量子科技中心_量科网

基于瞬时量子多项式时间（IQP）电路的量子电路玻恩机（QCBM）是量子生成建模的理想候选方案，这既源于其概率结构特性，也因IQP采样在特定条件下被证明具有经典计算不可模拟性。近期研究聚焦于采用基于低阶泡利-Z关联子构建的最大平均差异（MMD）损失函数来训练IQP-QCBM，但电路初始化对优化地形的影响机制尚不明确。该工作通过理论证明揭示了关键发现：当IQP电路采用全角度随机初始化时，MMD损失地形会出现贫瘠高原现象；同时针对恒等初始化和无偏数据无关初始化方案，研究团队建立了损失方差的下界。进一步提出与目标分布更匹配的数据依赖型初始化方法——在适当假设条件下，该方法不仅可保证梯度有效性，还能更快收敛至优质极小值（通过在150量子比特基因组数据电路训练中得到验证）。作为副产品，所发展的方差下界分析框架可推广至一类非线性损失函数，为量子机器学习中的“热启动”研究提供了普适性工具。