DeepUnfolding_Agent: A Classical_Quantum Adaptive Control API
中文摘要
由模型生成 · 人工抽检该论文提出 DeepUnfolding Agent，一个基于 FastAPI 的 schema 驱动平台，将深度展开自适应控制从训练脚本中解耦为外部服务。执行器注册策略 schema、提交诊断变量并获取受约束的控制动作，支持经典、量子感知、混合及 IBM Quantum 执行路径，提升复用性、可复现性与安全性。
全文
已译中文[Submitted on 21 Jul 2026]
标题：
DeepUnfolding_Agent: A Classical_Quantum Adaptive Control API
查看题为 DeepUnfolding_Agent: A Classical_Quantum Adaptive Control API 的论文 PDF，作者为 Shanika Iroshi Nanayakkara 及另外 1 位作者
查看 PDF
HTML（实验性）
摘要：
在机器学习、联邦学习、量子机器学习以及经典-量子混合系统中，自适应优化工作流往往将控制器逻辑直接嵌入任务特定的训练脚本之中。这种耦合限制了复用性、可复现性、安全验证以及跨执行环境的公平比较。本文提出 DeepUnfolding Agent，一个模式驱动的 FastAPI 平台，将深度展开自适应控制作为外部软件服务对外提供。外部执行器注册策略模式（strategy schema），提交轮级诊断变量，接收模式约束下的控制动作，执行一轮优化，并返回反馈以更新控制器。该框架通过策略注册表、诊断到状态的适配器、控制器工厂、安全防护、执行器抽象、反馈更新路径、SQLite 持久化层、Docker 部署以及可复现的基准测试脚本，将控制器智能与领域特定的执行相分离。该实现支持经典、量子感知、混合、Qiskit Aer 以及可选的 IBM 量子处理执行路径。我们通过单元测试、模式测试、API 测试、安全测试、编排测试、量子执行测试、检查点测试和 Docker 测试对该软件进行验证，并在金融、医疗健康、基因组学、交通运输、含噪量子模拟以及硬件支持的 IBM Quantum 执行等场景中，展示了外部用户的固定工作流与自适应工作流的对比。结果表明，DeepUnfolding-Agent 为异构优化工作流提供了一个可复用且可追踪的自适应控制层。我们的量子实验被解读为 API 层面的量子控制与硬件可移植性证据。
提交历史
发件人：Shanika Nanayakkara [
查看邮件
[v1]
2026年7月21日 星期二 23:58:05 UTC（2,132 KB）
本译文由模型自动生成，仅供参考与快速理解；涉及数字、版本、命令、法律条文等请以原文为准。
原文附件
2 个 · 均跳转原站，本站不托管文件正文为原站公开内容的抓取与清洗结果，英文条目附模型生成的中文译文；两者均仅供参考， 准确内容请以原站为准。内容版权归原作者所有，若认为侵权请联系我们下线。