arXiv · quant-ph· Letao Wang, Abdel Lisser, Sreejith Sreekumar, Zeno Toffano·· 7 天前
傅里叶对称化改善几何量子机器学习模型的表达性
Fourier Symmetrization for Geometric Quantum Machine Learning
arXiv:2610.01874v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Letao Wang, Abdel Lisser, Sreejith Sreekumar, Zeno Toffano
首次提交：2026-10-01 23:31
研究任务与主要进展
Letao Wang 等研究傅里叶对称化如何塑造量子 Fourier 模型（QFM）的表达性，并针对单层 QFM 的近似 2-design 训练层给出偏差界。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org