Q-FLAIR 重实现：MNIST 上深度与数据量联合测试

Saeefa Rubaiyet Nowmi 等作者重新实现了量子分类器 Q-FLAIR 的逐门生长机制，并在 784 像素 MNIST 的 3-vs-5 分类任务上，用 N=2000 至 10000 五种训练集规模测试电路深度与训练数据量的联合优化。结果显示电路规模与测试准确率随 N 非单调变化，且种子间方差几乎与趋势相当。 研究称 15 次运行中有 14 次的泛化差距未超出 Caro 等提出的上界，但差距与该上界仅弱相关（r=0.12）。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。