据鸿海科技集团透露，鸿海研究院量子计算研究所所长谢与澳洲悉尼大学团队共同提出了通过深度变分量子电路中的高原初始化逃离贫瘠高原的研究报告，并针对该领域长期以来面临的贫瘠高原现象提出了解决方案，通过给出适当的可调参数初始值来改善。

研究成果已被机器学习和计算神经科学领域的世界顶级学术会议:神经信息处理系统大会接受，该会议从全球一万多份投稿中脱颖而出，于11月底发表。

本站了解到，贫瘠高原是指当量子计算机的比特数较大时，量子神经网络的现有框架很容易变得无法有效训练，其目标函数会变得平坦，导致训练时间过长或训练失败。

谢主任在回应研究成果时表示，他提出了一个解决贫瘠高原现象的方案，让量子学习机展现出了超越传统机器的真正优势结合这一方案，量子计算研究所在今年鸿海科技日展示了量子模拟在电池开发中的研究成果，大大减少了所需的量子资源

谈及贫瘠高原现象，谢主任进一步指出，一般来说，在量子机器学习的过程中，通过控制逻辑门的可调参数，可以得到符合我们预期的量子电路模型但是在学习的过程中，由于逻辑门太多，结构太深，往往很难更新参数

谢主任表示，我们通过适当给出可调参数的初始值，改善了贫瘠高原现象，解决了长期困扰量子机器学习领域的问题，在该领域的研究取得了突破。