量子神经网络不加层也能提表达力:复值非幺正操作把回归误差从 9.55e-2 降到 3.69e-4

bravo_abad · x · 2026-09-25

bravoabad 解读 Wen 等人的论文:在不加深网络、不增加可训练参数的前提下,向常规量子电路中引入少量虚值、非幺正操作,显著扩大模型可探索的变换空间,从而提升表达力。要点:- 回归任务:常规量子神经网络 MSE 为 9.55×10⁻²,复值扩展在相同参数量下降至 3.69×10⁻⁴,改善约两个数量级;- 分类任务:浅层复值量子神经网络达到约 96% 准确率,超过更深的常规量子神经网络;- 核心思路是变换空间而非参数量决定了量子模型容量,为浅层电路受限场景(如 NISQ 设备)提供另一条提升路线。