量子科技中心_量科网

监督式量子机器学习（QML）是量子计算与经典机器学习交叉融合的领域，其目标是通过量子资源支持模型训练与推理。本文综述了监督式QML的最新进展，重点探讨变量量子电路、量子神经网络、量子核方法等实现路径，以及量子-经典混合工作流。研究人员分析了近期实验研究中展现的量子优势部分证据，同时阐述了当前存在的噪声干扰、梯度消失、可扩展性瓶颈及缺乏形式化性能证明等局限性。该工作的核心贡献在于提出了2025-2035十年发展展望，包括绘制量子机器学习在未来十年可能应用于科研与企业系统的路线图，并阐明相关前提条件。