使用单个电路计算量子神经网络所有参数的梯度

求取梯度是训练机器学习模型的关键步骤。对于量子神经网络，使用参数移位规则计算梯度需要对网络中每个可调参数计算两次代价函数。当参数总数很大时，量子电路必须被反复调整并执行，导致显著的计算开销。在此我们提出一种仅用单个电路计算所有梯度的方法，显著减少了所需的电路深度与经典寄存器数量。我们在量子模拟器与 IBM 真实量子硬件上实验验证了该方法，表明相较传统方法我们的方案大幅减少了电路编译时间，从而总运行时间获得显著加速。