हार्डवेयर-कुशल Ansatz बिना किसी गहराई में बंजर पठारों के

वैरिएशनल क्वांटम सर्किट हाल ही में वास्तविक दुनिया के अनुप्रयोगों, जैसे संयोजनात्मक अनुकूलन, क्वांटम अनुकरण, और संभाव्यता वितरण को मॉडल करने के कारण काफी रुचि प्राप्त कर चुके हैं। उनके विशाल संभावितता के बावजूद, इन सर्किटों की व्यावहारिक उपयोगिता दस क्यूबिट से परे अक्सर questioned की जाती है। एक प्रमुख समस्या तथाकथित बंजर पठारों का सिद्धांत है। यादृच्छिक संरचना वाले क्वांटम सर्किट अक्सर एक सपाट लागत-कार्यात्मक परिदृश्य रखते हैं और इसलिए उन्हें कुशलतापूर्वक प्रशिक्षित नहीं किया जा सकता। इस पेपर में, हम दो नवीन पैरामीटर स्थितियों का प्रस्ताव रखते हैं जिनमें हार्डवेयर-कुशल Ansatz (HEA) किसी भी आर्बिट्ररी सर्किट गहराई के लिए बंजर पठारों से मुक्त है। पहली स्थिति में, HEA एक स्थानीय हैमिल्टोनियन द्वारा उत्पन्न समय-उवर्धन ऑपरेटर के करीब होता है। पार्क और किलोरन द्वारा हाल ही में प्राप्त परिणाम का उपयोग करते हुए, हम स्थानीय और वैश्विक अवलोकनों के लिए किसी भी गहराई में ग्रेडिएंट के परिमाण का एक स्थिर न्यूनतम मान साबित करते हैं। दूसरी ओर, HEA दूसरी पैरामीटर स्थिति में कई-शरीर स्थानीयकृत (MBL) चरण में है। हम तर्क करते हैं कि इस चरण में HEA का एक स्थानीय अवलोकन के लिए एक बड़ा ग्रेडिएंट घटक है, जो MBL प्रणाली के लिए एक अनुभवजन्य मॉडल का उपयोग करके है। इन स्थितियों का उपयोग करके HEA के पैरामीटर को प्रारंभ करके, हम प्रदर्शित करते हैं कि हमारे निष्कर्ष कई-शरीर हैमिल्टोनियनों को हल करने में समग्र रूप से बेहतर प्रदर्शन प्रदान करते हैं। हमारे परिणाम इंगित करते हैं कि जब प्रारंभिक पैरामीटर समझदारी से चुने जाते हैं, तो बंजर पठार कोई समस्या नहीं होते हैं, और अन्य कारक, जैसे स्थानीय न्यूनतम या सर्किट की अभिव्यक्तिशीलता, अधिक महत्वपूर्ण होते हैं।