매개변수화 양자 회로의 작업 정렬 스펙트럼 귀납적 편향

요약

본 논문은 양자 머신러닝 분야에서 사용되는 매개변수화 양자 회로의 아키텍처가 작업에 맞는 귀납적 편향을 제공하는 방식을 연구합니다. 특히, 샘플마다 변하는 신호와 고정된 스펙트럼 쿼리를 결합하여 회로의 가설 클래스를 조절할 수 있음을 보여줍니다. 이는 합성 개구 레이더 기반 분류 작업을 통해 검증되었으며, 정렬된 쿼리가 학습 성능을 향상시키는 경로를 제시합니다.

핵심 포인트

• 매개변수화 양자 회로는 작업에 맞는 귀납적 편향 설계가 필요함.
• 고정된 스펙트럼 쿼리를 활용하여 가설 클래스를 조절할 수 있음.
• 합성 개구 레이더 기반 분류 작업을 통해 성능 향상을 입증함.
• 정렬된 쿼리는 제한된 데이터 환경에서 학습 성능을 높임.