LCQNN: 量子神经网络的线性组合
量子物理
2025-08-05 v2
摘要
量子神经网络将量子计算与先进的数据驱动方法相结合，在量子机器学习中提供了有前景的应用。然而，平衡量子神经网络可训练性和表达性的最优范式仍然是一个开放问题。为了解决这个问题，我们引入了量子神经网络线性组合框架，它利用酉算子线性组合的概念创建了一个可调谐的设计，能够缓解梯度消失而不引入过度的经典可模拟性。我们展示了特定的结构选择，例如采用-局域控制酉算子或将模型限制在某些群论子空间，如何防止梯度崩溃，同时为复杂任务保持足够的表达性。我们进一步使用LCQNN模型处理监督学习任务，展示了其在真实数据集上的有效性。在群作用场景中，我们表明通过利用对称性并排除指数级大的不可约子空间，该模型可以规避贫瘠高原。总的来说，LCQNN提供了一种新颖的框架，将量子资源聚焦到实际可训练且表达性足以应对具有挑战性的机器学习应用的架构中。
引用
@article{arxiv.2507.02832,
title = {LCQNN: Linear Combination of Quantum Neural Networks},
author = {Hongshun Yao and Xia Liu and Mingrui Jing and Guangxi Li and Xin Wang},
journal= {arXiv preprint arXiv:2507.02832},
year = {2025}
}