量子科技中心_量科网

量子计算为应对复杂机器学习任务（如智能交通系统中常见的高维数据表征）开辟了新机遇。该研究团队探索利用量子机器学习建模虚拟现实过马路实验中反映行人应激反应的皮肤电导响应（SCR）事件。为此，研究人员在Pennylane平台上开发了两种模型：采用八量子位ZZ特征映射的量子支持向量机（QSVM），以及基于树张量网络拟设和八量子位ZZ特征映射的量子神经网络（QNN）。数据集包含SCR测量值及响应振幅、经过时间等特征参数，并按振幅大小进行了分类。 QSVM获得了良好的训练准确率（85%），但存在过拟合问题，其测试准确率仅为45%，影响了分类模型的可靠性。相比之下，QNN模型实现了55%的测试准确率，其表现优于QSVM及经典算法版本，成为更有效的分类模型。