본 연구에서는 변분 양자 회로의 학습 능력을 향상시키기 위한 두 가지 메커니즘을 제안한다.
첫째, 학습 데이터의 사전 지식을 활용하여 모델 매개변수를 초기화함으로써 바렌 평탄 문제를 완화한다. 실험 결과, 다양한 초기화 방법에 사전 지식을 적용하면 퀴비트 수 또는 레이어 수가 증가함에 따라 발생하는 기울기 분산의 감소를 효과적으로 완화할 수 있음을 확인했다.
둘째, 학습 과정에서 모델 매개변수에 가우시안 노이즈를 점진적으로 확산시켜 매개변수가 안장점에 갇히는 것을 방지한다. 실험 결과, 가우시안 기반 초기화 방법에 노이즈 확산을 적용하면 기울기 분산의 감소를 완화하고 최적화 과정의 변동성을 높일 수 있음을 확인했다.
종합적으로 본 연구에서 제안한 두 가지 메커니즘은 4개의 공개 데이터셋에서 변분 양자 회로의 학습 능력을 향상시키는 것으로 나타났다.
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Jun Zhuang,J... pada arxiv.org 05-06-2024
https://arxiv.org/pdf/2405.01606.pdfPertanyaan yang Lebih Dalam