量子科技中心_量科网

“贫瘠高原”现象（即训练梯度变得极小）对优化参数化量子电路构成了主要挑战，常导致学习过程缓慢甚至停滞。该研究揭示了利用神经网络生成量子电路参数何以帮助克服这一难题。研究人员提出了一个几何视角，用以描述神经网络生成的参数在训练过程中的演化轨迹。分析表明，这些参数遵循平滑高效的路径，避开了导致贫瘠高原的训练平坦区域。这为近期神经网络辅助量子学习方法中观察到的可训练性提升提供了计算层面的解释。总体而言，该工作将量子机器学习与计算优化的理念相融合，不仅为量子模型结构提供了新认知，更为设计更具可训练性的量子电路或参数初始化方法指明了新方向。