量子科技中心_量科网

采用数据重传电路的量子机器学习模型因其卓越的表达能力与可训练性而备受关注。然而，这些模型对未见数据生成准确预测的能力（即预测性能）尚未得到充分研究。本研究揭示了数据重传模型中采用深度编码层时预测性能存在根本性局限：具体而言，该团队通过理论证明，当使用有限量子位的数据重传模型处理高维数据时，随着编码层数增加，其预测性能会逐渐退化至接近随机猜测的水平。在此情况下，重复数据上传无法缓解性能退化现象。这些发现在合成线性可分数据集和真实世界数据集的实验中均得到验证。研究结果表明，处理高维数据时，量子数据重传模型应采用更宽而非更深更窄的电路架构设计。