.png){kind=icon}
返回
Barren plateaus in variational quantum computing
.png){kind=icon}
PRE
AI
DOI：10.1038/s42254-025-00813-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
变分量子计算提供了一种灵活的计算方法，具有广泛的应用前景。然而，实现其潜力的关键障碍是荒漠化平台（barren plateau, BP）现象。当模型出现BP时，其参数优化景观随着问题规模的增加而变得指数级平坦且缺乏特征。值得注意的是，算法的所有组成部分——包括量子态制备方法（ansatz）、初始态、可观测量、损失函数以及硬件噪声——如果选择不当，都可能导致BP的出现。由于BP对训练能力产生严重影响，研究人员已投入大量精力开发理论和方法来理解并缓解其影响。因此，BP的研究已成为一个蓬勃发展的领域，与其他领域（如量子最优控制、张量网络和学习理论）相互影响并交流思想。本文对BP现象的当前理解进行了综述。
Keyword:
TRAINABILITY
CIRCUITS
KERNEL
期刊
IF:
39.5
论文数:
204
被引数:
1.2W
机构
暂无机构信息
引用论文
.png){kind=icon}
Investigating parameter trainability in the SNAP-Displacement protocol of a qudit system.研究qudit系统中SNAP-Displacement协议的参数可训练性。
OAAI
OAAI分享收藏Deep Autoregressive Models for the Efficient Variational Simulation of Many-Body Quantum SystemsOAAI
OAAI分享收藏
查看更多内容