第2章 量子神经网络

参数化量子电路与量子神经网络：含参量子门、参数平移法则、PennyLane 实战，以及绕不开的可训练性问题——贫瘠高原。

阅读路线：先读主文与两个附录（含参门、参数平移），再读贫瘠高原篇（它解释了"为什么第 8 章的现代模型都在回避深度随机线路"），最后跑 PennyLane 示例。

• 量子神经网络
• 量子神经网络（附录1：含参量子门与矩阵欧拉公式）
• 量子神经网络（附录2：参数平移法则）
• 量子神经网络的贫瘠高原：表达力、梯度集中与可训练性
• 量子神经网络：示例

延伸阅读

• PennyLane 官方 demos（QNN 与梯度方法专题）：https://pennylane.ai/demos

• 量桨 QNN 研究教程（表达力、贫瘠高原、Fisher 信息）：https://github.com/PaddlePaddle/Quantum/tree/master/tutorials/qnn_research

• MindQuantum 量子神经网络初体验：https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.7/initial_experience_of_quantum_neural_network.html