Explore

量子振幅嵌入中的數據重新上傳可使多項式表達能力每次上傳提升2個數量級。模擬結果顯示，在四階目標上R²從0.689改進至0.975，但收益關鍵取決於任務複雜性，並伴隨指數級的閘極成本。

新穎的量子梯度計算方法通過霍普夫假設重新利用測量結果跨越所有參數導數，實現O(log log M)的開銷。為變分量子算法實現高效的完整梯度評估，具有對數級電路開銷。

雙風味施溫格模型（N=2-6）的VQE縮放研究確定硬體雜訊為N≥4時的約束因素。電荷守恆的置換提供對梯度衰減和洩漏的雙重保護。N=3立即可用於離子阱實驗；全面的雜訊建模...

電路表達能力本身不足以支撐量子訓練。離散CNOT路由控制著優化方向的可達性，造成梯度阻塞，可通過同點增強進行診斷和修復。

iSOMA-AR為變分量子演算法的古典優化引入自適應基旋轉，在旋轉及病態景觀上改善性能達48%（針對特定量子模型），同時在有限測量約束下保持雜訊魯棒性。

NOVQS框架展示多個淺層參數化量子電路的性能能匹配或超越單個深層電路在量子動力學中的表現。揭示深度與電路數量間的權衡，實現了近期硬件上的量子優勢。

研究人員證明非通用變分量子電路的最大可達性發生在利用主軌道類型定理泛型準備的參考態上，建立了解流形可達性的必要充分條件，具有實踐...

發現：當電路參數超過2倍問題複雜度時，VQA可訓練性會經歷相變。在過度參數化區域中，局部最小值集中在全域最小值附近，這使得能為近期量子硬體設計更優質的電路。

新穎的變分框架結合深度學習與蒙特卡洛方法，對二維哈伯德模型達到0.45%的能量精度，並使用高效的低秩矩陣偏移在摻雜體系中揭示電荷-自旋條紋圖案。

一種用於量子模擬的新穎方法，追蹤選定的可觀測量而不是完整的量子態，在相同測量預算下將精確模擬時間延長至多4.2倍。實現中避免使用輔助量子比特。

研究表明子空間可控量子電路在變分機器學習任務中實現了更低的訓練損失並提高了成功率。結果顯示在MNIST-1D分類中性能最好的模型中大多數是可控的，表明超參數...

研究揭示梯度結構診斷單獨不足以實現變分量子算法的優化成功。該研究提出步驟級診斷，並證明投影更新無法通過匹配對照，表明基於探針的搜索驅動了相比哈密頓的改進...

研究人員展示了變分量子電路可以使用有限測量次數可靠地檢測環面碼模型中的拓撲相變，其中糾纏測度確認了臨界行為，並顯示了對實際硬體的顯著魯棒性...

在變分量子模型中認證經驗費雪矩陣的成本為 Θ(pV/ε²G)，其中 V 和 G 分別是測量讀取方差和梯度範數。廣泛引用的立方縮放是一個有限尺寸效應；實際成本取決於讀取光錐幾何，而不僅僅是量子比特計數。

受控實驗識別出兩種機制，使VQA景觀對局部優化困難：重複的參數重用和相互競爭的2-局部/3-局部成本項。景觀診斷以80–86%的準確率預測優化器機制，表明優化景觀的幾何...