释放基于脉冲的量子神经网络的表达能力
原文中文，约300字，阅读约需1分钟。发表于：。量子机器学习基于噪声中尺度量子设备需要对有限的量子资源进行最优利用，而基于脉冲的模型在相同相干时间内能够构建 ' 无限 ' 深的量子神经网络，从而释放出更大的表达能力。本研究从量子控制理论的角度探讨了基于脉冲的模型的潜力，证明了基于脉冲的模型在物理系统可控的情况下可以近似任意非线性函数，并通过数值模拟展示了其相较于基于门的模型具有更高的表达能力，为使用 NISQ...
量子机器学习基于脉冲模型能够更好地利用有限的量子资源，构建无限深的量子神经网络，释放更大的表达能力。研究证明基于脉冲的模型可以近似任意非线性函数，并展示了其相较于基于门的模型具有更高的表达能力，为设计表达性强的量子机器学习模型提供了理论基础。
