University of Southern California（南加州大学）

QuFeX: Quantum feature extraction module for hybrid quantum-classical deep neural networks

QuFeX：用于混合量子-经典深度神经网络的量子特征提取模块

Naman Jain, Amir Kalev

机构 * Viterbi School of Engineering, University of Southern California, Los Angeles, California 90089, USA ； Information Sciences Institute, University of Southern California, Arlington, VA 22203, USA ； Department of Physics ； Center for Quantum Information Science \& Technology, University of Southern California, Los Angeles, California 90089, USA 纠错

AI总结 QuFeX通过在混合量子-经典深度神经网络中引入量子特征提取模块，提升了图像分割任务的性能。

Comments V2: 17 pages, 15 figures, 2 Tables; published version

Journal ref Quantum Sci. Technol. 11 015017 (2026)

DNN Modularization via Activation-Driven Training

通过激活驱动训练实现DNN模块化

Tuan Ngo, Abid Hassan, Saad Shafiq, Nenad Medvidovic

机构 * University of Southern California（南加州大学） 纠错

AI总结 MODA通过激活驱动的模块化训练方法，减少训练时间并提升模型模块化效果，同时保持原有准确率。

Comments Accepted at International Conference on Software Engineering (ICSE) 2026 - Research Track

Integration Matters for Learning PDEs with Backward SDEs

积分对基于反向随机微分方程学习偏微分方程的重要性

Sungje Park, Stephen Tu

机构 * Department of Electrical and Computer Engineering, University of Southern California（电气与计算机工程系，南加州大学） 纠错

AI总结 本文提出基于斯特劳尼希的BSDE方法，通过随机海恩积分消除EM积分的偏差问题，从而在高维PDE求解中优于传统方法并达到PINNs的性能水平。

Comments NeurIPS 2025