通过梯度下降学习酉变换
量子物理
2020-02-20 v3 机器学习
数学物理
math.MP
摘要
我们研究了在 中通过学习交替算子序列的时间参数上的梯度下降来学习酉变换的困难性。我们提供了数值证据：尽管损失景观是非凸的，当序列包含 或更多参数时，梯度下降总是收敛到目标酉变换。收敛速率表明存在“计算相变”。当参数少于 时，梯度下降收敛到次优解；而当参数多于 时，梯度下降以指数方式收敛到最优解。
引用
@article{arxiv.2001.11897,
title = {Learning Unitaries by Gradient Descent},
author = {Bobak Toussi Kiani and Seth Lloyd and Reevu Maity},
journal= {arXiv preprint arXiv:2001.11897},
year = {2020}
}