探究变分量子电路的“彩票假说”
量子计算是计算机科学领域的新兴方向，近年来尤其在机器学习方面取得显著进展。通过利用量子物理原理，该技术能够突破经典算法的局限。然而，依赖可调参数的变分量子电路（VQCs）常面临“贫瘠高原”现象，阻碍优化进程。“彩票假设”（LTH）是经典机器学习中的新概念，能显著提升神经网络的参数效率——该理论认为大型网络中存在性能相当的更高效子网络（即“中奖彩票”），或可绕过高原困境。本研究表明：弱彩票假设适用于变分量子电路，发现仅保留26.0%原参数的“中奖彩票”；针对无需训练即可获得剪枝掩模的强彩票假设，研究人员在二元变分量子电路中找到仅需45%权重即可实现100%准确率的“中奖彩票”。这些发现证实，彩票假设通过精简参数数量同时保持性能，有望缓解贫瘠高原问题，从而提升变分量子电路在量子机器学习任务中的效率。
