量子科技中心_量科网

量子电路玻恩机（QCBM）利用玻恩规则为生成式机器学习提供了一种自然方法。近期研究提出了一种通过最大均值差异（MMD）损失函数，利用瞬时量子多项式（IQP）电路对QCBM进行经典训练的方法。尽管经典采样IQP电路被认为难以实现，但其期望值可通过经典计算获得，从而实现对这类IQP-QCBM的训练。然而，量子机器学习（QML）模型还面临其他挑战，包括由指数级集中或贫瘠高原导致的训练性问题。虽然已有研究探讨了从均匀分布中采样参数时的这些问题，但鲜有工作严谨地处理任意高斯初始化方案的使用。本研究利用斯坦引理和高斯随机变量的Lipschitz集中界，给出了梯度方差的解析下界，以及梯度偏离其均值的概率集中界。该工作讨论了避免或促进指数级集中的策略，以及贫瘠高原更易出现的条件。