量化量子神经网络中的置乱
量子物理
2022-03-23 v2 高能物理 - 理论
摘要
我们通过离时序关联子（out-of-time-ordered correlator）从网络的置乱特性出发刻画量子神经网络的误差。网络可以通过优化损失函数或代价函数来进行训练。我们证明，以一定概率，这两个函数均可由离时序关联子界定。这些函数的梯度可由离时序关联子的梯度界定，表明网络的置乱能力支配其可训练性。我们的结果为探索量子神经网络中的量子混沌铺平了道路。
引用
@article{arxiv.2112.01440,
title = {Quantifying scrambling in quantum neural networks},
author = {Roy J. Garcia and Kaifeng Bu and Arthur Jaffe},
journal= {arXiv preprint arXiv:2112.01440},
year = {2022}
}