雕塑量子景观：基于Fubini-Student度量的几何感知参数化量子电路

我们提出了一种名为Sculpture的新型元学习框架，显式条件化参数化量子电路的Fubini-Student度量张量，以缓解变分量子算法中的坟墓平坦问题。我们的理论分析识别了Fubini-Student度量的对数条件数作为支配训练可行性、优化动力学和泛化能力的关键几何量。Sculpture使用经典元模型生成数据依赖的量子电路初始化，以最小化对数条件数，从而促进参数空间的各向同性和良好条件。经验结果表明，元训练将对数条件数从约1.47降至0.64，通过显著增加最小特征值并略微降低最大特征值来显著缓解坟墓平坦问题。这种改进的条件化对未见数据具有良好的泛化性，始终产生良好条件的量子电路初始化。在下游的混合量子经典分类任务中，增加元比例系数可加快收敛速度、降低训练损失和梯度范数，关键的是提高了泛化能力，测试准确率从约0.68提升至0.78以上。这些发现表明，通过元学习雕刻量子景观作为一种原则性几何正则化器，显著增强了参数化量子电路的可训练性、优化和泛化能力，使变分量子算法更加稳健和高效。