研究人员提出了替代模型作为预训练量子学习模型的经典模拟方案,这些替代模型能够复现量子模型固有的输入-输出关系。在此框架中,量子硬件仅用于训练和生成经典替代模型,而推理任务完全交由经典替代模型执行,从而在完成训练后消除额外的量子计算成本。受可解释模型启发,该团队提出了一种基于重上传型量子学习模型的局部替代协议,其中包含作为经济型中间态的局部量子替代模型。当训练和推理仅涉及数据空间的子区域时,部署局部量子替代模型可降低量子比特开销,而后续的局部经典替代模型则实现了推理阶段的去量子化。研究还展示了若干数值实验成果。