peppermint_xiao的博客

本次解读的论文是发表在PRL上的《Information Scrambling in Quantum Neural Networks》[1]原理作者的思想其实很简单，我们知道神经网络的作用就是从输入的杂论信息提取特征信息。然后作者在网络训练过程中，求出了输入信息和输出信息之间的三方信息，并且和损失函数变化进行比较，发现他们之间的关系-三方信息开始急剧上升到局部最大值而后减小，和损失函数开始减小缓慢的转折点吻合。如下图：三方信息后面为什么会减小？（这一块分析其实没多大看懂）三方信息公式：一

完美匹配在图论中，一个匹配（matching）指的是一个边的集合，其中任意两条边都没有公共顶点。例如：

上篇博文，我们介绍了Arrazola在2018年发表的《Quantum approximate optimization with Gaussian boson sampling》文章，文中提到：如何利用Gaussian boson sampling 去加速随机优化算法、模拟退火算法和贪婪算法去求解Max-Hafinian问题。其实，在同时，Arrazola又发表了一篇《Using Gaussian Boson Sampling to Find Dense Subgraphs》，在《Quantum app

上篇博文，我们已经

量子近似优化算法近似优化，顾名思义就是只要近似的求得问题的解即可。近似优化算法不仅可以用于求解NP-完全问题，也可以用于求解复杂度较高的P问题。QAOA（Quantum Approximate Optimization Algorithm）算法该算法[1]由Edward Farhi，Jeffrey Goldstone, SamGutmann在2014年共同发表,是一个多项式时间的近似优化算法,用于求解组合优化问题，其具有展示量子霸权的潜力。[1] Farhi E, Goldstone J, Gu.