Complex-valued Quantum Neural Networks

doi:10.1038/s41534-026-01369-x

Complex-valued Quantum Neural Networks

2026-09-23

0

OA

AI

DOI：10.1038/s41534-026-01369-x

原文链接

查看原文

摘要

En 中文

量子神经网络领域，一个连接量子计算与机器学习的跨学科新兴前沿，近期已在科学界引起广泛关注。本研究中，我们通过将传统量子机器学习架构的数域从实数域扩展至复数平面，在量子电路框架下提出了一种复数值量子神经网络。这种扩展能够缓解量子特征图和优化模块中的酉约束，并引入增强的非线性特性。理论上已证明，通过频率相关的适应性以及对量子模型输出傅里叶系数的指数或双曲函数分布扩展，表达能力可得到显著提升。此外，基于覆盖数的分析表明，我们的算法可通过可训练的缩放因子在表达能力和泛化能力之间实现自适应平衡，同时相较于酉量子学习模型表现出更优的参数效率。所提算法的性能通过回归和分类任务中的大量数值模拟得以验证，包括在超导量子处理器上的实验实现。本研究推进了利用量子理论中的虚数资源进行学习任务的应用，实现了有理论依据的性能提升，并强调了通过结构化设计改进量子神经网络以适应未来应用的潜力。

Complex-valued Quantum Neural Networks

摘要

AI总结

期刊

机构

引用论文