量子电路面临“傅里叶锁定”优化瓶颈

研究人员已将一种称为傅里叶锁定（FL）的现象确定为数据重上传参数化量子电路（DRU-PQCs）中的主要优化瓶颈。当随机初始化导致编码参数由于编码权重和纠缠层之间的非线性耦合而塌陷到局部最小值时，就会发生这种情况。两个费舍尔诊断，即输入空间量子费舍尔信息（$F_x$）和费舍尔判别比，可以表征FL。实验表明，一种分阶段频率的同伦协议（通过控制目标频率）可以使损失景观凸化，并将逃离FL的速率提高两倍。 AI

影响 识别出量子机器学习电路中一种新颖的优化挑战，可能影响未来的算法开发。

排序理由 学术论文，详细介绍了一种用于量子电路的新优化问题和解决方案。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• DRU-PQCs
• Fisher
• Fisher Discriminant Ratio
• Fourier Locking
• QFIM
• Quantum Data Re-uploading Classifiers
• quantum Fisher information

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →