Osservabili Diagonali Riducono la Complessità delle Reti Neurali Quantistiche
I ricercatori propongono gli Osservabili Adattivi Non Locali Diagonali (DANOs) per le reti neurali quantistiche, riducendo la complessità dei parametri e delle misurazioni pur mantenendo piena espressività. Gli ANO standard espandono lo spazio delle funzioni degli Algoritmi Quantistici Variazionali rendendo dinamici gli osservabili, ma aumentano il costo dell'ottimizzazione classica. I DANO limitano gli osservabili alla forma diagonale, riducendo la complessità degli osservabili k-locali da O(4^k) a O(2^k) e abbassando il calcolo classico lato misurazione. L'approccio è matematicamente equivalente agli ANO completi modulo similarità unitaria. Il lavoro appare su arXiv come 2605.15410.
Fatti principali
- Gli Osservabili Adattivi Non Locali (ANO) ampliano lo spazio delle funzioni degli Algoritmi Quantistici Variazionali.
- Gli ANO spostano le richieste hardware dalla sintesi dei circuiti alla progettazione delle misurazioni.
- Gli ANO diagonali riducono il numero di parametri e il costo dell'ottimizzazione classica.
- Le matrici diagonali sono rappresentanti canonici dello spazio ANO modulo similarità unitaria.
- Riduzione della complessità da O(4^k) a O(2^k) per osservabili k-locali.
- Il calcolo classico lato misurazione è ridotto.
- Il metodo proposto mantiene la piena capacità degli ANO.
- Articolo pubblicato su arXiv con ID 2605.15410.
Entità
Istituzioni
- arXiv