2c146c4bc62338cf57a.webp)
![arxiv：2503.10007v1 [Quant-PH] 2025年3月13日](/simg/3/371c9a54fe5fd8aaf1f322ff51334463a3b94b78.webp)
![arxiv：2503.00549v1 [econ.em] 2025年3月1日](/simg/2/24de4f2acf478b4c59064319be870a8e1eedfbe2.webp)
![arxiv：2503.00630v1 [cond-mat.soft] 2025年3月1日](/simg/2/2da9df2add3cf9537d7c8e34df443baae0c99c68.webp)
![arxiv：2503.04516v1 [cs.hc] 2025年3月6日](/simg/9/9f9cbbe565b0ca010f3628ce2b0ee4356426bf1f.webp)
![arxiv：2503.09317v1 [cs.cr] 2025年3月12日](/simg/e/eb3b08946ddfe0504714c79cb60692617b070324.webp)
![arxiv：2503.07465v1 [cs.cv] 2025年3月10日](/simg/a/af2a7dce29aefe4e4b6e956d62ebff4e79d71644.webp)
![arxiv：2503.09833v1 [cs.lg] 2025年3月12日](/simg/1/128387c25c3fb10fe1dd3c3a0aed6c201a08b820.webp)
![arxiv：2503.18461v1 [cs.cv] 2025年3月24日](/simg/5/5112f9b35601769fb8dd4c2015d29d146660efbe.webp)
![arxiv：2503.03618v1 [cs.dc] 2025年3月5日](/simg/4/40527f32c822586d79f6712a223542ee3654e7c0.webp)
![arxiv：2503.03142v1 [cs.lg] 2025年3月5日](/simg/8/8fcd56268fa422828971d1fed512e1dac169f271.webp)
![arxiv：2503.08960v1 [cs.cv] 2025年3月11日](/simg/3/3936df9217dd73de8ba2b35f36aa80fd0935ff57.webp)
![arxiv：2503.07135v1 [cs.ro] 2025年3月10日](/simg/9/95c6cba6c5e1c198c689745e461ebe0d5e5fa688.webp)
![arxiv：2405.16674v3 [cs.lg] 2025年3月1日](/simg/d/d85c999e8c53c7731a2b3ec4d2b00cf30d0b1dc1.webp)
![arxiv：2503.05905v1 [cs.lg] 2025年3月7日](/simg/6/68e7582366c860457f4cd96de920cfc0294ef982.webp)
![arxiv：2503.08603v1 [cs.lg] 2025年3月11日](/simg/9/968cf1f5162a00ad844ae1cc3a7b748f33f0e2f5.webp)
![arxiv：2503.09403v1 [cs.cv] 2025年3月12日](/simg/6/66d94d4e4d450610290325e5635779660833c4e1.webp)
![arxiv：2503.12460v1 [cs.cv] 2025年3月16日](/simg/b/be5ec15a82a1e067f00b735720a6519ca73d4364.webp)
![arxiv：2503.15993v1 [cs.db] 2025年3月20日](/simg/2/2da4526920437631453a7831da65ab3f0a4c172e.webp)