量子神经网络中单比特旋转与纠缠拓扑的影响
量子物理
2025-09-22 v1 新兴技术
机器学习
摘要
本文分析了不同变分量子线路的性能，研究了其如何随纠缠拓扑、所采用的逻辑门以及待执行的量子机器学习任务而变化。该分析旨在确定构建量子神经网络线路的最优方式。在所呈现的实验中，使用了两种类型的线路：一种由旋转层与纠缠层交替组成，另一种与第一种类似，但增加了额外的最终旋转层。作为旋转层，考虑了单旋转序列与双旋转序列的所有组合。比较了四种不同的纠缠拓扑：线性、环形、成对和全连接。考虑了不同的任务，即概率分布生成、图像生成和图像分类。将所获得的结果与不同线路的表达能力和纠缠能力进行关联，以理解这些特征如何影响性能。
引用
@article{arxiv.2509.15722,
title = {Impact of Single Rotations and Entanglement Topologies in Quantum Neural Networks},
author = {Marco Mordacci and Michele Amoretti},
journal= {arXiv preprint arXiv:2509.15722},
year = {2025}
}