变分量子电路中的巨基台调查

近年来，变分量子电路（VQCs）被广泛探索，以发展量子电路相对于经典模型，在 various 领域 such as 量子化学和量子机器学习中取得进展。类似于经典机器学习模型，VQCs可以通过各种优化方法进行训练，如基于梯度或梯度-free 方法。然而，在采用基于梯度的方法时，VQCs的梯度方差可能会随着量子位数或层数的增加而显著消失。这一问题即所谓的巨基台（Barren Plateaus, BPs），严重阻碍了VQCs在大数据集上的规模化。为缓解巨基台，人们致力于通过多种策略来解决此问题。本文对近期从调查和缓解两个角度的研究进行系统性文献综述。此外，我们提出了一种新的分类法，将大多数现有缓解策略分为五组，并详细介绍。我们还比较了关于巨基台的现有调查论文。最后，我们就巨基台的未来方向提供了有见地的讨论。