鸿海研究院量子计算研究所昨日宣布，其已与澳大利亚悉尼大学共同提出了一个量子机器学习领域关于“贫瘠高原现象“的解决方案，这为量子机器学习领域翻开了新的一页。

双方本月共同发布了题为《Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits》的研究论文，通过适当给定可调参数值来改善贫脊高原现象。

该研究成果已获全球顶级机器学习、计算神经科学领域的学术会议“神经信息处理系统大会(NeurIPS 2022)”认可。

鸿海研究院量子计算研究所所长谢明修表示，这种解决方案将能避免量子机器在学习过程中因贫瘠高原现象导致训练过久或失败现象，能让量子学习机器超越传统机器，可大大缩减所需的量子资源。

谢明修表示，量子机器学习过程中能通过控制逻辑门的可调变参数学习，来得到符合期望的量子电路模型，但在学习过程中，常因逻辑门过多且结构过深，使参数更新困难。

谢明修所长表示，通过适当给定可调变参数初始值，能改善贫瘠高原现象。这解决了长期以来困扰量子机器学习领域的问题，他们的研究在该问题上取得了突破性的进展。