量子科技中心_量科网

变分量子电路（VQCs）已成为含噪声中等规模量子（NISQ）时代量子机器学习的重要范式。虽然参数共享能降低VQCs的参数空间维度并可能缓解贫瘠高原现象，但这种策略引入了一个长期被忽视的复杂权衡。本研究表明：尽管参数共享能以更少参数创造更优的全局解，但它通过“欺骗性梯度”——即存在梯度信息却系统性误导优化器偏离全局最优的区域——从根本上改变了优化地形。系统性实验分析表明，随着参数共享程度增加，解决方案地形会呈现梯度幅值增强、可测量欺骗比率升高等更复杂的特征。该团队发现传统梯度优化器（Adam、SGD）的性能会随参数共享增加而逐步劣化，且高度依赖超参数选择。研究人员提出了一种创新的梯度欺骗性检测算法和量子电路优化难度的量化框架，证实参数共享虽能将电路表达能力提升数个数量级，但代价是显著增加的地形欺骗性。这些发现为实际应用中的量子电路设计提供了关键考量，揭示了经典优化策略与参数共享塑造的量子参数地形之间存在根本性错配。