Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression
본 논문은 변분 양자 회로의 학습 가능성 문제를 극복하기 위해 학습 가능한 기하학적 전처리 임베딩과 커리큘럼 기반 훈련 프로토콜을 결합한 하이브리드 양자-고전 회귀 프레임워크를 제안하며, 순수 양자 베이스라인 대비 향상된 성능을 입증하면서도 강력한 고전적 방법의 지속적인 경쟁력을 인정합니다.