ترجمه فارسی مقاله در مورد آموزش پذیری و شبیه سازی کلاسیک حالت های محصول ماتریس یادگیری به صورت متغیر

چکیده

We prove that using global observables to train the matrix product state ansatz results in the vanishing of all partial derivatives, also known as barren plateaus, while using local observables avoids this. This ansatz is widely used in quantum machine learning for learning weakly entangled state approximations. Additionally, we empirically demonstrate that in many cases, the objective function is an inner product of almost sparse operators, highlighting the potential for classically simulating such a learning problem with few quantum resources. All our results are experimentally validated across various scenarios.

چکیده به فارسی (ترجمه ماشینی)

ما ثابت می کنیم که استفاده از مشاهدات جهانی برای آموزش وضعیت محصول ماتریس ANSATZ منجر به از بین رفتن همه مشتقات جزئی ، همچنین به عنوان فلات بی ثمر می شود ، در حالی که از مشاهدات محلی استفاده می کند از این امر جلوگیری می کند.این ANSATZ به طور گسترده ای در یادگیری ماشین کوانتومی برای یادگیری تقریب های حالت ضعیف مورد استفاده قرار می گیرد.علاوه بر این ، ما به صورت تجربی نشان می دهیم که در بسیاری از موارد ، عملکرد عینی محصولی داخلی از اپراتورهای تقریباً پراکنده است که پتانسیل شبیه سازی کلاسیک چنین مشکل یادگیری را با چند منابع کوانتومی برجسته می کند.تمام نتایج ما به صورت تجربی در سناریوهای مختلف تأیید می شود.