量子科技中心_量科网

在追求量子优势的过程中，一个核心问题是在什么条件下经典算法能够实现与量子算法相当的性能——这一概念被称为去量子化。随机傅里叶特征（RFFs）已经展示了在回归任务中应用于某些量子神经网络（QNNs）的去量子化潜力，但其在其他学习问题和架构中的适用性仍未被探索。该工作推导了经典RFF模型与量子模型在回归和分类任务中的泛化性能差距的界限，这些任务涉及QNN和量子核架构。该研究团队通过数值实验支持了他们的发现，这些实验展示了现有基于量子核方法的实际去量子化。该研究不仅拓宽了基于RFF的去量子化的适用性，还增强了对实际机器学习任务中潜在量子优势的理解。