关于量子神经网络的中心极限定理与桑诺夫原理

该工作研究了通过梯度流在监督学习问题上训练的量子神经网络生成的混合专家模型 (MoE) 的波动情况。主要结果建立了中心极限定理 (CLT) 以及当专家数量趋于无穷时 MoE 的 Sanov 原理。该团队证明,其参数经验测度在趋近于相应极限概率测度时的波动满足一个线性输运方程。作为副产品,该工作表明,MoE 收敛到一个极限函数,该函数满足由与量子神经网络相关的神经正切核所导出的演化方程。
作者单位: VIP可见
提交arXiv: 2026-06-19 20:10

量科快讯