इस शोधपत्र में, हम क्वांटम सूचना सिद्धांत के ढांचे का उपयोग करके संभाव्य सर्किट पर आधारित मशीन लर्निंग मॉडल का अध्ययन करते हैं। संभाव्य सर्किट जनरेटिव मॉडल के एक आकर्षक वर्ग के रूप में उभरे हैं जो योग और उत्पादों को पुनरावर्ती रूप से नेस्ट करके यादृच्छिक चर के बहुपद-समय बाउंडिंग की अनुमति देते हैं। इस कार्य में, हम सकारात्मक यूनिटल सर्किट (PUnCs) प्रस्तुत करते हैं, जो सकारात्मक अर्ध-निश्चित मैट्रिसेस के लिए सर्किट मूल्यांकन के लिए सकारात्मक वास्तविक-मूल्यवान संभावनाओं के लिए सर्किट मूल्यांकन को सामान्यीकृत करते हैं। परिणामस्वरूप, PUnCs न केवल संभाव्य सर्किट बल्कि PSD सर्किट जैसे सर्किट के एक वर्ग को भी सामान्यीकृत करते हैं जिन्हें हाल ही में पेश किया गया था।
