鴻海 (2317-TW) 研究院量子計算研究所今 (21) 日宣布，與澳洲雪梨大學共同提出量子機器學習領域「貧瘠高原現象」解決方案，為量子機器學習領域展開新的一頁。
雙方本月共同提出「Escaping from the Barren Plateau via Gaussian Initializations in Deep Variational Quantum Circuits」研究報告，藉由適當給定可調參數值改善貧脊高原現象。
該研究成果已獲全球頂級機器學習、計算神經科學領域的學術會議「神經信息處理系統大會 (NeurIPS 2022)」認可。
鴻海研究院量子計算研究所所長謝明修表示，此次解決方案，將能避免量子機器在學習過程中因貧瘠高原現象導致訓練過久或失敗現象，讓量子學習機器超越傳統機器，可大大縮減所需的量子資源。
謝明修表示，量子機器學習過程中能透過控制邏輯閘的可調變參數學習，來得到符合期望的量子電路模型，但在學習過程中，常因邏輯閘過多且結構過深，使參數更新困難。
謝明修所長表示，透過適當給定可調變參數初始值，改善貧瘠高原現象，解決長久以來困擾量子機器學習領域所面臨的問題，研究得到突破進展。
