Lazy training of quantum physics informed neural networks
Dit artikel vestigt een niet-asymptotische trainingsleer voor quantum physics-informed neural networks (QPINNs) die elliptische PDE's oplossen, waarbij wordt bewezen dat voldoende brede geparametriseerde quantumcircuits via gradiëntstroom convergeren naar een gelineariseerd neural tangent kernel-model met expliciete grenzen die afhankelijk zijn van circuit- en domeinparameters.