謝明修表示，提出貧瘠高原現象的解決方案，以避免量子機器在學習的過程中，因為這個現象導致訓練過久或訓練失敗，進而讓量子學習機器展現出的超越傳統機器的真正優勢。
結合該方案，量子計算研究所在今年鴻海科技日（HHTD22）展示量子模擬在電池開發上的研究成果，大大縮減了所需的量子資源。
一般來說，在量子機器學習的過程中，透過控制邏輯閘的可調變參數學習，來得到符合期望的量子電路模型，但是在學習的過程中，常因為邏輯閘過多且結構過深，使得參數更新困難。
謝明修指出，貧瘠高原現象解決方案可藉由適當的給定可調變參數初始值，改善了貧瘠高原現象，解決了長久以來一直困擾著量子機器學習領域所面臨的問題，在該領域的研究得到了突破性進展。
★快點加入《壹蘋》Line，和我們做好友！
★FB按讚追蹤《壹蘋新聞網》各大臉書粉絲團，即時新聞到你手，不漏任何重要新聞！
