机构名称：
¥ 2.0
用作变量ANSATZE的参数化量子电路正在成为有前途的工具，可以解决从量子化学到组合优化的复杂问题。这些变异的量子电路可能会遭受贫瘠的高原诅咒的困扰，其特征是具有系统尺寸的成本功能梯度的指数消失，这使得对实用应用不可行。由于无法有效地模拟通用量子电路，因此确定其训练性是一个重要的问题。在这里，我们找到了一种有效的方法来计算成本函数的梯度及其对各种变异量子电路的差异。我们的计划依赖于我们的证明，证明了从随机初始化电路到一组克利福德电路的精确映射，这些电路可以通过著名的Gottesmann-Knill定理在经典计算机上有效模拟。此方法是可扩展的，可用于证明各种量子电路的训练性，并探索可以克服贫瘠高原问题的设计策略。作为说明性示例，我们显示了最多100吨的结果。
增强具有生成深度学习的定量光声断层扫描的合成训练数据
主要关键词
相关文件推荐
