量子隐式表示用共享相干记忆在层间传递频谱信息
资讯摘要
论文提出谱量子记忆模型（SQMM），一种记忆耦合的量子隐式神经表示：多个混合数据重上传层（band）通过共享的相干量子记忆寄存器通信，每层读取记忆、结合自身坐标上传计算，并写回部分状态，供后续层复用。作者证明当读写层与输入无关时，记忆状态构成算子值傅里叶级数，其支撑集包含于初始记忆谱与各层局部谱的闵可夫斯基和中，且不产生新的基频。据此提出谱记忆对齐损失，在音频与图像重建基准上优于紧凑 QINR 与 INR 基线。
要点速读
- SQMM 让顺序排列的混合数据重上传层通过共享相干量子记忆寄存器读写状态，实现层间谱信息传递。
- 作者证明输入无关读写下记忆状态为算子值傅里叶级数，支撑集限于初始记忆谱与局部谱的闵可夫斯基和，不引入新基频。
- 基于该理论设计谱记忆对齐损失，并在音频、图像重建基准上报告优于紧凑 QINR 与 INR 基线。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。