混合量子-经典决策模型 Lipschitz 常数的高效准确估计

在本文中，我们提出了一个新颖的框架，用于高效且准确地估计混合量子-经典决策模型中的 Lipschitz 常数。我们的方法将经典神经网络与量子变分电路相结合，以解决学习理论中的公平性验证、鲁棒训练和泛化等关键问题。通过统一的凸优化公式，我们扩展现有的经典方法以捕捉经典层与量子层之间的相互作用。这种集成策略不仅提供了 Lipschitz 常数的紧致界限，而且相较于以前的方法提高了计算效率。