From Reachability to Learnability: Geometric Design Principles for Quantum Neural Networks
Cet article propose des principes de conception géométrique pour les réseaux de neurones quantiques en redéfinissant l'apprenabilité non pas comme une simple atteignabilité des états, mais comme une géométrie contrôlable des représentations cachées nécessitant une dépendance conjointe aux données et aux poids via le critère de sélectivité locale presque complète (aCLS).