Q-Capsule：一种用于缓解贫瘠高原问题的局部化胶囊式量子神经架构

arXiv:2610.11261v1 公告类型：cross 摘要：变分量子算法常受到贫瘠高原问题的限制：随着电路规模和深度增加，梯度会逐渐消失，使量子神经网络难以训练。我们提出了 Q-Capsule，这是一种局部化的胶囊式量子神经架构，通过寄存器划分、局部读出、稀疏胶囊间耦合、可训练的数据重上传，以及由量子 Fisher 信息矩阵（QFIM）引导的自适应深度增长来缓解这一问题。通过将每个可观测量的主要作用域限制在较小的胶囊内，并控制胶囊间纠缠，Q-Capsule 在保留局部量子表示之间通信能力的同时，维持了有用的梯度信号。随着寄存器宽度增加，Q-Capsule 始终保持稳定的梯度方差，而全局纠缠基线模型则表现出指数级衰减，其对数梯度方差的斜率接近每个量子比特 -ln 2。Q-Capsule 还能产生结构更清晰的优化景观、更高的参数效率、更强的去极化噪声鲁棒性，以及更低的测量需求。在二分类任务中，其自适应策略达到了 98.1% 的准确率；在四分类任务中达到了 97.7% 的准确率，同时在多分类任务中使用的双量子比特门数量比固定深度模型少约 73%。