量子分类器的耗散学习

量子计算可能在机器学习算法中带来性能优势的期望，推动了人工神经网络量子版本的研究。本研究中，我们分析了一种作为开放量子系统运行的量子分类器模型的学习动力学，该模型是标准量子电路模型的替代方案。根据所得结果，该模型可通过基于梯度下降（GD）的算法成功训练。这些优化过程由连续动力学获得的事实，显示了为该分类器模型开发可微分激活函数的前景。