QB64 搜索技巧 核手提箱 文字记录 海洋云增白 开源地图 Bliss AI 搜索答案 深海沉船 自由职业 policy 小团队 颈挂空调 Chumby 个人电脑 极端主义 团队 世界 PostgreSQL AI工具 证券 DirectX 防溢 DrawingPics Zulip 儿童读物 化学 连续滚动 代码审查 三菱电机 更多

Co-evolution of hyperparameters for variational quantum algorithms (arxiv.org)

原文: [2405.00738] HLSTransform: Energy-Efficient Llama 2 Inference on FPGAs Via High Level Synthesis

本文提出了一种基于贝叶斯优化和强化学习相结合的新型超参数协同进化算法，用于优化量子模拟电路上的变分量子算法（VQAs）。该算法利用贝叶斯优化探索超参数空间，并利用强化学习评估不同超参数组合的质量，指导后续的搜索过程。实验结果表明，该算法在优化不同目标函数下的VQAs时，与现有技术相比具有显着优势，它可以有效地提高VQAs的性能。该算法的 opensource 实现将在 https://github.com/ZhengrongYuan/CoevoVE 上发布。