（中央社記者張建中新竹21日電）鴻海研究院在量子機器學習領域取得突破性進展，量子計算研究所所長謝明修和澳洲雪梨大學團隊，共同提出研究報告，針對長久以來面對的貧瘠高原現象提出解決方案，藉由適當的給定可調變參數初始值進行改善。
鴻海研究院今天發布新聞稿表示，謝明修和澳洲雪梨大學團隊的研究成果已獲「神經信息處理系統大會（NeurIPS 2022）」接受，在全球超過1萬件的投稿中脫穎而出，於11月底進行發表。
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超越傳統機器的真正優勢。
謝明修說，結合這方案，量子計算研究所在今年鴻海科技日展示量子模擬在電池開發上的研究成果，大大縮減所需的量子資源。
談及貧瘠高原現象，謝明修表示，在量子機器學習的過程中，一般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，藉由適當的給定可調變參數初始值，得到突破性進展，改善了貧瘠高原現象，解決長久以來一直困擾著量子機器學習領域的問題。（編輯：張均懋）1111121
