量子神经网络、变分算法（VQE/QAOA）、数据编码与核方法、梯度与谱方法。
词条列表
- 量子神经网络 — 原理与架构
- 含参量子门 — 矩阵欧拉公式与参数化
- 参数平移法则 — 变分梯度估计的基础
- 量子神经网络的 PennyLane 实现 — 主词条实战示例
- 贫瘠高原 — 表达力、梯度集中与可训练性
- VQE（变分量子本征求解器） — UCC 拟设与化学应用
- QAOA（量子近似优化算法） — 组合优化的变分方案
- 量子数据编码 — 从角度编码到数据重上传
- 量子核方法 — 核技巧、指数集中与优势边界
- 量子经典混合神经网络 — 原理、架构与前沿
- 量子梯度估计 — Phase Kickback、d 维逆 QFT 与高阶导数
- 量子机器学习算法谱系 — 从线性代数、核方法到拓扑数据分析
- 主特征向量的经典输出 — Robust Power Method 与无偏 Tomography
- 谱和与行列式 — MMPE 与 QSVT Trace Estimation
- Tensor PCA — Spiked Tensor 与四次方加速