arXiv quant-ph· Tatiana A. Bespalova, R\'eka Schwengelbeck, Laura Mismetti, Johannes Schachenmayer, Ivano Tavernelli, Francesco Tacchino·· 7 小时前AI 评分28
量子卷积神经网络（QCNN）及其经典代理模型在长程强关联模型上的基准评测
Benchmarking Quantum Convolutional Neural Networks and their classical surrogates on long-range strongly correlated models
AI 导读
研究评测了量子卷积神经网络（QCNN）及其经典代理模型在一维长程强关联系统中的相区分表现。在混合架构中，团队通过泡利反向传播（Pauli backpropagation）分析截断参数对近似精度与展开规模的权衡。结果表明海森堡模型在激进截断下可稳健收敛，而扩展 t-t' Fermi-Hubbard 模型保留的泡利串数量与评估成本急剧上升。
来源：arXiv quant-ph · arxiv.org