缓解策略与统一视角

• 策略-标度对照表（六行，每行"手段 → 对应成因 → 方差效果"）：

1. 浅层 + 问题启发拟设（UCC / Trotter 层 / 对称性适配）→ 成因一 → 逃离 2-设计区（表达力换可训练性）

2. 局部代价函数 → 成因二 → Var 从 2⁻ⁿ 回到 1/poly(n)

3. 恒等块初始化 / 热启动 → 通用 → 初始梯度保持 O(1)

4. 分层逐块训练 → 成因一 → 单层尚未进入 2-设计区

5. 对称扇区 → 通用 → 等效缩小希尔伯特空间

6. 过度参数化（丰饶盆地）→ 全局几何 → 与高原不矛盾：高原是初始化区域的性质，过度参数化改的是全局 landscapes 几何

• 对照演算（体检的反例）：n 比特 R_y(θ)^{⊗n} 测 Z₁ → C(θ) = cosθ → Var_θ[∂C] = ½，与 n 无关——浅/结构化线路不在高原区；体检规程：n ≤ 12 小系统扫梯度直方图，方差随 n 指数衰减 → 先改拟设/代价函数再谈规模
• 统一视角推导（三行证明）：

1. 两个独立 Haar 随机态，由幺正不变性不妨取 |φ⟩ = |0⟩^{⊗n}

2. |ψ⟩ 的 d = 2ⁿ 个坐标模方彼此对称（均值相等）且总和为 1

3. E[|⟨ψ|φ⟩|²] = 1/d = 2⁻ⁿ——高维空间里随机的东西全都长得一样

• 结果框：贫瘠高原（梯度方差 2⁻ⁿ）、核指数集中（核值涨落 2⁻ⁿ）、随机态几乎正交（重叠期望 2⁻ⁿ）= 高维希尔伯特空间集中测度的三个侧面