量子科技中心_量科网

尽管张量网络在模拟量子系统方面有着传统的应用，但近十年来，它们作为机器学习模型引起了研究兴趣。该工作结合了这两个领域的经验，推导出施加在张量网络上的量子约束如何体现能力的变化。为此，该工作采用了一种在量子计算机上推断经典张量网络的方法，以定义一种混合架构。这种混合张量网络是一个实用的统一框架，涵盖了其经典和量子张量网络两种极端情况。该工作将后选择确定为这一插值过程所依赖的重要特性。后选择的数量对应于张量网络上量子约束的施加程度。基于此，该工作提出一个新的超参数，用于控制混合张量网络与量子张量网络之间的过渡。在经典与量子张量网络的比较中，该超参数补充了键维度的作用。通过以可训练的方式将实际有限的后选择分配给量子模型，该超参数改进了量子机器学习。