⚛️ quantum physics

Architecture Shape Governs QNN Trainability: Jacobian Null Space Growth and Parameter Efficiency

यह शोध पत्र यह प्रदर्शित करता है कि जबकि समान एनकोडिंग बजट वाले विभिन्न वेरिएशनल क्वांटम सर्किट आर्किटेक्चर समान फ्रीक्वेंसी स्पेक्ट्रा उत्पन्न करते हैं, उनकी प्रशिक्षण क्षमता (trainability) मौलिक रूप से आर्किटेक्चरल आकार द्वारा नियंत्रित होती है, जहाँ सीरियल डिज़ाइन जैकोबियन रैंक की कमी के कारण स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन (structural gradient starvation) से ग्रस्त होते हैं, जबकि पैरेलल डिज़ाइन और फीचर मैप परतों का जुड़ना पैरामीटर दक्षता और सुदृढ़ अभिसरण (robust convergence) सुनिश्चित करता है।

मूल लेखक: Michael Poppel, David Bucher, Maximilian Zorn, Markus Baumann, Sebastian Wölckert, Claudia Linnhoff-Popien, Philipp Altmann, Jonas Stein

प्रकाशित 2026-05-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Michael Poppel, David Bucher, Maximilian Zorn, Markus Baumann, Sebastian Wölckert, Claudia Linnhoff-Popien, Philipp Altmann, Jonas Stein

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रोबट को मौसम की भविष्यवाणी करना सिखाने की कोशिश कर रहे हैं, जिसके लिए आप उसे पैटर्न की एक श्रृंखला दिखा रहे हैं। आपके पास इस रोबट को बनाने के लिए संसाधनों का एक निश्चित "बजट" है। क्वांटम कंप्यूटिंग की दुनिया में, इस बजट को एन्कोडिंग बजट ( $E$ ) कहा जाता है। यह वह कुल "सूचना क्षमता" है जिसे आप डेटा को मशीन में फीड करने के लिए उपयोग करते हैं।

यह शोध पत्र एक सरल लेकिन आश्चर्यजनक प्रश्न पूछता है: क्या यह मायने रखता है कि आप अपने संसाधनों को कैसे व्यवस्थित करते हैं?

विशेष रूप से, यदि आपके पास 12 यूनिट का बजट है, तो क्या एक ऐसा रोबट बनाना बेहतर है जिसमें 1 मस्तिष्क हो जो बहुत गहराई से सोचता है (प्रोसेसिंग के 12 स्तर/layers), या 12 मस्तिष्क हों जो प्रत्येक थोड़ा सा सोचते हैं (प्रत्येक का 1 स्तर)?

शोध पत्र पाता है कि रोबट के मस्तिष्क का आकार अत्यंत महत्वपूर्ण है, और यहाँ इसके कारण दिए गए हैं, कुछ रोजमर्रा के उदाहरणों का उपयोग करते हुए:

1. "एक मस्तिष्क" की समस्या: स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन (Structural Gradient Starvation)

कल्पना कीजिए कि एक अकेला व्यक्ति (सीरियल आर्किटेक्चर) एक जटिल गाना सीखने की कोशिश कर रहा है। उसे बोल, धुन और लय, सब कुछ एक साथ याद करना है।

शोध पत्र इस सेटअप में एक छिपे हुए दोष की खोज करता है। जैसे-जैसे आप इस अकेले व्यक्ति को अधिक उपकरण (पैरामीटर्स) देते हैं, वह एक दीवार से टकरा जाता है। चाहे आप कितने भी नए उपकरण जोड़ दें, वह उन सभी का उपयोग नहीं कर पाता।

उदाहरण: उस व्यक्ति के मस्तिष्क को एक एकल गलियारे (hallway) के रूप में सोचें। आप इस गलियारे में एक समय में केवल एक ही दिशा में चल सकते हैं। यदि आप गलियारे में 100 नए लोग (पैरामीटर्स) जोड़ते हैं, तो वे सभी एक ही स्थान पर खड़े हो जाते हैं, एक ही सिग्नल का इंतजार करते हुए। वे कार्य से स्ट्रक्चरली डिकपल्ड (structurally decoupled) हैं।
परिणाम: शोध पत्र इसे "स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन" कहता है। यह एक ऐसी टीम की तरह है जिसमें 100 कर्मचारी हैं, लेकिन बॉस केवल उनमें से 3 को निर्देश दे सकता है। बाकी 97 कर्मचारी वहीं खड़े हैं जिनके पास कोई काम नहीं है, उन्हें "जीरो ग्रेडिएंट सिग्नल" (सुधार के लिए कोई निर्देश नहीं) मिल रहा है। जैसे-जैसे आप अधिक कार्यकर्ता जोड़ते हैं, बेकार खड़े कार्यकर्ताओं का प्रतिशत बढ़ता जाता है जब तक कि लगभग हर कोई बेकार न हो जाए।

2. "कई मस्तिष्कों" का समाधान: इंडिपेंडेंट फेज ट्राजेक्टरीज (Independent Phase Trajectories)

अब कल्पना कीजिए कि आपके पास 12 लोग हैं (पैरेलल आर्किटेक्चर), जिनमें से प्रत्येक का अपना एक छोटा कमरा है। वे सभी एक ही गाने पर काम कर रहे हैं, लेकिन वे स्वतंत्र रूप से हिल-डुल सकते हैं।

उदाहरण: क्योंकि वे अलग-अलग कमरों में हैं, वे एक ही गलियारे में नहीं फंसते। प्रत्येक व्यक्ति समाधान तक पहुँचने के लिए अपना अनूढ़ा मार्ग खोज सकता है। उन्हें एक साथ कदम से कदम मिलाकर चलने के लिए मजबूर नहीं किया जाता।
परिणाम: इस सेटअप में, लगभग हर एक कार्यकर्ता को एक उपयोगी निर्देश मिलता है। "गलियारा" इतना चौड़ा है कि सभी के लिए जगह है। शोध पत्र यह सिद्ध करता है कि जब तक आप कार्यकर्ताओं की एक निश्चित संख्या से अधिक नहीं जाते, तब तक हर कोई सीखने की प्रक्रिया में योगदान देता है। यहाँ कोई "स्टार्वेशन" (भुखमरी) नहीं है।

3. शक्ति बढ़ाने के दो तरीके

एक बार जब आपके पास एक काम करने वाला रोबट हो जाता है, तो आप इसे और स्मार्ट बनाना चाह सकते हैं। शोध पत्र इन दो तरीकों का परीक्षण करता है, और परिणाम बहुत अलग हैं:

विकल्प A: अधिक "फीचर मैप" लेयर्स जोड़ना (क्वांटम तरीका)
यह रोबट को बेहतर आँखें या कान देने जैसा है। यह रोबट को संगीत के उच्च सुर सुनने या पैटर्न के सूक्ष्म विवरण देखने की अनुमति देता है।

प्रभाव: यह रोबट की वास्तविक क्षमता का विस्तार करता है। यह गणित के नए "निर्देशों" (directions) को अनलॉक करता है जिन्हें रोबट सीख सकता है।
परिणाम: यह अत्यधिक कुशल है। शोध पत्र दिखाता है कि इस विधि का उपयोग करके आप 1.6 से 2.2 गुना कम पैरामीटर्स (कार्यकर्ताओं) के साथ समान उच्च प्रदर्शन प्राप्त कर सकते हैं। यह कम लोगों को काम पर रखने लेकिन उन्हें बेहतर उपकरण देने जैसा है।

विकल्प B: अधिक "ट्रेनेबल ब्लॉक्स" जोड़ना (क्लासिकल तरीका)
यह मौजूदा रोबट को अधिक मेमोरी या अधिक दोहराव वाले अभ्यास ड्रिल देने जैसा है, लेकिन बिना उसकी देखने या सुनने की क्षमता बदले।

प्रभाव: यह नई क्षमताएं अनलॉक नहीं करता है। यह केवल "इंटरपोलेशन" नामक एक क्लासिकल ट्रिक पर निर्भर करता है। मूल रूप से, यदि आपके पास पर्याप्त कार्यकर्ता हैं, तो वे अंततः उत्तर का अनुमान लगा सकते हैं, भले ही वे वास्तव में अंतर्निहित पैटर्न को न समझते हों।
परिणाम: यह अक्षम है। समान परिणाम प्राप्त करने के लिए आपको बहुत अधिक कार्यकर्ताओं की आवश्यकता होती है, और आप कोई "क्वांटम" लाभ प्राप्त नहीं कर रहे हैं। आप केवल समस्या को बलपूर्वक हल (brute-force) करने की कोशिश कर रहे हैं।

4. वास्तविक दुनिया का परीक्षण

लेखकों ने यह केवल काल्पनिक गणितीय समस्याओं के साथ नहीं किया। उन्होंने इंग्लैंड के नॉटिंगहैम के वास्तविक ऐतिहासिक तापमान डेटा पर इसका परीक्षण किया।

जब डेटा बहुत जटिल था: "कई मस्तिष्कों" वाला दृष्टिकोण (बेहतर फीचर मैप्स के साथ) सफल रहा। "अधिक कार्यकर्ता" वाला दृष्टिकोण पूरी तरह विफल रहा क्योंकि कार्यकर्ता पैटर्न देख ही नहीं पा रहे थे।
जब डेटा सरल था: "कई मस्तिष्कों" वाला दृष्टिकोण अभी भी जीत गया, जिसे काम पूरा करने के लिए बहुत कम कार्यकर्ताओं की आवश्यकता थी।

मुख्य निष्कर्ष (The Bottom Line)

यदि आप एक क्वांटम मशीन लर्निंग मॉडल बना रहे हैं:

सब कुछ एक ही रेखा में न रखें। समानांतर संरचनाओं (कई क्यूबिट्स) का उपयोग करें ताकि अपने पैरामीटर्स को "स्टार्वेशन" से बचाया जा सके।
सिर्फ एक ही चीज़ की कई परतें न जोड़ें। यदि आपको अधिक शक्ति की आवश्यकता है, तो अधिक "सेंसर" (फीचर मैप्स) जोड़ें ताकि मशीन जो देख सकती है उसका विस्तार हो सके, बजाय इसके कि केवल अधिक "प्रोसेसर" (ट्रेनेबल ब्लॉक्स) जोड़ें जो केवल पुराने तरीकों को दोहराते हैं।

आपके आर्किटेक्चर का आकार केवल एक डिज़ाइन विकल्प नहीं है; यह निर्धारित करता है कि आपकी मशीन वास्तव में सीख पाएगी या वह केवल निर्देशों के इंतजार में गलियारे में खड़े लोगों की भीड़ मात्र बनकर रह जाएगी।

तकनीकी सारांश: आर्किटेक्चर का आकार QNN की प्रशिक्षण क्षमता (Trainability) को नियंत्रित करता है

1. समस्या विवरण

एंगल एनकोडिंग (angle encoding) के रूप में कार्य करने वाले वेरिएशनल क्वांटम सर्किट्स (VQCs) ट्रंकेटेड फूरियर सीरीज़ एप्रोक्सिमेटर्स (truncated Fourier series approximators) होते हैं। सैद्धांतिक कार्य (Schuld et al., 2021; Holzer & Turkalj, 2024) यह स्थापित करता है कि एक निश्चित कुल एनकोडिंग बजट $E = NL $(जहाँ$ N $क्वबिट्स की संख्या है और$ L$ प्रति क्वबिट एनकोडिंग परतों की संख्या है) के लिए, सुलभ फ्रीक्वेंसी स्पेक्ट्रम और स्पेक्ट्रल बायस (spectral bias) आर्किटेक्चर के आकार $(N, L)$ के बावजूद समान रहते हैं।

इस एक्सप्रेसिविटी (expressivity) और स्पेक्ट्रल रेडंडेंसी (spectral redundancy) में सैद्धांतिक समानता के बावजूद, अनुभवजन्य अवलोकन (empirical observations) प्रशिक्षण क्षमता में एक महत्वपूर्ण अंतर प्रकट करते हैं। जैसा कि पेपर के चित्र 1 में दर्शाया गया है, कम क्वबिट काउंट वाले आर्किटेक्चर (जैसे, $N=1, 2$ ) पैरामीटर काउंट की एक विस्तृत श्रृंखला में उच्च-सटीकता वाले समाधानों ( $R^2 \ge 0.95$ ) तक पहुँचने में विफल रहते हैं, जबकि मध्यम स्तर के आर्किटेक्चर (जैसे, $N=3, 4$ ) बहुत कम पैरामीटर्स के साथ सफल होते हैं। चूंकि सिंगल-क्विबिट सर्किट सीमांत स्थिति (limit) में यूनिवर्सल फंक्शन एप्रोक्सिमेटर होते हैं, इसलिए केवल एक्सप्रेसिविटी इस विफलता की व्याख्या नहीं कर सकती। यह पेपर उन संरचनात्मक तंत्रों की जांच करता है जो इस प्रशिक्षण क्षमता के अंतर (trainability gap) के लिए जिम्मेदार हैं और विभिन्न आर्किटेक्चरल मार्गों के माध्यम से पैरामीटर काउंट बढ़ाने की विभेदक दक्षता (differential efficiency) का अध्ययन करता है।

2. कार्यप्रणाली और सैद्धांतिक ढांचा

2.1 जैकोबियन का संरचनात्मक विश्लेषण

लेखक कोएफिशिएंट मैचिंग जैकोबियन $J \in \mathbb{R}^{|\Omega| \times P}$ का विश्लेषण करते हैं, जहाँ $|\Omega| = 2E + 1$ वास्तविक फूरियर कोएफिशिएंट्स की संख्या है और $P$ पैरामीटर काउंट है। $J$ की रैंक उन स्वतंत्र फूरियर दिशाओं की संख्या निर्धारित करती है जो ऑप्टिमाइज़र के लिए सुलभ हैं। $J$ के नुल स्पेस ( $\ker J$ ) में स्थित पैरामीटर्स लॉस फंक्शन से संरचनात्मक रूप से अलग (decoupled) होते हैं और उन्हें समान रूप से शून्य ग्रेडिएंट सिग्नल प्राप्त होता है।

अध्ययन एक निश्चित $E$ पर दो आर्किटेक्चरल चरम सीमाओं की तुलना करता है:

सीरियल आर्किटेक्चर ( $N=1, L=E$ ): एक सिंगल क्वबिट जिसमें $E$ एनकोडिंग लेयर्स हैं।
पैरेलल आर्किटेक्चर ( $N=E, L=1$ ): $E$ क्वबिट्स जिनमें एक एनकोडिंग लेयर प्रत्येक में है, जो संभवतः एन्सैटज़ (ansatz) लेयर्स के माध्यम से एंटैंगल्ड (entangled) हैं।

2.2 मुख्य सैद्धांतिक तंत्र

सीरियल सर्किट्स में फेज-लॉकिंग (Phase-Locking): लेखक सिद्ध करते हैं कि सिंगल-क्विबिट सर्किट्स के लिए, सभी पैरामीटर्स के लिए ग्रेडिएंट दिशाएं एक सामान्य ग्लोबल फेज फैक्टर साझा करती हैं। यह सभी ग्रेडिएंट वेक्टर्स को अधिकतम $2L + 1$ आयाम के सबस्पेस के भीतर रहने के लिए मजबूर करता है (प्रपोजिशन 3.1, लेम्मा 3.2)।
स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन (Structural Gradient Starvation): सीरियल सर्किट्स में, जैसे-जैसे पैरामीटर काउंट $P$ , रैंक सीलिंग ( $2L+1$ ) से आगे बढ़ता है, नुल स्पेस का आयाम रैखिक रूप से बढ़ता है ( $\dim(\ker J) \ge P - (2L+1)$ )। फलस्वरूप, शून्य ग्रेडिएंट सिग्नल प्राप्त करने वाले पैरामीटर्स का अंश $P \to \infty$ होने पर 1 के करीब पहुँच जाता है। यह बैरन प्लेटो (Barren Plateaus; McClean et al., 2018) से भिन्न है, क्योंकि यह ग्रेडिएंट वेरिएंस के घातीय क्षय के बजाय एक स्ट्रक्चरल रैंक डेफिसिएंसी (rank deficiency) है।
पैरेलल सर्किट्स में बाइलिनियर फैक्टराइजेशन (Bilinear Factorization): पैरेलल आर्किटेक्चर में, फूरियर कोएफिशिएंट्स अलग-अलग पैरामीटर्स के सेट पर निर्भर बाइलिनियर टर्म्स में फैक्टराइज होते हैं (प्रपोजिशन A.1)। यह ग्लोबल फेज कोहेरेंस को तोड़ता है, जिससे विभिन्न क्वबिट्स के लिए स्वतंत्र फेज ट्रैजेक्टरीज संभव होती हैं। फलस्वरूप, पैरेलल आर्किटेक्चर स्पेक्ट्रल डायमेंशन से अधिक पैरामीटर काउंट होने तक जेनेरिक रूप से पूर्ण कॉलम रैंक ( $\sigma_{\min}(J) > 0$ ) बनाए रखते हैं।

2.3 प्रयोगात्मक डिजाइन

लेखक इन सैद्धांतिक दावों को निम्नलिखित का उपयोग करके सत्यापित करते हैं:

सिंथेटिक टारगेट्स: प्रत्येक आर्किटेक्चर के न्यूनतम कॉन्फ़िगरेशन के लिए अनुकूलित विशिष्ट डिग्री ( $d$ ) वाली रैंडम फूरियर सीरीज़।
रियल-वर्ल्ड डेटा: नॉटिंगहैम टेम्परेचर डेटासेट (Hipel & McLeod, 1994)।
दो पैरामीटराइजेशन मार्ग:
1. FM मार्ग: ट्रेन करने योग्य ब्लॉक डेप्थ को स्थिर रखते हुए फीचर मैप (FM) लेयर्स ( $L$ ) की संख्या बढ़ाना। यह फ्रीक्वेंसी स्पेक्ट्रम $|\Omega|$ का विस्तार करता है और रैंक सीलिंग को बढ़ाता है।
2. ट्रेन करने योग्य ब्लॉक्स (tbl) मार्ग: $L$ को स्थिर रखते हुए ट्रेन करने योग्य एन्सैटज़ लेयर्स की संख्या बढ़ाना। यह स्पेक्ट्रम या रैंक सीलिंग को बदले बिना $P$ को बढ़ाता है।
डायग्नोस्टिक्स: रैंक इंडेक्स (जहाँ आइगेनवैल्यू तेजी से गिरती है) की पहचान करने और शोषण योग्य ग्रेडिएंट दिशाओं के अंश को मापने के लिए जैकोबियन QFIM आइगेनवैल्यू स्पेक्ट्रा का विश्लेषण।

3. मुख्य योगदान

स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन की पहचान: यह पेपर सिद्ध करता है कि सीरियल सिंगल-क्विबिट आर्किटेक्चर $2L+1$ की एक स्ट्रक्चरल रैंक सीलिंग से ग्रस्त होते हैं। इससे "स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन" होता है, जहाँ $P$ बढ़ने के साथ बढ़ता हुआ हिस्सा लॉस से डिस्कनेक्ट हो जाता है।
पैरेलल एडवांटेज का प्रमाण: लेखक स्वतंत्र फेज ट्रैजेक्टरीज के माध्यम से इस सीमा से बचने के लिए पैरेलल आर्किटेक्चर का प्रदर्शन करते हैं, जो $P \le 2E + 1$ तक पूर्ण कॉलम रैंक बनाए रखते हैं। यह लाभ संरचनात्मक है, न कि केवल थ्रेशोल्ड-आधारित।
पैरामीटराइजेशन रणनीतियों का विभेदन: पेपर यह स्थापित करता है कि फीचर मैप (FM) लेयर्स जोड़ना और ट्रेन करने योग्य ब्लॉक्स जोड़ना मौलिक रूप से भिन्न प्रभाव डालते हैं:
- FM लेयर्स: सुलभ फ्रीक्वेंसी स्पेक्ट्रम का विस्तार करती हैं और स्पेक्ट्रल नी (spectral knee) को दाईं ओर खिसकाती हैं, जो एक क्वांटम-विशिष्ट तंत्र को सक्रिय करती हैं।
- ट्रेन करने योग्य ब्लॉक्स: स्पेक्ट्रम का विस्तार नहीं करते; इसमें सुधार केवल क्लासिकल इंटरपोलेशन मैकेनिज्म (ओवरडिटरमिन्ड सिस्टम जहाँ $P \ge n_{train}$ ) के माध्यम से प्राप्त किया जाता है।
दक्षता का अनुभवजन्य सत्यापन: प्रयोग दिखाते हैं कि FM मार्ग विभिन्न आर्किटेक्चर ( $N=1$ से $N=6$ ) और टारगेट डिग्री के लिए ट्रेन करने योग्य ब्लॉक्स मार्ग की तुलना में 1.6–2.2× कम पैरामीटर्स के साथ लक्ष्य सटीकता ( $R^2 \ge 0.95$ ) प्राप्त करता है।

4. परिणाम

ट्रेनिंग गैप: निश्चित एनकोडिंग बजट $E=12$ पर, सीरियल ( $N=1$ ) और लो-क्विबिट ( $N=2$ ) आर्किटेक्चर सैकड़ों पैरामीटर्स के साथ भी $R^2 \ge 0.95$ तक पहुँचने में विफल रहते हैं, जबकि $N=3$ और $N=4$ काफी कम पैरामीटर्स के साथ सफल होते हैं (चित्र 1)।
रैंक सीलिंग का सत्यापन: जैकोबियन रैंक के अनुभवजन्य माप पुष्टि करते हैं कि सीरियल सर्किट तुरंत $2L+1$ की सीलिंग से टकराते हैं, जबकि पैरेलल सर्किट $P > 2E+1$ तक पूर्ण रैंक बनाए रखते हैं (चित्र 5)।
ग्रेडिएंट स्टार्वेशन: सीरियल सर्किट्स में, $\ker J$ में पैरामीटर्स का अंश $P$ के साथ निरंतर बढ़ता है और 1 के करीब पहुँच जाता है। पैरेलियल सर्किट्स में, जब तक $P > 2E+1$ नहीं हो जाता, तब तक कोई भी पैरामीटर $\ker J$ में नहीं होता।
FM बनाम ट्रेन करने योग्य ब्लॉक्स:
- स्पेक्ट्रल नी (Spectral Knee): FM मार्ग के साथ, प्रत्येक जोड़ी गई लेयर के साथ स्पेक्ट्रल नी दाईं ओर खिसकती है, जो नए फूरियर दिशाओं तक पहुँच का संकेत देती है। ट्रेन करने योग्य ब्लॉक्स मार्ग के साथ, नी सैद्धांतिक सीलिंग $2NL_{min} + 1$ पर स्थिर रहती है (चित्र 3, चित्र 9)।
- पैरामीटर दक्षता: FM मार्ग लगातार संतृप्ति (saturation) तक पहुँचने के लिए कम पैरामीटर्स की आवश्यकता होती है। $N=1$ के लिए अनुपात 1.9× है; $N=2$ के लिए 2.2×; $N=4$ के लिए 2.1×; और $N=6$ के लिए 1.6× है (तालिका 2)।
रियल-वर्ल्ड वैलिडेशन: नॉटिंगहैम डेटासेट पर, जब एनकोडिंग बजट अपर्याप्त था ( $E=12$ ), ट्रेन करने योग्य ब्लॉक्स मार्ग एक्सप्रेसिविटी सीमाओं के कारण पूरी तरह विफल रहा ( $R^2 < 0$ ), जबकि FM मार्ग स्पेक्ट्रम का विस्तार करके सफल रहा। जब एक्सप्रेसिविटी पर्याप्त थी ( $E=24$ ), तो FM मार्ग $N \in \{1, 2, 4\}$ के लिए अधिक पैरामीटर-कुशल बना रहा।
लारोक्का रिजीम अपवाद (Larocca Regime Exception): उच्च एक्सप्रेसिविटी ( $E=24$ ) के साथ $N=6$ के लिए, लाभ उल्टा हो गया: ट्रेन करने योग्य ब्लॉक्स मार्ग सफल रहा जबकि FM मार्ग स्थिर (plateau) हो गया। लेखक इसका श्रेय इसे लारोक्का अंडर-पैरामीटराइजेशन रिजीम (जहाँ $P \approx R_{max} = 126$ ) में जाने को देते हैं, जहाँ एनकोडिंग लेयर्स जोड़ने से पैरामीटर की मांग उतनी ही तेजी से बढ़ती है जितनी कि जोड़े गए पैरामीटर्स उसे संतुष्ट कर पाते हैं।

5. महत्व और दावे

यह पेपर सीरियल और पैरेलल क्वांटम न्यूरल नेटवर्क्स (QNNs) के बीच प्रशिक्षण क्षमता के अंतर के लिए एक सटीक यांत्रिक स्पष्टीकरण प्रदान करने का दावा करता है। यह तर्क देता है कि सिंगल-क्विबिट स्टेट स्पेस ( $CP^1$ ) की ज्यामिति एक मौलिक संरचनात्मक बाधा (फेज-लॉकिंग) लागू करती है जो सीरियल सर्किट्स में जैकोबियन की प्रभावी रैंक को सीमित करती है, जिससे स्ट्रक्चरल ग्रेडिएंट स्टार्वेशन होता है।

प्राथमिक व्यावहारिक महत्व एक डिज़ाइन अनुशंसा है: फीचर मैप लेयर्स जोड़ें, न कि ट्रेन करने योग्य ब्लॉक्स। लेखक जोर देते हैं कि एनकोडिंग डेप्थ ( $L$ ) को बढ़ाना ही एकमात्र मार्ग है जो एक क्वांटम-विशिष्ट तंत्र (सुलभ फ्रीक्वेंसी स्पेक्ट्रम का विस्तार करना और स्पेक्ट्रल नी को खिसकाना) को संलग्न करता है, जबकि ट्रेन करने योग्य ब्लॉक्स जोड़ना क्लासिकल इंटरपोलेशन पर निर्भर करता है। यह संरचनात्मक अंतर्दृष्टि बताती है कि पैरेलल आर्किटेक्चर अधिक ट्रेन करने योग्य क्यों हैं और FM लेयर्स अधिक पैरामीटर-कुशल क्यों हैं।

लेखक अपने सैद्धांतिक प्रमाणों के दायरे के संबंध में विनम्र रहते हैं, यह नोट करते हुए कि वे आर्किटेक्चर के चरम (सीरियल $N=1$ और प्रोडक्ट एन्सैटज़ पैरेलल) के लिए स्थापित किए गए हैं। वे स्वीकार करते हैं कि हाइब्रिड आर्किटेक्चर और सामान्य एंटैंगलिंग एन्सैटज़ तक विस्तार करना एक खुला प्रश्न है। इसके अलावा, वे लारोक्का अंडर-पैरामीटराइजेशन रिजीम को एक सीमा स्थिति के रूप में पहचानते हैं जहाँ FM दक्षता लाभ उल्टा हो सकता है, जो उस विशिष्ट रिजीम में ट्रेड-ऑफ के और अधिक लक्षण वर्णन की आवश्यकता का सुझाव देता है।