From Reachability to Learnability: Geometric Design Principles for Quantum Neural Networks
Diese Arbeit entwickelt geometrische Designprinzipien für Quantenneuronale Netze, die mittels des Kriteriums der fast vollständigen lokalen Selektivität (aCLS) zeigen, dass effektives Feature-Learning trainierbare, datenabhängige geometrische Deformationen erfordert, und verlagert den Designfokus von der bloßen Zustandsreichweite auf die kontrollierbare Geometrie.