变分量子算法的权重重映射
量子物理
2023-06-12 v1 机器学习
摘要
受人工神经网络在广泛AI任务中显著成功的启发，变分量子线路（VQCs）近来在量子机器学习应用中迅速增多。VQCs所展现的如更好泛化性和更少参数训练需求等可喜结果，归因于量子计算强大的算法能力。然而，当前VQCs基于梯度的训练方法未能充分考虑可训练参数（或权重）通常用作旋转门中的角度这一事实。为此，我们拓展了K"olle等人（2023）提出的VQC权重重映射概念。该方法将权重明确映射到长度为 的区间，类似于传统机器学习中已被证明在众多场景下极有益处的数据重缩放技术。在我们的研究中，我们以变分分类器为代表，采用七种不同的权重重映射函数评估其对八个分类数据集的影响。结果表明权重重映射可提升VQC的收敛速度。我们评估了各重映射函数在所有数据集上的效能，并衡量其对VQC平均性能的影响。我们的发现表明，无论采用何种具体重映射函数，权重重映射不仅始终加速VQC收敛，而且在某些情况下显著提升准确率。
引用
@article{arxiv.2306.05776,
title = {Weight Re-Mapping for Variational Quantum Algorithms},
author = {Michael Kölle and Alessandro Giovagnoli and Jonas Stein and Maximilian Balthasar Mansky and Julian Hager and Tobias Rohe and Robert Müller and Claudia Linnhoff-Popien},
journal= {arXiv preprint arXiv:2306.05776},
year = {2023}
}