该工作对各类变分量子电路的性能进行了分析,研究其表现如何随纠缠拓扑结构、选用门操作及待执行的量子机器学习任务而变化。该分析旨在为量子神经网络确定最优电路构建方式。实验中采用了两类电路结构:一种由交替的旋转层与纠缠层构成,另一种则在前者基础上增加了最终旋转层。旋转层考虑了单次旋转与双重旋转序列的所有组合方式,并对比了四种纠缠拓扑结构(线性、环形、两两连接及全连接)。研究涵盖多项任务,包括概率分布生成、图像生成及图像分类。该团队将实验结果与不同电路的表达能力和纠缠特性相关联,以揭示这些特征如何影响性能表现。
提交arXiv:
2025-09-19 07:53