K-P量子神经网络
本研究针对K-P时间最优量子控制的解决方案进行了扩展，采用全球Cartan $KAK$分解方法，解决量子控制任务中的现有方法不足。通过将Cartan方法融入等变量量子神经网络，我们的工作展示了在某些类控制问题中，基于梯度的训练可以收敛于特定的全局时间最优解，从而为量子机器学习中的最优测地线估计提供了新的视角。
本研究通过全球Cartan $KAK$分解方法扩展了K-P时间最优量子控制的解决方案，克服了现有方法的不足。将Cartan方法与量子神经网络结合，展示了基于梯度的训练能够收敛于全局时间最优解，为量子机器学习中的最优测地线估计提供了新视角。
