量子科技中心_量科网

采用角度编码的量子机器学习模型天然地表示截断傅里叶级数，在具备足够电路深度时能实现通用函数逼近能力。对于单热固定频率编码方式，电路深度随目标频率幅值ω_max和精度ε呈𝒪(ω_max(ω_max+ε^(-2)))比例增长。而可调频率方法理论上可将该复杂度降至与目标频谱规模匹配，仅需与目标频谱中频率数量相当的编码门。尽管这种效率优势显著，但其实际效果取决于一个关键假设：基于梯度的优化能将预调因子驱动至任意目标值。通过系统实验，研究人员证明了频率预调因子的可训练性存在局限：在典型学习率下，其调整范围被约束在约±1单位内。当目标频率超出该可触及范围时，优化往往会失败。为克服频率可达性限制，该工作提出基于网格的三元编码初始化方法，该方法能生成稠密整数频率谱。虽然需要𝒪(log₃ω_max)个编码门（多于理论最优值但指数级少于固定频率方法），但能确保目标频率位于局部可达范围内。在针对可达性挑战专门构建的合成目标函数（包含三个偏移高频）上，三元网格初始化实现了0.9969的中位R²分数，而可调频率基线仅为0.1841。对于包含更广频率分布（含低频）的真实世界Flight Passengers数据集，三元网格初始化在10次随机初始化中取得0.9671的中位R²分数，相较可调频率初始化（中位R²=0.7876）提升了22.8%。