超越已知经典可模拟性的量子模型可训练性

变分量子算法(VQAs)是近期量子计算领域极具前景的研究方向,但其面临因“贫瘠高原”现象导致的可扩展性挑战——即梯度随系统规模呈指数级消失。最新猜想认为,避免贫瘠高原可能本质上会导致算法可被经典模拟,从而限制量子优势的发挥。该研究团队通过深化对VQAs可训练性与计算复杂度关系的理论认知,对这一猜想展开了直接验证。研究人员提出创新性技术“线性克利福德编码器”(LCE),该技术在接近克利福德电路的优化景观区域中能确保梯度统计量保持恒定缩放比例。同时,该工作利用经典泰勒代理模型揭示了算法初始化区域扩大时,计算复杂度从多项式到超多项式阶段的转变规律。综合这些发现,该研究揭示了可训练性与计算复杂度之间更深层次的联系,并通过理论证明:在不存在已知经典代理模型的区域中,贫瘠高原现象是可以避免的。针对LCE转换后景观开展的数值实验,实际验证了存在梯度呈多项式衰减的超多项式复杂“过渡区”。这些发现为构建具有实际应用价值、无贫瘠高原的变分量子模型指明了一条可能路径,并展现出实现量子优势的潜力。

量科快讯