Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression
Dieser Artikel schlägt einen hybriden quantenklassischen Regressionsrahmen vor, der ein lernbares geometrisches Vorkonditionierungs-Embedding mit einem curriculumbasierten Trainingsprotokoll kombiniert, um Trainierbarkeitsprobleme in variationalen Quantenschaltkreisen zu überwinden, wobei eine verbesserte Leistung gegenüber reinen Quanten-Baselines demonstriert wird, während gleichzeitig die anhaltende Wettbewerbsfähigkeit starker klassischer Methoden anerkannt wird.