研究人员发现，量子神经网络（QNN）的架构形状显著影响其可训练性，即使总编码预算保持不变。他们发现，雅可比矩阵的结构秩亏缺会导致“结构梯度饥饿”，即随着参数数量的增加，越来越多的参数与损失函数解耦。研究表明，并行架构可以避免这个问题，并保持雅可比特征值的最小值为非零。 AI
影响 确定了训练量子神经网络的一个关键架构约束，可能指导未来的QNN设计。
排序理由 学术论文，详细介绍了关于QNN可训练性的一项新发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
