本文研究了量子神经网络的构建与优化，发现未训练网络的函数概率分布收敛于高斯过程。通过梯度下降法训练后，网络能够完美拟合训练集，且训练时间为多项式级别。提出的量子神经网络在经典机器学习基准上表现出竞争力，能够高效执行量子任务，并为量子多体问题提供新工具。