Quantum Natural Gradient Optimization for Convergence Reliability in NISQ Variational Quantum Algorithms
本論文は、情報幾何学、ノイズメカニズム、および比較最適化手法の性能に関する包括的な分析を通じて、NISQ変分量子アルゴリズムにおけるバレン・プラトーおよびノイズに起因する学習可能性の問題を克服するための、標準的な一次手法に対する量子自然勾配最適化の理論的基礎と経験的な優位性を確立し、4量子ビットのMaxCut問題における95%の収束成功率と大幅な高速化を実証するものである。