On a Central Limit Theorem and Sanov's principle for quantum neural networks
이 논문은 경사 흐름(gradient flow)을 통해 학습된 양자 신경망에 의해 생성된 전문가 혼합(Mixture of Experts)의 변동에 대한 중심 극한 정리와 사노프 원리(Sanov's principle)를 확립하며, 이러한 변동이 선형 수송 방정식을 만족하는 동시에 네트워크가 뉴럴 탠전트 커널(neural tangent kernel)에 의해 지배되는 극한 함수로 수렴함을 입증한다.