University of Maryland, College Park（马里兰大学帕克分校）

Classifiers in High Dimensional Hilbert Metrics

高维希尔伯特度量中的分类器

Aditya Acharya, Auguste H. Gezalyan, David M. Mount

机构 * Department of Computer Science, University of Maryland, College Park, USA（计算机科学系，马里兰大学，College Park，美国） 纠错

AI总结 本文提出了一种高效的基于线性规划的算法，用于在高维希尔伯特度量中解决大边距支持向量机问题，并探讨了相关函数度量的应用。

Quantum Kernel Machine Learning for Autonomous Materials Science

量子核机学习在自主材料科学中的应用

Felix Adams, Daiwei Zhu, David W. Steuerman, A. Gilad Kusne, Ichiro Takeuchi

机构 * Department of Materials Science and Engineering, University of Maryland, College Park, Maryland, 20742, USA（材料科学与工程系，马里兰大学，学院 park，马里兰，20742，美国） ； IonQ, 4505 Campus Dr, College Park, Maryland, 20740, USA（IonQ，4505校园大道，学院 park，马里兰，20740，美国） ； Materials Measurement Science Division, National Institute of Standards and Technology, Gaithersburg, Maryland, 20899, USA（材料测量科学 division，国家标准与技术研究院，盖瑟斯堡，马里兰，20899，美国） ； Quantum Materials Center, University of Maryland, College Park, Maryland, 20742, USA（量子材料中心，马里兰大学，学院 park，马里兰，20742，美国） 纠错

AI总结 本研究比较了量子和经典核在自主材料科学中用于连续相空间导航的实用性，验证了量子核模型在材料发现中的优势。