量子科技中心_量科网

量子神经网络（QNNs）是经典神经网络在量子计算领域的类比，其通过含可训练参数的酉矩阵实现。受经典神经网络普遍逼近特性的启发——即确保在欧几里得空间紧集上任意连续函数均可被一致逼近——近期研究已为QNNs建立了从单量子比特到多量子比特系统，乃至经典-量子混合模型的类似理论。本文研究了QNNs在周期函数上基于上确界范数的逼近能力。研究人员采用Jackson不等式，通过特定QNN实现给定函数的三角多项式逼近。值得注意的是，当限定于周期函数类时，参数数量可实现二次缩减，其逼近效果优于现有文献结果。此外，函数越光滑，构建逼近该函数所需QNN的参数就越少。