量子科技中心_量科网

量子机器学习（QML）旨在利用量子力学系统的固有特性——包括叠加性、相干性和量子纠缠——来实现经典数据处理。然而，由于希尔伯特空间的指数级扩展，采用量子系统态矢量表示的经典模拟方法使QML面临实际限制。另一方面，相空间方法通过将量子态编码为准概率函数提供了新思路。基于先前在量子比特相空间和斯特拉托诺维奇-韦尔（SW）对应关系方面的研究，该团队构建了适用于单量子比特和多量子比特系统的封闭、可组合相空间动力学形式体系。该体系用辛流形上的函数动力学取代了泡利群的算子代数，并将维度灾难问题转化为与量子比特数量呈线性关系的谐波支撑域问题。这为基于相空间变分建模的QML研究开辟了新路径。