核心概念
本文探討了參數化量子電路 (PQC) 在逼近多元函數方面的表達能力,並證明了 PQC 在逼近滿足特定平滑性標準的函數時,其量子電路規模和可訓練參數數量可以小於深度 ReLU 神經網路。
Yu, Z., Chen, Q., Jiao, Y., Li, Y., Lu, X., Wang, X., & Yang, J. Z. (2024). Non-asymptotic Approximation Error Bounds of Parameterized Quantum Circuits. Advances in Neural Information Processing Systems, 38.
本研究旨在探討參數化量子電路 (PQC) 在逼近多元函數方面的表達能力,並建立 PQC 逼近誤差的非漸近界限。