量子神经网络非线性数据嵌入的傅里叶分析

傅里叶分析已成为理解变分量子电路(VQC)模型表达能力的关键工具,同时也是贫瘠高原(BP)的重要指标。尽管现有文献仅在无噪声环境下研究了角度嵌入型VQC,但该工作发展了具有非线性数据嵌入的VQC的傅里叶分析,特别关注振幅嵌入——一种天然紧凑的编码方案。研究人员首先研究了振幅嵌入中输入特征域的一个细微差异,该差异导致了零频率傅里叶系数的独特表达能力。通过假设参数空间生成的酉系综相对于酉群至少构成一个2-设计,利用Weingarten演算推导出傅里叶系数均值集中于零,且方差随多维频率幅度呈指数衰减阶数缩放。当考虑具有酉Kraus算子和概率\(\{p_k\}\)的噪声通道时,方差进一步被因子\(\left(\sum_k p_k^2\right)^{Q}<1\)抑制,其中\(Q\)为应用通道实例的数量。此外,该团队通过无噪声与有噪声的仿真实验验证了分析结果,包括目标函数被分解为非整数频率的情况,突显了该方法的实际效用。该研究为振幅编码VQC建立了严谨的傅里叶框架,既提供了表达能力与频域可训练性缩放的理论保证,也为在噪声量子设备上部署提供了实用仿真手段。
作者单位: VIP可见
页数/图表: 登录可见
提交arXiv: 2026-06-12 07:40

量科快讯