量子科技中心_量科网

自然梯度在神经网络量子态优化中至关重要，但其应用受限于量子几何张量（费雪信息矩阵的量子对应物）的计算和求逆成本。该研究团队提出了一种按网络层划分度量的块对角量子几何张量，其原理类似于K-FAC等块结构化费雪方法。这种分层近似在保留关键曲率特征的同时，消除了跨层噪声相关性，从而改善了条件数和可扩展性。在海森堡模型和受挫J1-J2模型上的实验表明，该方法具有更快的收敛速度、更低的能量值以及更优的稳定性表现。