本研究提出以短语为信息单元，解决传统信息理论在语言传递中的不足。通过大型语言模型，发现短语传递的意义可以用比特数衡量，揭示了信息传达的新方法。

本文证明了使用量子神经网络从高保真度的初始状态开始，学习未知量子态的概率随比特数指数级下降，而与电路深度多项式增长。同时提出了普遍限制和自适应方法，以改善QNNs的可学习性和可扩展性，并深化了先验信息在QNNs中的作用的理解。