交替分层ansatz对投影量子核可训练性的影响
量子物理
2023-10-03 v1
摘要
由于量子机器学习任务中潜在的量子优势，量子核方法已从理论和实用角度得到积极研究。尽管针对特定问题精细调整的量子核具有可证明的优势，但量子核方法的广泛实际应用需要解决所谓的相似性消失问题，即量子核的指数级消失方差导致实现不可行及可训练性问题。在本工作中，我们从解析和数值上研究了具有交替分层ansatz的投影量子核中的相似性消失问题。我们发现方差依赖于电路深度、局部酉块的大小以及初态，表明若使用浅层交替分层ansatz且初态不是高度纠缠的，则该问题可避免。我们的工作为投影量子核的设计原则提供了一些见解，并暗示在将高度纠缠态作为基于量子核的学习模型输入时需谨慎。
引用
@article{arxiv.2310.00361,
title = {Effect of alternating layered ansatzes on trainability of projected quantum kernel},
author = {Yudai Suzuki and Muyuan Li},
journal= {arXiv preprint arXiv:2310.00361},
year = {2023}
}