本研究提出了一种基于低秩近似的因子分解机（FM）初始化方法，以高精度构建近似伊辛模型。通过数值实验比较不同初始化方法，分析其属性，研究结果有助于解决组合优化问题。

该文汇总多项机器学习研究，涵盖点击率与转化率实时预测、高维马尔可夫随机场模型选择、矩阵分解隐式正则化、Ising模型图估计、均场近似、时空数据预测、因子机改进及铁磁Ising模型自由能极限，提出多种算法并验证其有效性。

该论文介绍了 QUBO 模型在优化领域中的基本特征和重要性，涉及 Ising 问题、量子退火、神经形态计算等专业术语，详细阐述了其在不同应用中的潜力和灵活性。