混沌边缘的量子计算
量子物理
2026-05-01 v2
摘要
经典机器学习的一个关键挑战是通过选择稀疏解来缓解过度参数化。我们将这一概念转化到量子领域，引入量子稀疏性作为基于最小化多方共享量子信息的原则。这使我们能够解决量子数据处理中的基本问题以及收敛性问题，例如变分量子算法 (VQA) 中的贫瘠高原问题。我们提出了一种利用拓扑纠缠熵 (TEE) 作为代价函数正则化项来实现这一原则的实用方法。非负的 TEE 与在合适基底下具有稀疏结构的态相关联，而负的 TEE 则预示着不可训练的混沌。因此，该正则化项引导优化沿着分隔这些区域的混沌临界边缘进行。我们通过分析编码可调平滑度函数的量子态，将 TEE 与结构复杂性联系起来，推导出一个量子 Nyquist-Shannon 采样定理，该定理限定了 VQA 中的资源需求和误差传播。在数值上，我们的 TEE 正则化器在复杂数据编码和基态搜索任务中表现出显著改善的收敛性和精度。这项工作确立了量子稀疏性作为鲁棒且高效 VQA 的设计原则。
引用
@article{arxiv.2604.15441,
title = {Quantum computation at the edge of chaos},
author = {Tomohiro Hashizume and Zhengjun Wang and Frank Schlawin and Dieter Jaksch},
journal= {arXiv preprint arXiv:2604.15441},
year = {2026}
}
备注
18 pages, 5 figures