用于时间序列预测的量子序列模型批处理训练比较

本文针对时间序列预测，对两种量子序列模型 QLSTM 和 QFWP 进行了系统性的比较，重点关注批量大小对性能和运行时的影响。该研究的价值在于其提供的实用基准测试流程，以及它对这些模型的速度-精度权衡和可扩展性的见解。EPC（等参数计数）和伴随微分设置提供了公平的比较。关注组件级别的运行时对于理解性能瓶颈至关重要。本文的贡献在于提供了关于批量大小选择的实用指导，并突出了速度和精度之间的帕累托前沿。

• •批处理前向传播扩展良好，但后向传播扩展适中，限制了整体训练加速。
• •QFWP 在精度（RMSE 和方向准确率）方面通常优于 QLSTM。
• •QLSTM 在较大的批量大小下实现了最高的吞吐量，表明了速度-精度权衡。
• •本文提供了针对这些量子模型的批量大小选择的实用基准测试流程和指导。