谢明修表示，提出贫瘠高原现象的解决方案，以避免量子机器在学习的过程中，因为这个现象导致训练过久或训练失败，进而让量子学习机器展现出的超越传统机器的真正优势。
结合该方案，量子计算研究所在今年鸿海科技日（HHTD22）展示量子模拟在电池开发上的研究成果，大大缩减了所需的量子资源。
一般来说，在量子机器学习的过程中，透过控制逻辑闸的可调变参数学习，来得到符合期望的量子电路模型，但是在学习的过程中，常因为逻辑闸过多且结构过深，使得参数更新困难。
谢明修指出，贫瘠高原现象解决方案可借由适当的给定可调变参数初始值，改善了贫瘠高原现象，解决了长久以来一直困扰著量子机器学习领域所面临的问题，在该领域的研究得到了突破性进展。
★快点加入《壹苹》Line，和我们做好友！
★FB按赞追踪《壹苹新闻网》各大脸书粉丝团，即时新闻到你手，不漏任何重要新闻！
