लेखकों ने समय श्रृंखला विश्लेषण में समय पुनः पैरामीट्रीकरण अपरिवर्तनीयता को संबोधित करने के लिए डिज़ाइन की गई एक हाइब्रिड क्वांटम-क्लासिकल आर्किटेक्चर प्रस्तुत किया है। सिस्टम क्वांटम न्यूरल नेटवर्क को पथ हस्ताक्षरों के साथ एकीकृत करता है, फीचर परतों का उपयोग करके इनपुट पथों के बीच हस्ताक्षर कर्नेल की गणना करता है जो क्लासिकल या क्वांटम वेरिएशनल लीनियर सॉल्वर्स (VQLS) के माध्यम से किया जाता है।
- फीचर परतें वर्गीकरण कार्यों के लिए हस्ताक्षर कर्नेल की गणना करती हैं।
- एक क्वांटम कन्वोल्यूशनल न्यूरल नेटवर्क (QCNN) डाउनस्ट्रीम सीखन करता है।
- प्रयोगों में हैंडराइटन अंकों के बाइनरी वर्गीकरण पर आर्किटेक्चर का मूल्यांकन किया गया है।
- अध्ययन VQLS घटक से जुड़ी कंप्यूटेशनल सीमाओं का विश्लेषण करता है।
यह कार्य समय श्रृंखला डेटा के लिए क्वांटम सर्किट्स के भीतर पथ हस्ताक्षर कर्नेल परतों को लागू करने के संभावित लाभों को प्रदर्शित करता है।