量子科技中心_量科网

变分量子算法(VQAs)的性能关键在于ansatz（拟设）的选择。虽然当前最先进技术仍依赖于启发式选择，但不恰当的量子线路结构会同时影响模型的表达能力与可训练性。最新研究还从理论上建立了表达能力和“贫瘠高原”现象之间的关联，凸显了建立系统性ansatz选择标准的必要性。本工作将ansatz视为可优化的设计特征而非固定模块，对多种参数化量子线路(PQCs)进行了设计空间探索(DSE)。研究人员评估了三个互补指标——表达能力、可训练性和资源成本——用以分析不同PQC架构中出现的权衡关系。这种多目标视角不仅有助于识别帕累托最优候选方案，更能阐明这些指标间的相互作用，为理解变分量子线路中表达能力与可训练性之间的张力提供了量化证据。