QIBONN: Quanteninspiriertes Optimierungsverfahren für Netze bei Klassifikation
Die neueste Veröffentlichung auf arXiv (2511.08940v1) stellt QIBONN vor – einen quanteninspirierten Bilevel-Optimizer, der Hyperparameteroptimierung (HPO) für neuronale Netze auf tabellarischen Daten revolutioniert. Durch die Kombination von deterministischen, quanteninspirierten Rotationen und stochastischen Qubit‑Mutationen, die von einem globalen Attraktor geleitet werden, gelingt es QIBONN, Exploration und Exploitation effizient zu balancieren, ohne dabei die begrenzte Evaluationszeit zu überschreiten.
