在量子神经网络上的对角自适应非局域观测量

自适应非局域可观测量(ANOs)表明,使量子可观测量动态化可以显著扩展变分量子算法的函数空间,从而将部分硬件需求从电路合成转移到测量设计。然而,这一优势伴随着参数数量的急剧增加,以及因变化一般厄米可观测量而带来的经典优化成本的上升。该团队提出了一种特殊形式的ANO,通过仅考虑与量子电路配对的(仅含)对角可观测量,大幅减轻了上述负担。从数学上讲,这等价于一个大参数空间中的完整ANO,因为对角矩阵是ANO空间模酉相似下的规范代表元。因此,对角ANO保留了完整ANO的相同能力,同时将\(k\)-局域可观测量的复杂度从\(O(4^k)\)降低到\(O(2^k)\),并减少了相应的测量端经典计算量。从这个意义上说,对角ANO保留了完整ANO的大部分优势,同时将传统变分量子电路作为其一个特例。

作者单位: VIP可见
提交arXiv: 2026-05-14 20:50

量科快讯