Hierarchical DisCo-SGD

New geometric approach to learning in neural networks and quantum circuits

研究人员开发了一种新颖的机器学习方法，将深度神经网络和变分量子电路视为乘积 Wasserstein 流形上的梯度流。这种几何视角将权重分布视为内在几何结构，而不仅仅是约束，从而可能增强模型容量。该研究为深度网络引入了分层平均场描述，并将其扩展到量子领域，提出了分层 DisCo-SGD 和 Quantum DisCo 等实用算法。实验表明，该方法提高了泛化能力，稳定了训练，并缓解了量子神经网络中的贫瘠平原问题。