Trainable Quantum Channels as Computational Primitives for Quantum Learning
यह शोध पत्र एक गैर-यूनिटरी (non-unitary) क्वांटम मशीन लर्निंग ढांचे का प्रस्ताव करता है जो क्वांटम चैनलों को प्रशिक्षित करने योग्य कम्प्यूटेशनल प्रिमिटिव्स के रूप में मानता है, यह प्रदर्शित करते हुए कि यह दृष्टिकोण अनुकूलन ज्यामिति (optimization geometry) को समृद्ध करता है और पारंपरिक यूनिटरी मॉडलों की तुलना में अनुकूलन के अतिरिक्त दिशाओं और अनुकूलनशील स्पेक्ट्रल मॉड्यूलेशन को सक्षम करके भविष्य कहनेवाला प्रदर्शन को बढ़ाता है।