论超参数在参数化量子电路初始化中的重要性
过去几年间，参数化量子电路（PQC）的实用性与性能提升研究取得了显著进展。基于这些研究成果，量子算法研究者现已掌握多种归纳偏置方法，可针对特定任务设计优质电路。本文重点研究如何为给定PQC寻找高性能初始参数。与以往聚焦最优参数分布的研究不同，该团队致力于为任意给定分布寻找最佳超参数。为此，该团队提出一种基于进化搜索的算法，该算法能根据PQC和量子任务自动优化超参数选择。实验结果表明，该算法推荐的初始参数不仅适配特定电路架构和量子任务，还能加速收敛并提升性能表现。尤为关键的是，该算法不会加剧贫瘠高原现象——即算法推荐的初始参数不会恶化给定初始化分布的梯度方差缩放特性。
