关键词parameterized quantum circuit
搜索结果 - 6
- 量子策略梯度训练问题
研究了参数化量子电路为基础的强化学习策略的可训练性，发现拥有指数小梯度和梯度爆炸的标准荒原问题，以及这些现象与基态分区和分区映射相关，采用连续型分区的基态可以确保多项式数量的训练窗口和测量次数，该研究在多臂赌博机环境中进行了实证验证。
- 量子自然策略梯度
探讨了量子菲舍尔信息矩阵在增强参数化量子电路 (PQC) 强化学习代理性能方面的作用；通过对量子和经典菲舍尔信息矩阵之间的 Löwner 不等式进行详细分析，揭示了使用每种类型的信息矩阵的微妙差别和影响。结果表明，使用量子菲舍尔信息矩阵的 - 混合量子神经网络的深度强化学习
本研究旨在探究基于门型量子计算机的参数量子电路，通过集成最新的 Qiskit 和 PyTorch 框架，与纯经典深度神经网络进行比较，评估其在模型非自由强化学习问题中的潜力，以及在解决迷宫问题或其他强化学习问题方面、深度量子学习的前景。
- 将空间对称性纳入参数化量子电路以加速训练
本文介绍了一种名为 ORB 的量子学习模型的最优参数结构，通过考虑问题哈密顿量的自同构群而形成这种理想参数结构，证实了在多个基态问题中 ORB 的表现要比文献里的电路结构更好。
- 具有增强数据编码的量子自编码器
本研究提出了增强特征量子自编码器（EF-QAE），通过定义一个参数化的量子电路和特征向量特征不同模型，EF-QAE 实现了更好的压缩量子信息性能，并在近期量子技术能力范围内实现了更好的性能。
- 量子神经网络训练景观中的贫瘠高原
本文研究了嘈杂中等规模量子设备的参数化量子电路的梯度估计和优化问题。作者指出，由于希尔伯特空间的指数维度和梯度估计复杂度，随机电路不适用于超过少量量子比特的混合量子 - 经典算法。