1
ที่ราบสูงที่แห้งแล้งในภูมิทัศน์การฝึกอบรมโครงข่ายประสาทควอนตัม
ที่นี่ผู้เขียนยืนยันว่าความพยายามในการสร้างเครือข่ายประสาทเทียมควอนตัมที่ปรับขนาดได้โดยใช้ชุดของพารามิเตอร์ประตูจะถือว่าล้มเหลวสำหรับ qubits จำนวนมาก นี่คือความจริงที่ว่าเนื่องจากเล็มม่าของเลมม่าการไล่ระดับสีของฟังก์ชั่นในพื้นที่มิติสูงเกือบเป็นศูนย์ทุกที่ ฉันสงสัยว่าอาร์กิวเมนต์นี้สามารถนำไปใช้กับวิธีการหาค่าเหมาะที่สุดแบบควอนตัมแบบคลาสสิกอื่น ๆ เช่นVQE (Variational Quantum Eigensolver) หรือQAOA (อัลกอริธึมการเพิ่มประสิทธิภาพโดยประมาณควอนตัม) คุณคิดอย่างไร?