量子科技中心_量科网

为研究量子机器学习（QML）中参数化酉矩阵的生成器设计，该团队提出了一种面向可观测量引导的n量子比特泡利串生成器池选择算法。该方法基于两个标准选择生成器：保持梯度中较大的一阶灵敏度，并抑制海森矩阵中的二阶干扰。在泡利串可观测量与候选生成器的受限条件下，该选择问题可表述为倾向于相互反交换生成器的二元优化问题。通过五量子比特小型电路合成数据集的数值实验表明，所选生成器在当前设定下比随机生成器选择具有更快的训练速度，同时保持相近的表达能力。此外，在额外代数假设下，所提标准可从可观测量的𝔤纯度角度进行解释：一阶灵敏度与𝔤纯度成正比，而二阶干扰（即海森矩阵非对角元素）受其上限约束。这些结果表明，在受限QML场景中，基于可观测量引导的生成器选择是提升模型可训练性的有效方向。