量子神经网络的容量
量子物理
2019-08-06 v1 光学
摘要
量子计算中的一个关键开放问题是量子神经网络（QNNs）相对经典神经网络（NNs）可能具有哪些优势，以及这些优势在何种情形下会显现。此处我们通过研究 QNNs 的记忆容量 来解决该问题，该指标是我们从经典 NN 理论借鉴而来的 QNN 表达能力的度量。我们给出一个容量不等式，表明 QNN 的容量受可训练入其参数的信息 所限制：。该界的一个推论是，以经典方式参数化的 QNN 在容量上并不优于具有同等数量参数的经典 NN。然而，以量子态参数化的 QNN 可能具有指数级更大的容量。我们通过模拟一个基于高斯玻色采样器的特定 QNN 的数值实验阐明了我们的理论结果。我们还研究了 QNN 运行期间由于波函数坍缩引起的采样影响，并给出了将容量与量子系统被测量次数相联系的解析表达式。
引用
@article{arxiv.1908.01364,
title = {The Capacity of Quantum Neural Networks},
author = {Logan G. Wright and Peter L. McMahon},
journal= {arXiv preprint arXiv:1908.01364},
year = {2019}
}