量子科技中心_量科网

“贫瘠高原”现象的出现对量子机器学习构成了重大挑战。虽然现有研究多聚焦于单量子比特旋转门，但由多量子比特门构建的参数化量子电路的梯度特性仍属未知领域。本研究提出了一个通用理论框架，用于分析含多量子比特门的参数化量子电路的梯度特性。该方法拓展了直接计算框架，规避了对参数的哈尔随机假设，实现了梯度期望和方差的计算。我们将该框架应用于单层和深层电路，推导出量化分析结果：梯度方差由多量子比特门的尺寸与量子比特数、层数、有效参数数量共同决定。数值模拟验证了我们的结论。该工作为分析和优化含复杂多量子比特门的参数化量子电路提供了精细化框架。