Geometric Preconditioning and Curriculum Optimization for Trainable Variational Quantum Regression
Dit artikel stelt een hybride quantum-klassiek regressiekader voor dat een leerbare geometrische preconditioneringsinbedding combineert met een curriculumgebaseerd trainingsprotocol om trainbaarheidsproblemen in variatiele quantumkringen te overwinnen, waarbij een verbeterde prestatie ten opzichte van pure quantum-baselines wordt aangetoond, terwijl de aanhoudende concurrentiekracht van sterke klassieke methoden wordt erkend.