Yangshuai Wang

新的混合量子经典框架提高了QNN回归的可训练性

研究人员开发了一种新颖的混合量子经典回归框架，以增强量子神经网络（QNN）的可训练性。该方法包含一个经典的嵌入，充当几何预处理器，优化下游变分量子电路的输入表示。此外，还引入了一个课程优化协议，该协议逐步增加电路深度，并从随机探索过渡到梯度微调。在偏微分方程驱动的回归基准和标准数据集上的实证评估表明，与纯QNN基线相比，收敛性得到改善，结构化误差降低，尤其是在数据受限的情况下。